【摘 要】
：
资源共享和协同是制造企业,尤其是模具制造企业在国际市场保存竞争和取得竞争优势的关键。在传统的工程设计管理中,由于缺乏统一的数据平台,使文档管理混乱,不能及时得到设计变更通知,而且对图纸和工程变更的审批流程难以进行有效的实时监控,更不能保留数据变化的历史记录。本系统实现在分布式环境中群体活动的信息交换与共享并对设计过程进行动态调整和监控,支持多功能团队的协同工作,以及在统一信息平台下实现不同历史时期
【机 构】
：
广东工业大学机电工程学院CIMS实验室
论文部分内容阅读
资源共享和协同是制造企业,尤其是模具制造企业在国际市场保存竞争和取得竞争优势的关键。在传统的工程设计管理中,由于缺乏统一的数据平台,使文档管理混乱,不能及时得到设计变更通知,而且对图纸和工程变更的审批流程难以进行有效的实时监控,更不能保留数据变化的历史记录。本系统实现在分布式环境中群体活动的信息交换与共享并对设计过程进行动态调整和监控,支持多功能团队的协同工作,以及在统一信息平台下实现不同历史时期和不同的需求而发展起来的独立信息系统或应用工具的集成,实现了工作流的集中控制和工作流任务的分布处理。
其他文献
由于能量的限制,无线Ad hoc网络面临网络生存时间、无线资源利用效率以及时延要求等方面的挑战。为了降低网络的能量消耗,延长节点寿命和网络生存周期,提出了一种基于区域代价的功率感知路由协议。该协议在路径选择时,综合考虑节点及其邻居的剩余能量、节点发射功率和节点接收处理功率等因素,使网络中节点的能耗趋于一致,并延长网络的生存时间。该算法的复杂度不高,易于在节点运行。仿真结果证明该协议能取得较好的性能
提出了一种基于移动代理的并行路由算法,通过对网络节点间的多条并行链路的充分利用,提高网络带宽的利用率,减少移动代理从源节点到目的节点的迁移响应时间。仿真实验结果表明,与著名的蚁群算法和遗传算法的性能相比,该并行路由算法具有更高的网络利用率,同时具有更短的平均延迟时间,提高了应用系统的运行效率。
针对采用Rao-Blackwellized粒子滤波器的移动机器人同步定位与地图构建算法(RBPF-SLAM)所面临的粒子退化问题,提出了一种改进的采样方法。该方法在原有采样方法的基础上,加入一个用Gibbs采样实现的向后MCMC(Markov chain Monte Carlo)移动步骤,利用当前新获取的信息对机器人路径样本的最后一段进行调整,从而降低了样本退化的可能性。对比仿真实验验证了该方法的
提出一种新的发现服务算法ROAD,尝试采用混合策略来适应系统的不同变化程度;通过改善超级点的使用方式,构建加速路由表,加快发现服务的速度,降低消息转发的延时;并通过幂次序组播算法改善对超级点的依赖性。选择不同质量类型的超级点,ROAD可以扩展成满足不同服务需要的发现机制。
介绍了一种新的生物识别技术——人耳识别。首先对人耳生物识别系统进行介绍,并与其他生物识别技术进行比较;重点按照识别特征的不同提取方法分别综述了各种人耳识别技术的关键技术,如PCA方法、基于神经网络方法、力场转换理论、遗传局部搜索法以及基于几何学方法和基于长轴的结构特征提取方法等分析方法。通过对各种识别方法的分析和比较,总结了影响人耳识别技术的几个因素和研究开发成功的人耳识别技术需要考虑的几个重要方
针对小生境粒子群优化技术中小生境半径等参数选取问题,提出了一种新颖的小生境方法,无须小生境半径等任何参数。通过监视粒子正切函数值的变化,判断各个粒子是否属于同一座山峰,使其追踪所在山峰的最优粒子飞行,进而搜索到每一座山峰极值。算法实现简单,不仅克服了小生境使用中需要参数的弊端,而且解决了粒子群算法只能找到一个解的不足。最后通过对多峰值函数的仿真实验,验证了算法可以准确地找到所有山峰。
经验模式分解(EMD)方法的提出为信号处理提供了新的方法。在已有经验模式分解的过程中,由于常用三次样条插值来拟合信号的上下包络,因此时常会出现边缘效应,从而影响了信号处理的质量。针对上述情况,利用周期性信号序列经离散小波变换后,使小波系数构成的周期性新序列具有随机游走特性;利用小波与卡尔曼滤波混合预报器对信号进行边界延拓,从而有效地抑制了EMD分解中的边缘效应。仿真结果验证了该方法的有效性。
将本体的概念引入电力领域知识表达,构建了一个可以被各业务系统所共享的电网运行知识库。通过具有事件引擎的本体知识链结构,将物理本体与事件本体有机结合,基于语义和逻辑顺序客观描述了电网运行的静态和动态特性。知识库中的事件引擎检索方式极大提高了信息查询的效率。
主要是以一种带权类依赖图作为面向对象系统的UML类图的抽象表示,其中类依赖图的各边上权值对应于类图中的相应关系。针对带权类依赖图运用代数图论中图的Laplace谱的连通特性以迭代分割的方式对其进行划分,得到所需开发的系统构件。通过实验表明,该方法是一种有效的面向对象软件系统分解方法,并且分解所得到的构件具有较高的内聚性。
将神经网络集成思想引入Web文本分类领域,提出了利用最小估计误差策略进行最优加权网络集成的方案。具体做法是根据各网络的分类性能、各网络同其他网络的相关程度给每个网络的后验概率估计赋予不同的权值,通过加权平均提高后验概率估计的准确程度,进而提高分类率。英文数据库的实验结果表明,与经典的Bayes模型、kNN模型相比,该模型具有更高的分类精度与更快的分类速度。