基于时延神经网络的木材干燥温湿度建模研究

利用神经网络建立了木材干燥的温湿度模型,给出了其时延神经网络辨识结构。分别提出温、湿度控制模型(控制信号与温、湿度之间的关系模型)和木材干燥基准模型(温、湿度与木材含水率之间的关系模型),并利用实验干燥窑得到的实际数据进行了仿真研究。仿真结果表明,利用此方法建模是可行的,所建模型是有效的。图10参16。     

利用神经网络预测木材径向导热系数

利用神经网络所具有的输入-输出之间的高度非线性映射关系,给出一种利用BP神经网络模型预测木材径向导热系数的方法.为了提高网络模型的泛化能力,采用规则化调整的方法.仿真结果表明:利用文中所提出的神经网络模型能够较准确、快速地预测木材径向导热系数的变化,其精度高于推导出的木材径向导热系数的理论公式.     

扬州漆木柜典型度预测方法

为设计出具有传承性的新中式漆木家具,以扬州漆木柜为例开展典型度预测研究,提出基于支持向量分类机的典型度预测方法。首先,综合应用扎根理论、德尔菲法和设计形态分析法提取出扬州漆木柜的9个典型特征作为典型度评价指标;其次基于语义差异法进行典型度调查,获取典型度分级值;最后分别采用BP神经网络和支持向量分类机作为典型度预测方法,建立"典型特征-典型度"之间的映射关系,构建基于典型特征的扬州漆木柜典型度分级预测模型。在此基础上,利用混淆矩阵比较2种模型的预测精度,结果表明支持向量分类机构建模型的拟合精度和泛化精度分别为95.5%和94.0%,高于BP神经网络构建模型的对应精度值77.3%和90.0%,且支持向量分类机构建模型的F1值无论在训练分析中还是在预测分析中均大于或等于BP神经网络构建模型,预测效果显著占优。在实际应用层面,典型度是个隐性的模糊感觉量,建立扬州漆木柜典型度预测模型,不仅可以为设计师设计具有传统特征基因的扬州漆木家具提供科学指导,也能协助企业降低人工评估误差和创新风险,有效缩短设计周期。在理论层面,承继对象的新选择和细化以及定量研究方法的引入,为新中式家具研究提供了一个全新的研究思路和研究方法。     

基于WEB的个性化产品协同设计系统研究

研究了在三层Client/Server结构下，开发基于WEB驱动模式的个性化产品协同设计系统的方法。将广义映射原理引入个性化产品协同设计系统的研究当中，分析了在WEB驱动模式下允许用户参与协同设计团队的产品设计过程和利用协同设计环境建立新产品的功能单元概念模型的过程，提出了利用广义映射原理来实现个性化产品协同设计系统的体系结构，建立了基于功能结构映射关系描述产品功能需求的数学模型，并探讨了多用户决策的协调，异构平台的数据库互操作和协同工作环境的组织管理等问题。     

基于KANO模型与TRIZ理论的儿童家具轻设计研究

为快速有效地实现儿童家具轻设计,综合应用KANO模型与TRIZ理论,研究儿童家具轻设计创新设计方法。以儿童桌为设计对象,首先进行KANO问卷分析,得到提升用户满意度的关键需求。然后运用组件分析、功能模型等方法识别现有儿童桌的不足,运用功能裁剪进行分析和改进,得到儿童桌功能模型。最后结合需求,利用TRIZ理论提供的39系数的阿奇舒勒矛盾矩阵表和40条发明原理,通过对比、推敲,得出最终优化设计方案,为儿童家具轻设计提供了解决思路。     

基于Kano-FAST组合法的大学生宿舍家具功能需求研究北大核心

通过查阅文献、人物访谈、专家咨询等方法,借助KJ法汇总整理得到大学生对高校宿舍家具的现有问题和功能需求,同时引入FAST模型对功能需求进行分析,建立FAST功能树,将功能需求映射为21项相应的功能项目,以便对宿舍家具设计进行指导。使用Kano模型对高校宿舍家具21项功能项目进行分析,得到其所对应的质量类别,并对其依据满足需求、生产加工和成本控制等条件进行优先级的排序,且优先级层级会发生动态的变化。高校宿舍家具的功能要素配置需充分考虑不断变化着的用户需求,以期为宿舍家具的功能设计及指导生产提供可借鉴思路。     

基于模糊神经网络的可控串补控制策略

目前已运行的可控串补(TCSC)工程都是采用常规的控制策略,采用各种先进控制策略比如非线性控制策略、智能控制策略能使TCSC的作用得到最大限度的利用.设计的TCSC模糊神经网络控制系统采用TCSC当地测量的频率增量及功率增量作为模糊控制的输入,用一种神经网络模拟模糊推理机的知识模型和推理模型,采取误差反传的方法依据输入量的值和系统当前的状态来设计调整神经网络的连接权值以及隶属度函数的参数,从而调整模糊控制规则和量化因子.通过对系统处于不同运行点受到不同干扰下的仿真,表明所设计的TCSC模糊神经网络控制系统具有良好的鲁棒性.     

基于无人机影像的树种分割实践

郁闭度超过60%的林地具有树种种类复杂、种内特征差距小及种间位置间距小等特点。虽然传统卷积神经网络(CNN)较其他分类方法具有精度高与自动化水平高等优势，但其存在学习效率低、识别精度提升困难及可解释性差等缺点。此外，传统规则分割绘制树种图的方法忽视了树种及遥感地物边界特征的变化，易在高郁闭度的林区产生椒盐现象。为解决上述问题，提出基于类激活映射及自注意力模型(ST)的新的树种分类方法(G-ST),它集成了迁移学习、ST分类模型与梯度下降的类激活映射，通过综合长距离特征、数据增强、其余领域的特征知识及预测训练关注度，提升G-ST分类精度、模型泛化能力及可解释性，结合简单线性迭代聚类方法生成树种专题地图。结果表明，该方法得到的树种图精度较传统CNN结合规则分割的制图方法更高，林木及遥感地物边界更趋近于矢量化结果，能有效为树种影像分割、制图及分布统计工作提供参考。     

差分型立地指数模型估计误差的经验性分析

以110株黑云杉Picea mariana样地优势木的树干解析数据为基础,拟合了8个差分型立地指数模型,并对立地指数的估计误差进行了经验性分析。结果表明,多型模型间的立地指数估计误差均方(MSE)和平均相对误差(MRE)高度一致,表现出了与单型模型不同的变化趋势。在其它条件相同时,多型模型的MSE和MRE低于单型模型;林分年龄和指数年龄间的对比关系对MSE和MRE有着显著的影响效应。     

毛竹导热系数非线性拟合的PSO-BP模型

应用粒子群优化算法(particle swarm optimization,PSO)训练多层前馈(back propagation,BP)神经网络,提出毛竹导热系数的PSO-BP模型,将神经网络的学习过程映射为粒子群体的迭代寻优过程,达到优化神经网络权值及阈值的目的。结果表明:毛竹导热系数PSO-BP模型在泛化性能、拟合精度、训练及验证误差等方面均优于标准BP网络模型。     

基于动态递归神经网络的木材干燥模型辨识

木材干燥是一个复杂的非线性系统 ,由于木材结构复杂且具有多样性和变异性 ,因此要建立一个理想的符合木材干燥过程的模型是很困难。本文利用动态递归神经网络的特点 ,提出了基于动态递归神经网络的木材干燥模型辨识方法 ,给出了动态递归状态 -输出神经网络的结构和学习算法。并通过对辨识得到的模型的仿真结果 ,表明了本文所建立的模型是有效的     

基于自适应神经模糊系统的杉木冠幅估算方法

【目的】基于相邻木特征与对象木冠幅间的复杂关系,提出一种基于自适应神经模糊系统的冠幅估算方法,以提高林木冠幅智能化估算水平。【方法】以杉木为研究对象,根据相邻木相对对象木的距离和方位,采用象限补树法构建空间结构单元。测定100组4方向冠幅、距离和方位角,提出相邻木冠幅、距对象木距离2个自变量的计算方法,以对象木冠幅与相邻木冠幅的比值作为因变量。根据样本数据,分析变量间非线性映射关系,建立25条模糊逻辑推理规则,设计以2个自变量为输入、1个因变量为输出的零阶Takagi-Sugeno模型,以70组数据训练自适应神经模糊系统,以30组数据检验系统冠幅估算效果,并与多元线性回归法和BP神经网络法进行对比。【结果】3种方法冠幅估算值与真实值的线性关系均达显著水平,经检验,本研究方法、BP神经网络法和多元线性回归法的判定系数分别为071、067和066。【结论】基于自适应神经模糊系统的冠幅估算方法可在自变量不含对象木属性特征的情况下,根据空间结构单元内相邻木特征,直接实现对象木冠幅的智能化估算。     

仿生鸟侦查飞行器研究

在仿生机械学涉及甚广的飞行器领域中,设计一种可以模拟鸟类飞行的飞行器成为了该领域中的一大热点.为了更好地设计出该种仿生飞行器,结合仿生学原理中的扑翼机,并根据扑翼的工作方式,采用曲柄摇杆机构实现了扑翼飞行,设计出了一款多扑翼仿生鸟.研究了柔性膜扑翼与刚性扑翼对推力的影响,结果显示:柔性膜扑翼对于推力有较大的增加;通过S...     

基于时延神经网络的木材干燥模型辨识的研究

木材干燥是一个复杂、多变的过程，传统的系统辨识方法很难建立一个理想的木材干燥模型。利用时延神经网络的特点，本文提出了基于时延神经网络的木材干燥模型辨识方法，并给出了辨识网络和结构。对辨识得到模型的仿真结果表明，利用时延神经网络所建立的模型是可靠且有效的。     

用户需求视角下湘西竹编纹样在家具设计中的应用

为探索湘西竹编纹样在家具设计中的传承应用,使其满足当代用户的需求,以圈椅为例进行剖析。首先通过调研和搜集资料构建圈椅样本库及湘西竹编元素库;其次通过问卷调查、文献检索和目标用户访谈法获取用户需求,利用熵权TOPSIS模型对用户需求进行整合,AHP计算用户需求的权重,以此为依据从圈椅样本库和湘西竹编元素库中确定初始形状;并通过形状文法的造型推演规则对各设计要素进行草图方案推演;最后基于灰色关联分析法得到方案评判关联度,确定最佳方案。结果表明,通过设计实践验证了使用AHP-熵权TOPSIS得到的用户需求较为准确,用形状文法将湘西竹编纹样运用在家具设计中的可行性。该设计方法的运用使竹编文化在家具设计中得到传承的同时,也能满足用户的需求,既提升了家具产品的文化内涵与美学价值,也为“以竹代塑”在家具行业的推行提供借鉴。     

基于机器学习的钢材需求预测研究

重点从市场供需缺口与价格之间的关系的角度，对于钢材实际需求量进行模型计算。在理论上，结合宏观经济环境对钢铁行业的影响，以及钢铁行业重点下游需求侧变化确定框架。在方法上，利用GBDT算法和FCN神经网络算法实现提取特征、拟合计算。最终通过算法计算得到的钢材拟合需求量从两方面对表观需求量的局限性有所弥补：一是钢材拟合消费量增加了库存对于钢铁需求量的影响；二是钢材拟合消费量较表观消费量更能体现钢材出口需求对我国钢材需求量的正向拉动。     

基于BP神经网络理论的物流金融风险评价模型

介绍物流企业在物流金融服务过程中可能遇到的内外部各类风险,分析风险产生的主要因素,并构建一套完善的物流金融风险评价指标体系。通过应用BP神经网络理论建立物流金融风险评价模型,利用BP神经网络的结构形式及训练原理,调查数据为样本,对该网络进行充分训练与检验,从而得到可对物流金融风险做出准确评价的BP神经网络评价模型,为物流企业发展提供借鉴。     

柜类家具中MDF搁板的挠度分析研究

考虑到现代柜类家具中搁板的材料及支撑特性,根据均布载荷的薄板小挠度弯曲理论,推导出中密度纤维板MDF搁板在两端简支状态的中心点挠度模型公式,并通过实验对此进行验证,从而得到满足实际生产的MDF搁板挠度值计算公式,这种设计方法的原理可以为家具其他零部件的设计提供参考。     

株洲主要地类波谱特征研究

地物波谱是指地物反射电磁波能力的大小 ,不同地物具有不同的反射波谱值 .将株洲地区的地类粗略地划分为水、裸露地、居民点和植被 4大类 ,利用遥感图像处理软件 ERMAPPER6.1,在对航空和航天遥感信息源进行处理的基础上 ,对各地类的波谱值和波谱特性进行了详细研究 .结果表明 :相似地类具有相近的波谱分布 ,不同地类具有不同的波谱分布 ;同一地类因信息源、地理位置和时相不同而具有不同的波谱值 ,其分布表现为一个域 ,不同地类的域值差异较大 ;不同地类的波谱值严重交叉 .这说明地物同波谱特征值之间不是简单的一一对应关系 ,而是一种复杂的映射关系     

一种基于体压分布和PCA-BP神经网络模型的办公椅舒适度测定方法

为了探索一种不依赖主观评价的办公椅使用舒适度测定方法,并建立一种可以直接用于产品评价以及设计研发辅助的办公椅使用舒适度评定模型,根据办公椅表面体压分布指标进行系统聚类,将26张实验椅聚类为5个类簇,综合分析各类簇办公椅表面体压分布指标的均值,将办公椅定义为5个舒适度等级。根据主成分分析法建立PCA-BP神经网络预测模型,使用表面体压分布指标预测办公椅舒适等级。结果表明:PCA-BP神经网络对各类簇办公椅平均预测误差为4.020%,对用于检测的3张办公椅预测结果符合办公椅表面体压分布特点,表明了该模型通过体压分布指标评定舒适度的可行性。通过系统聚类定义各类簇办公椅舒适度等级以及通过PCA-BP神经网络预测办公椅舒适度的方法是可行的,测定结果是可信的;该测定方法更加客观,能够避免主观评价随意性的缺陷;该模型使用时只需要测量办公椅表面体压分布指标值,可方便、高效应用在产品检测、评价以及新产品研发测试阶段,提高评价和设计效率。