智能检索系统具有语义检索功能和布尔检索功能,具备很强的语义排序能力。基于输入语句的实际意思,语义检索能够展开机器学习,对语义之间和文档之间的关联性进行计算,并且根据文献的相似度大小进行排序。智能检索系统基于语义基准将显示20个英文词和中文词及其权重。当语义分词明显不准确时,可以进行删除,而明显缺失某个重要特征时可以进行添加,还可以提高它的权重,检索结果将更偏向关注的技术特征,可以提高对比文件筛出效率。先语义检索后布尔筛选,是在语义检索结果的基础上进行布尔限定,可以进一步缩小结果范围。先布尔检索后语义排序适用于检索要素不易于提取和表达的情况,不受限结果数量。作为专利审查中的主要检索系统,通过实际审查领域来制定检索策略可以明显提高检索质量和效率。

随着风电、高铁、航空等重大装备向着高可靠性、长寿命、智能化的方向发展,对齿轮、轴承等基础零部件的寿命提出更高的要求,也迫切需要更为科学、高效的疲劳寿命预测方法。机械零部件的寿命预测方法可分为基于物理失效模型、基于数据驱动模型和基于融合模型3种。随着零部件寿命预测研究向高精度、高效率发展,基于物理模型的寿命预测方法由于其模型复杂、耗时、不具有普适性等缺陷难以满足现代需求。基于数据驱动技术由于其具有无需知道其具体失效机理、预测结果准确等优点,且伴随机器学习、深度学习等技术的迅速发展,使得其成为零部件疲劳寿命预测研究的热点。鉴于此,详细阐述了基于数据驱动的机械零部件疲劳寿命预测方法,并详细介绍了神经网络、支持向量机、随机森林、深度学习等数据驱动方法在零部件寿命预测中的应用,...

文章首先基于现有的几种协同过滤算法,以及当前算法存在的问题,提出了一种基于用户评分的最近邻协同过滤混合算法,并与经典算法:基于物品的协同过滤算法对比,同时与当下比较流行的几类推算法做了对比。利用最近邻思想解决了数据稀疏导致的准确率下降问题,利用用户评分属性使得推荐不仅更加准确,而且提升了推荐的质量。本文利用MoiveLen数据集进行训练测试,通过与已有经典高效算法的横向和纵向对比,融合在机器学习领域中排序算法,得出不同算法的利弊。通过机器学习实现智能推荐,利用智能信息处理、智能控制决策的控制方式实现智能推荐,在智能控制方面取得较好的效果。

为提高3D打印技术填充过程中填充路径对填充轮廓几何特征的适应性,提出一种基于SVM的多边形轮廓分类方法。分析与填充轮廓相关的可测变量多边形的圆度、面积/周长比、锐角占比;利用机器学习方法建立SVM模型,对多边形类型进行分类预测。该方法可以避免逐一分析复杂的几何学参数,并且可高效、准确地对待填充轮廓进行自适应路径选择。结果表明:利用该方法可以取得良好的分类效果,模型预测精度达到90%以上,基本满足实际加工要求。

针对电磁阀故障识别对专家知识依赖过高,现有智能诊断系统多需要人为提取信号特征等问题,以某型号电磁阀作为研究对象,人为设置故障工况,采集各种工况下的多通道运行数据,利用TensorFlow平台搭建了对该电磁阀的端对端故障识别模型。此外,在此基础上又提出了基于Triplet loss函数的改进模型,并进行了验证测试。结果表明,基于Triplet loss的故障识别模型除具有更高的识别准确率之外,对于在不同动作频率下工作的电磁阀信号有更好的泛化能力。