摘要：复杂结构产品的自主创新开发一直是制约我国制造行业快速发展的瓶颈。开展复杂结构产品快速设计理论与方法的研究具有重要的科学意义与工程价值。复杂结构产品的开发一般经历概念设计、详细设计、优化设计等阶段，在此过程中，快速设计复杂结构产品初始化结构模型是实现产品后续详细优化设计的基础，

摘要：设计并实证研究一种基于地标特征和元学习方法推荐最佳优化算法的实现框架.地标特征摒弃了传统的问题简单特征、统计特征和信息理论特征复杂的提取过程,通过简化运行算法并仅以算法的相对性能表现作为问题特征集.在此基础上,利用元学习方法训练建模并针对新问题作出算法推荐.为验证推荐效果,以多模式资源约束的项目调度问题(MRCPSP)为优化对象,以人工蜂群、蚁群、粒子群和禁忌搜索4种元启发式算法作为推荐对象,分别使用人工神经网络、k最近邻、决策树以及随机森林4种元学习方法建立推荐元模型.计算结果表明,多种元学习方法均指向相近的推荐准确率,平均稳定在70%以上,最高可达95%.基于地标特征和元学习方法实现优化算法推荐是一个值得进一步探讨的新方向.

摘要：提出了一种复杂结构零件的逆向测量规划技术。基于功能-结构的层次映射,研究了复杂结构零件的元特征解耦机理,提取基本测量单元。构建包含精度特性、特征复杂度等元特征属性的信息模型及包含测量精度等的测量方法信息模型。建立元特征和测量方法匹配评价影响因素集,研究特征属性的关系模型。在此基础上,通过定性评价和模糊定量评价两个步骤得到匹配优度量化值,实现了测量方法的定量化最优选择。然后,对分散的元特征进行组合,优化整个测量过程。最后,采用此方法对汽车发动机气缸盖进行了快速逆向测量,并重构了计算机辅助设计模型。实验结果表明,该方法可以提高复杂结构零件的逆向设计效率与质量。

摘要：实现复杂场景下地块级苹果园的精准制图,是中国苹果产业精细化管理面临的迫切需求。然而,传统的地块级分类制图框架在处理小农经营区内的大量细碎地块时,可靠性大幅度降低。本文提出一种适用于复杂场景下小农经营区的地块级苹果园模块化制图方法框架。①基于模拟人类对目标场景视觉感知的分层策略,从深秋季的单幅超高空间分辨率(Very High Resolution,VHR)影像中提取冗余的候选地块;②利用非对称瓶颈网络(Depth-wise Asymmetric Bottleneck Network,DABNet)模型与长短期记忆(Long Short-Term Memory,LSTM)模型,分别从VHR影像与时间序列影像中提取苹果园的空间特征像素与时序特征像素。然后,构建元特征描述特征像素在候选地块中的分布情况,与地块的内在特征共同组成苹果园地块的分类特征;③使用随机森林(Random Forest,RF)将候选地块分类为苹果园地块和非苹果园地块。以山东省栖霞市西城镇为研究区,从43238个候选地块中提取出30292个苹果园地块,分类总体精度达到92.7%。利用RF算法自带的平均精度减少指标(Mean Decrease in Accuracy,MDA)对17种分类子特征进行特征重要性分析,证明本文提出的元特征比传统人工设计特征具有更强的信息抽象与特征表达能力。该框架成功实现场景复杂的小农经营区地块级苹果园制图,可推进精准果园农业的发展。