乐清洪
- 作品数：25 被引量：186H指数：9
- 供职机构：中航工业西安飞行自动控制研究所更多>>
- 发文基金：中国航空科学基金国家自然科学基金更多>>
- 相关领域：自动化与计算机技术机械工程金属学及工艺一般工业技术更多>>
- 规范化高效军工产品研发管理模式研究被引量：4
- 2014年
- 与国外标杆企业相比较,军工企业在产品研发过程中普遍存在研发效率低和研发流程不规范的问题。本文参考华为研发模式的最佳实践,针对军品研发过程中的不规范问题,提出了军工企业规范化研发管理的基本模式,重点研究了研发流程和设计任务的规范化管理,分析了如何在规范化研发的基础上实现"高质量、低成本和高效率"的产品设计模式。其研究成果对于当前军工产品研发管理实践具有重要借鉴意义。
- 张博马翔乐清洪
- 关键词：军工产品
- 控制图异常模式参数估计的神经网络方法被引量：12
- 2002年
- 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。
- 乐清洪李建文安翔朱名铨
- 关键词：质量控制图人工神经网络参数估计
- 人工神经网络在产品质量控制中的应用研究被引量：4
- 2000年
- 提出了利用有监督线性特征映射 (SL FM)网络构造产品质量参数预测模型的方法 ,研究了网络参数的合理选择 ,并提供了该预测模型在车削尺寸预测中的应用 ,研究表明该方法具有较高的预测精度 ,对加工过程具有一定的跟踪能力 。
- 乐清洪赵骥朱名铨
- 关键词：人工神经网络
- 产品质量智能预测控制研究被引量：3
- 2004年
- 介绍了质量预测控制的研究现状,提出了基于质量特征参数序列的质量智能预测控制系统模型,分析了系统的稳定性。根据提出的系统模型利用动态神经网络对加工过程质量特征参数的变化进行了跟踪实验,效果良好。
- 乐清洪滕霖王润孝朱名铨
- 关键词：控制研究产品质量动态神经网络特征参数预测控制稳定性
- 质量控制图在线智能诊断分析系统被引量：22
- 2004年
- 在计算机集成制造系统环境下,为了有效实现工序质量控制,提出了质量控制图的在线智能诊断分析系统框架,它由控制图模式识别、参数估计、专家诊断分析系统和加工参数调整系统四个模块组成。在该系统中,采用了一种适用于模式识别与分类的新型神经网络模型———局部有监督特征映射网络,将其应用于该系统的控制图模式识别和参数估计中。仿真实验和应用实例表明,识别和分类结果与实际相符,并可以保证实时性。
- 乐清洪滕霖朱名铨王润孝
- 关键词：控制图智能诊断人工神经网络模式识别参数估计
- 虚拟生产线模型研究被引量：12
- 2000年
- 虚拟制造作为新的制造策略引起了广泛重视 ,实现方法是虚拟制造研究的关键。虚拟生产线是构建虚拟制造系统的基础。研究了虚拟生产线模型 ,对生产线进行了层次化、模块化分解 ,面向对象方法是实现虚拟生产线系统的有效工具 ,利用对象表达与实现了设备、工件、事件的虚拟模型 ,开发出一个虚拟生产线实例模型 。
- 赵骥乐清洪罗琦朱名铨
- 关键词：虚拟制造面向对象方法
- 应用于工程设计的KBE技术被引量：8
- 2004年
- 介绍了一种新型的工程设计方法——基于知识的工程(knowledge—Based Engineering,KBE),并对这一新型设计系统的研究和应用现状、关键技术(知识获取,知识表示和推理,知识库的建立)、应用过程中存在的问题以及将来的发展趋势作了分析和介绍。
- 马小宝乐清洪滕霖
- 关键词：工程设计知识获取
- 智能工序质量控制技术研究被引量：13
- 2004年
- 人工智能在工序质量控制中的研究与应用有两个重要的方面 :基于统计过程控制的过程诊断分析 ;质量预测控制。文中对其应用过程中存在问题以及将来的发展趋势作了分析和介绍 ,并提出了解决方案和系统模型。
- 乐清洪滕霖朱名铨
- 关键词：工序质量控制统计过程控制人工智能预测控制过程诊断分析
- 基于有监督线性特征映射(SLFM)网络的材料性能预测模型被引量：1
- 2000年
- 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。
- 乐清洪杨海瑛朱名铨
- 关键词：人工神经网络
- 一种适用于模式识别的新型神经网络被引量：8
- 2004年
- 提出了一种适用于模式识别的新型神经网络模型——局部有监督特征映射网络,描述了该网络的拓扑结构和学习算法,研究了网络的基本性能,最后将其应用到了质量控制图的模式识别中。理论研究和仿真实验表明,该网络结构简单、算法简洁,收敛速度快、识别精度高,适用于需要大样本训练、随机干扰严重的复杂模式的分类与识别。
- 乐清洪高星海郝俊朱名铨
- 关键词：人工神经网络模式识别控制图
