服装单件生产流水线仿真优化

为探究服装单件生产流水线的设计与仿真优化过程,基于工序编排的原则,得到了女士棉服的单件生产流水线编排方案。通过工序拆分、工序重组等优化方法对上述流水线安排方案进行优化,并建立了生产流水线结构模型。利用所建立的模型进行女士棉服的单件生产流水线仿真研究,并将仿真过程与实际生产进行对比。结果表明,所建立的模型可实现对服装单件生产流水线的仿真模拟,整个试验过程与实际生产吻合较好。该研究方法及其结果为后续不同形式的服装生产流水线仿真优化奠定了基础。     

S波段微波热致超声成像系统研究

微波热致超声成像技术通过向物体发射微波脉冲, 导致物体吸收电磁波温度迅速升高, 产生瞬时压力波, 从而激发产生超声波信号, 通过传感器对产生的超声波信号进行采集并成像, 最终还原了反映物体吸收电磁波能量特性的图像, 由于此方法兼具了微波成像的高对比性和超声成像的高分辨率特点, 理论上验证了热声成像技术对早期乳腺肿瘤检测的可行性. 本实验兼顾系统成像深度和分辨率, 采用S波段的微波脉冲信号源对物体进行辐射, 利用圆形扫描方式对待测物体进行检测, 同时为了更好的验证成像性能, 本实验同时使用了肿瘤仿体及实际生物组织进行成像实验. 通过实验分析, 验证了该系统对肿瘤仿体和生物组织检测的有效性, 以及系统的高分辨率和高对比度特性, 为早期乳房肿瘤检测提供了进一步的理论支撑.     

基于无损约束降噪稀疏自编码的滚动轴承故障诊断技术

在滚动轴承故障诊断过程中,时域振动信号容量大且易受噪声污染,难以建立准确的故障诊断模型。针对上述难题,本文采用无损约束降噪方法对稀疏自编码进行优化,提出了基于无损约束降噪稀疏自编码的滚动轴承故障诊断方法。该方法可直接作用于时域振动信号,消除对人工特征提取的依赖性,无需降噪预处理,降低了故障诊断模型建立的难度。为验证本方法的有效性,利用滚动轴承时域振动信号进行仿真实验,并对诊断过程中学习到的故障特征进行可视化分析。实验结果表明,本方法可以在噪声数据下建立有效的故障诊断模型,且比传统的栈式稀疏自编码诊断算法具有更强的噪声鲁棒性。     

角蛋白生物医学应用研究进展

角蛋白是一种结构稳定,生物相容性良好的可再生资源,由于其良好的生物相容性、自然丰度和独特的分子结构而被广泛应用于生物医学领域。本文首先介绍了角蛋白的结构特点和提取方法,重点阐述人发角蛋白材料在药物缓释、伤口修复、组织工程等领域的应用。最后,对角蛋白生物材料的未来发展趋势进行了展望。     

证据的信任函数表示

以诊断推理为应用背景，研究了信任函数理论框架下的证据表示．从似然原理出发，给出了基于似然性的信任函数所要满足的性质，引入了嵌套表示，建立了嵌套表示与稳健贝叶斯推断的联系，并以一个简化的诊断推理过程为例，说明了嵌套表示的应用，最后指出嵌套表示与其它表示方法的差异来自对似然原理的不同理解．     

服装款式图的空间结构研究

在不考虑面料形变的前提下,通过分析服装平面款式图的空间结构,得出服装平面款式图是服装平铺状态下的空间立体投影.假设平铺状态下的服装是刚性几何体,在建立该几何体的数学模型基础上,得出原型纸样与款式图的映射关系,从而实现了款式图到工业纸样的结构信息传递.     

规则中不确定性的表示与传播：信任函数的情形

研究了信任函数理论框架下规则中的不确定性的表示与传播，引入信任结构表示不确定的规则。定义了信任结构的复合与分解运算，由此提出了一种新的不确定推理模式。     

基于层次化多模态注意力机制循环神经网络的服装新品销售预测（英文）

在新服装产品销售预测任务中,由于缺乏历史销售数据,通常需要充分利用其他模态的数据作为补充。然而,多模态服装数据通常具有冗余性和异构性。为解决这些问题,提出一种包括三个主要元素的层次化多模态注意力循环神经网络(hierarchical multi-modal attention based recurrent neural network, HMA-RNN)。层次化结构将高层语义信息与低层语义信息分离,以避免信息冗余。在模态融合阶段引入多模态注意力机制(multi-modal attention, MMA)以减轻固有的数据不对齐问题。采用共享注意力机制构建跨多模态数据的依赖关系。在Visuelle 2.0数据集上的试验结果表明,所提出的方法加权平均百分比误差(weighted average percentage error, WAPE)为72.07,平均绝对误差(mean absolute error, MAE)为0.80,明显优于现有的方法,表明了该研究所提出的方法的有效性。     

证据的信任函数表示

以诊断推理为应用背景，研究了信任函数理论框架下的证据表示，从似然原理出发，给出了基于似然性的信任函数所要满足的性质，引入了嵌套表示，建立了嵌套表示与稳健地斯推断的联系，并以一个简化的诊断推理过程为例，说明了嵌套表示的应用，最后指出嵌套表示与其它表示方法的差异来自对似然原理的不同理解。     

基于多通道时频域信号的卷积神经网络智能故障诊断技术

在滚动轴承故障诊断中,算法难以学习所有负载下的健康状态特征,为有效诊断滚动轴承在变负载下的健康状态,算法需要较强的负载域适应能力.针对上述问题,提出了基于多通道时频域信号的卷积神经网络算法.不同的小波提取不同的特征,算法采用多种小波可以提供多样的健康状态特征.并且全局最大池化替换每一空洞卷积之后的最大池化,从全局范围内提取最大激活.因此,算法只需在源域下训练,即可在目标域下得到良好的诊断效果.为验证该算法的有效性,利用公共数据集进行实验.实验结果表明,该算法在不同负载下的分类精度较其他算法有明显提高,从而可以有效识别滚动轴承的健康状态.