首页期刊导航|计算机集成制造系统
期刊信息/Journal information
计算机集成制造系统
计算机集成制造系统

杨海成

月刊

1006-5911

Bamt@onet.com.cn

010-68962468 68962479

100089

北京2413信箱34分箱

计算机集成制造系统/Journal Computer Integrated Manufacturing SystemsCSCD北大核心CSTPCDEI
查看更多>>本刊为国家级学术刊物,旨在交流国内外CIMS研究、开发和应用的信息,推动和促进中国CIMS的发展。主要报道国内外有关发展计算机集成制造系统的政策措施、重点、趋势、科研动态、科技成果、推广应用、产品开发和学术活动等内容。设有综述、论文、专家论坛、企业实践和动态信息等栏目。已成为全国中文核心期刊。中国科技论文统计与分析文献来源期刊。中国科学引文数据库来源期刊。美国《工程索引(EI)》检索文献源期刊。1999年度影响因子达到0.746,在中国科技论文与引文数据库1372种期刊中位居前列。
正式出版
收录年代

    结合景深控制和透镜成像的鹰眼跨领域算法

    连召洋斯白露
    3547-3565页
    查看更多>>摘要:鉴于跨领域通用算法的研究相对较少,且效果有待进一步提升,提出一种解决交叉领域问题的结合景深控制和透镜成像学习的鹰眼优化算法.在金鹰优化算法的鹰眼中引入景深控制和透镜成像学习策略,将金鹰与猎物的距离转换为拍摄焦点与相机焦点平面之间的距离,结合其他拍摄参数计算前后景深、镜像的对焦点和物体的实际位置,并更新金鹰新个体的位置.为了测试算法的通用性,分别在56个开源测试函数和5个交叉领域数据集上对比了不同算法的效果,结果表明所提算法具有一定竞争力.

    鹰眼优化算法景深控制群智能算法跨领域优化工程优化

    基于强化学习的人员轮休调度方法

    李甜甜陈德胜曹斌
    3566-3577页
    查看更多>>摘要:针对传统调度方法求解效果差、效率低、轮休约束表达不准确的问题,首次提出一种基于强化学习的人员轮休调度方法.该方法将轮休调度过程构建为Markov决策过程,利用动作掩码方法实现轮休约束,通过深度Q网络(DQN)方法对轮休调度的策略进行学习.最后,采用学习得到的调度策略对人员进行快速安排.实验表明,在遵守轮休约束的前提下,该方法能够快速给出匹配每日人力需求的人员安排.对比传统的基于遗传的方法,该方法在人力需求拟合上的安排偏差更小,求解效率更高.

    轮休调度强化学习Markov决策过程深度Q网络动作掩码

    基于多层级金字塔信息融合的曝光矫正方法

    吴文江刘信君郑飂默王诗宇...
    3578-3587页
    查看更多>>摘要:针对图像曝光不足和曝光过度的问题,设计了基于拉普拉斯金字塔结构的多层级信息融合曝光矫正网络,该网络每个层级的矫正模块采用类U-Net的编码器-解码器架构.为了提高矫正模块的特征提取能力并减少模型参数量,设计了基于ConvNeXt-tiny的多尺度卷积编码器作为基本特征提取单元.针对图像上采样过程中可能出现的棋盘格伪影问题,提出一种基于双线性插值和亚像素卷积的双路上采样模块.通过定量和定性验证,在大规模曝光矫正数据集上均取得较好的结果.定位销定位实验显示,在不同对比度阈值下,应用该网络进行图像增强显著提升了特征可重复性、定位精度和稳定性.

    信息融合曝光矫正多尺度卷积编码器双路上采样

    基于元学习与多头注意力的刀具磨损值预测

    卢志强朱海平吴军
    3588-3599页
    查看更多>>摘要:为了采用基于神经网络方法预测刀具磨损值时在多工况条件下进行有效迁移,提出一种结合模型无关元学习(MAML)与多头注意力(MHA)模型的方法,预测多工况下刀具的磨损值.首先通过多传感器收集刀具切削过程中的多维信息,从中提取时域频域和时频域的特征信息,以构建时频特征矩阵;其次将MHA模型作为基模型,利用历史工况信息构建的时频特征样本,通过MAML方法训练该模型,获得最优的MHA模型初始化参数;然后最优的初始化MHA模型通过少量的初始磨损样本迭代训练几次来适应新工况,从而预测新工况的刀具磨损值;最后通过相关实验验证,该方法在多工况下的刀具磨损值预测中能够有效进行模型迁移.

    刀具磨损元学习注意力机制多传感器

    基于切向矢量的圆弧高速插补算法

    刘清建刘硕黄刚鹏张旭...
    3600-3612页
    查看更多>>摘要:鉴于当前数控系统对圆弧的速度规划未能发挥设备的最大性能,提出一种基于切线矢量的速度积分方法,并将切线矢量应用于圆弧的速度规划和插补处理,其核心思想是利用圆弧切线矢量求解合成加速度,保证在每个圆弧点上均用允许的最大加速度进行速度规划,从而用更短的时间和距离完成对速度变化的响应.在圆弧插补阶段,利用切线矢量判断脉冲最长轴,以求解下一个插补点的理论坐标和脉冲发送的依据,其中切线矢量具有方向的特性大大简化了圆弧插补模型,使整体运算简单高效,符合当前高速高精的发展要求.最后通过仿真和实际加工验证了算法的可行性.

    圆弧插补速度规划合成加速度切线矢量速度积分

    参数曲线光滑处理的双向四阶Taylor拟合方法

    吴继春周灭旨许可胡柱...
    3613-3620页
    查看更多>>摘要:为了使数控轨迹更加光滑,以进一步提高加工效率,提出一种基于空间轴的光滑曲线双向四阶Taylor拟合方法,通过优化使曲率更平缓来进一步降低拟合曲线的轮廓误差.首先,在参数曲线上选取有限均匀的数据点计算参数各阶导数以及曲率、挠率等微分几何量,以建立Frenet坐标系;然后,在第i区间始末两个数据点分别进行前向和后向四阶Taylor展开,根据刀位点在始末两个数据点形成的参数空间的相对距离确定耦合权重的拟合曲线;最后,通过坐标反变换得到机床坐标系XYZ下的优化轨迹.通过对原始轨迹和双向四阶Taylor拟合进行比较表明,随着阶数的提高,轮廓误差逐渐降低,曲率均值、曲率极差和曲率的导数极差均趋近原始曲线.通过对标准圆和高速列车车轮踏面LM-32进行拟合测试表明,相比拟合曲线,所提方法得到的优化曲线曲率变化连续,轮廓误差小4 μm~5 μm.

    数控加工刀具轨迹优化Frenet坐标系Taylor展开

    基于日志采样的流程下一事件预测方法

    董乐乐刘聪张帅鹏倪维健...
    3621-3632页
    查看更多>>摘要:下一事件预测任务是预测性流程监控的研究重点之一,针对现有基于深度学习的预测方法存在训练时间过长、参数量过大、对硬件要求过高等无法满足业务流程动态性的问题,提出一种基于日志采样的下一事件预测方法(SNEP).通过计算事件重要性和直接跟随活动关系重要性来衡量轨迹重要性,抽取部分重要轨迹表示原事件日志;采用One-hot编码方式对轨迹前缀重新编码,并设计了适用下一事件预测任务的三层长短期记忆网络(LSTM)预测模型.在6个真实事件日志中进行实验,探究所提方法的有效性和不同采样率对模型预测结果的影响,结果表明预先采样的下一事件预测方法在各事件日志中的预测准确率和效率均有提升,验证了该方法的优越性.

    业务流程下一事件预测事件日志采样深度学习长短期记忆网络

    面向YSU-Ⅱ下肢康复机器人语音交互系统的指令文本校对模型

    仲美玉吴培良窦燕张晓丹...
    3633-3642页
    查看更多>>摘要:针对YSU-Ⅱ下肢康复机器人语音交互系统存在指令误识的问题,构建了基于双向门控循环单元的Seq2Seq模型来检测并纠正指令文本中的错误字符,提出一种基于指令上下文和关键字的注意力机制(CK Atten-tion),用于捕获指令文本的上下文语义和关键字信息,以提升模型的文本校对能力.面向康复机器人的训练任务自行建立了语料库,并采用5次5折交叉验证法在该语料库上开展了相关实验,以客观评估模型性能.实验结果表明,所建模型适用于指令文本校对任务,CK Attention机制能够有效提升模型的文本校对性能,其检错F1值和纠错F1值分别达到97.72%和93.89%,对常用指令文本的校对时长在0.156 s~0.391 s之间.

    文本校对语音交互Seq2Seq双向门控循环单元注意力机制

    基于区块链的多价值链协同数据共享方法

    张今顾复顾新建纪杨建...
    3643-3657页
    查看更多>>摘要:针对基于第三方云平台多价值链协同过程中存在数据描述不统一、数据易被篡改、数据资源共享主体之间缺乏信任等问题,提出一种基于区块链技术的多价值链协同数据共享方法.首先提出基于区块链技术的第三方云平台多价值链协同数据共享框架,该架构由数据源层、数据集成层、区块链服务层、多价值链协同数据共享层、多价值链协同服务层组成;然后提出面向多价值链协同数据集成与共享的数据资源元数据模型与建立方法;接着阐述了多价值链协同数据上链机制以及数据集成上链与共享过程;最后通过面向汽车行业多价值链协同维修服务的数据共享真实案例,验证了所提方法的有效性.区块链透明公平、可追溯、不可篡改的特点以及加密算法可以保障数据资源共享过程安全可信,更好地促进多价值链协同服务发展.

    多价值链协同区块链数据共享信任机制第三方云平台元数据汽车维修

    不完全信息下云制造平台动态匹配时域与稳定匹配研究

    晏鹏宇蒋琪琪杨柳孔祥天瑞...
    3658-3672页
    查看更多>>摘要:鉴于现有研究侧重于构建云制造平台供需匹配模型并开发求解算法,批处理匹配时域长度在不确定环境下对云制造平台运营的影响关注不足,针对云制造平台产能供需双方随机到达并可随时离开的复杂情景,建立了基于动态二部图的Markov决策模型,并提出基于状态和动作重塑技术的Q-learning动态时域匹配决策方法.该方法根据平台订单和共享产能的聚合信息,自适应地决策匹配时域长度,并产生考虑了供需双方偏好的稳定匹配方案.数值实验表明,在多种情景和问题参数下,该方法的综合平台运营指标优于常用的随机事件触发和固定匹配时域方法.实验结果为云制造平台供需匹配运营提供了管理启示.

    云制造共享制造供需匹配强化学习匹配时域