光干涉技术在纳米精度测量中的应用及发展

分析了几种应用于纳米精度测量的光干涉技术工作原理、应用限制及研究现状,包括X射线干涉仪、干涉仪及激光外差干涉技术。     

大规模定制中应用聚类分析法获取客户需求

应用聚类分析法,根据客户忠诚度等指标,对复杂的客户需求进行合理聚类,聚类的结果将指导产品族建模的方向.这样形成的产品族模型能够充分体现客户需求的个性化与产品模块的完备性.     

控制图异常模式参数估计的神经网络方法

对质量控制图的异常模式进行参数估计可进一步揭示加工过程潜在的质量问题。本文提出了一种基于SLFM网络的参数估计方法 ,可对异常模式的参数进行有效估计。数字仿真表明 ,该网络训练速度快、估计的精度高 ,且有很强的可塑性 ,适用于控制图异常模式的在线实时参数估计。     

SLFM网络及其学习算法的改进

介绍了一种新型的人工神经网络--有监督线性特征映射(SLFM)网络,它综合了BP网络的可监督性和SOM网络算法简单的优点,具有学习速度快、精度高、扩展能力较强的优点.文中讨论了SLFM网络的拓扑结构和学习机制,并对网络的学习算法进行了改进,对比实验表明,改进后的SLFM网络其性能得到了进一步的提高.     

面向叶片裂纹检测的自适应图像处理算法研究

提出了一种采用基于边缘检测的小波滤波和自适应阈值分割算法,实现叶片裂纹的自适应快速检测;仿真结果验证了这种检测算法的有效性,能满足外场对发动机叶片裂纹检测的要求。     

人工神经网络与刀具磨损监测

介绍了人工神经网络的基本概念及在刀具磨损监测中的应用，例举了两种典型网络（ＢＰ网络、ＳＯＭ网络）的结构与学习算法。研究表明，应用前馈神经网络构造的刀具磨损状态二分类器、三分类器及磨损估计网络，检验效果很好。文中提出的ＳＯＭ网络在磨损估计方面具有学习快、精度高的优点，有实际应用价值。     

刀具磨损的人工神经网络方法及其仿真技术

本文提出一种对刀具磨损量进行辨识的人工神经网络方法，采用了灰色模型进行特征选择，研究了隐层不同节点数的选择对网络训练的影响，并通过仿真研究了该网络的稳定性。     

基于有监督线性特征映射(SLFM)网络的材料性能预测模型

构造了基于 SLFM网络的材料性能预测模型 ,探讨了实现该预测模型时网络的拓扑结构、学习和预测机制以及参数选择 ,提供了其对 Ti-2 6合金性能进行预测的实验 ,实验结果良好。在此基础上对 Ti-2 6合金的部分性能影响因素进行了优化 ,优化后的性能测算结果和实验结果相符。     

刀具磨损估计的多传感器融合神经网络方法研究

研究了利用声发射、振动和电机功率信号经BP算法信息融合估计刀具磨损量的方法,采用简单有效的灰色模型关联分析法选择特征参数,研究了网络参数对性能的影响以及网络性能的稳定性。     

现代精密测量技术现状及发展

概述了工业生产与科学研究中的现代精密测量技术发展现状和研究内容;着重叙述了应用于三坐标测量机（ＣＭＭ）的最新技术、微／纳米精密测量技术以及图像测量技术。