基于多变量统计方法的产品质量控制

提出了一种多变量统计质量控制方法来减小由于过程扰动引起的产品质量变化.该方法首先通过正常工况的历史数据,建立一个部分最小二乘的回归模型,利用高采样频率的过程测量值来预测质量变量的值.预测误差作为部分最小二乘逆模型的输入得到过程操纵变量的调节量,通过调节过程操纵变量来抑制过程扰动,减小质量变量的变化.所提出的多变量统计质量控制方法在TE过程中得到了验证.仿真结果表明,与传统的PID质量控制方法相比,所提出的方法能减小由过程扰动引起的质量变化.     

基于T-TSNPR的动态过程质量监控

针对动态过程的质量监控,提出了一种全时间序列邻域保持回归(Total Time Series Neighborhood Preserving Regression,T-TSNPR)算法。首先,考虑到无关变量对构造特征空间的影响,对过程变量进行相关性分析,利用贡献度方法进行变量优化。在数据降维过程中考虑到数据间的时序相关性,T-TSNPR在一定长度的移动时间窗内进行邻域点挑选并构造目标函数,通过全投影回归提取出质量相关特征空间,并建立相应的T2统计量进行质量监控。最后,通过数值仿真和TE过程(Tennessee-Eastman process)仿真实验验证了T-TSNPR算法的有效性。     

基于sub-MPLS的多阶段间歇过程质量预测与控制

针对大部分多阶段间歇过程,质量多数难以在线测量与控制问题,提出一种新颖的在线质量预测方法,基于子时段的MPLS质量预测方法.首先,采用聚类分析方法对间歇过程时间片矩阵PCA负载矩阵进行分类,依据过程变量相关性的变化,过程被分成几个操作阶段,然后,定出与质量变量最相关的阶段,在该阶段建立sub-MPLS在线质量预测模型,另外,还提出一种闭环质量控制方案.在一个典型的多阶段间歇过程-注塑过程的应用结果表明了所提出方法的有效性.     

针织物热定型质量因素的团树传播

首先,通过研究针织物热定型过程的生产流程、机械构造,采集生产过程质量数据、工艺数据和设备状态,并分析质量数据异常的原因.然后,通过相关分析确定对热定型克质量有影响的各环节及其对应变量,建立质量因素分析拓扑结构.最后,将各变量纳入具有因果关联的网络结构中,采用基于团树传播算法的贝叶斯推理规则,利用团树间的信息传递计算出各变量对克质量的影响程度.结合某企业实例进行分析,结果表明:文中方法可实现热定型质量指标影响因素的精确定量分析.     

动态可调主元分析的多元自相关质量控制方法

为解决在复杂产品制造过程中由多元质量数据自相关引起的大量虚发报警问题,以提高产品制造过程中监测的准确性,提出了一种动态可调的主元分析(DRPCA)方法.通过对主元分析方法引入折息因子,构建了多个参数可调的动态主元分析(PCA)算法.利用实验数据计算各变量的特征值和贡献率,来确定主元个数,降低多元自相关过程的计算复杂度,消除数据间的自相关.根据计算的各变量的每个主元负荷值来确定主导变量,结合多变量控制图和主导变量控制图,对多元自相关制造过程进行了实时监测.研究结果表明:DRPCA方法不仅能够消除数据间的自相关,减少制造过程中的虚发报警,而且可以准确地检测出制造过程中的异常变量.     

大学生就业质量影响因素的实证考察

文章以用人单位调查结果为数据源,将大学生作为就业主体,构建大学生就业质量的理论模型,从大学生个体内部维度研究影响就业质量的因素。文章采取结构模型探究职业能力、职业素养和知识结构三个潜变量对大学生就业质量影响程度大小。研究结果表明,三个潜变量对大学生就业质量产生显著正向影响,在此基础上探析了各自变量对就业质量影响的强弱,并提出了提升大学生就业质量的实施路径。     

主因子逼近方法在变量选择中的应用

当数据中变量个数远大于样本个数时,变量之间的共线性问题变得尤其突出.偏最小二乘方法作为一种潜变量方法,将原始变量通过线性组合的方式转化为几个新的潜变量用于对响应变量的建模解释,但变量之间复杂共线性的存在使得变量选择困难重重.本文采用主因子近似方法分离出原始变量之间的共线性信息,再进行变量选择.模拟研究表明主因子逼近方法能有效地提高变量选择的精度.     

GNSS空间信号质量分析方法研究

导航信号质量的优劣,直接关系到卫星导航系统的性能,同时也反映了卫星有效载荷的工作状态和各种电性能指标.中国科学院国家授时中心的GNSS空间信号质量评估系统,以标准仪器监测、离线数据分析和监测接收机三种方式对导航信号质量进行分析与评估.本文主要介绍了该系统的离线数据分析方式和数据采集方法,分析了信号功率谱、眼图、星座图和码片赋形等性能,分析了相关峰、相关损耗等相关性能参数.分析结果表明,该系统中使用的信号质量评估方法实用有效.     

质量功能展开的模糊信息建模过程

针对产品设计过程中,质量功能展开(QFD)所需要的大部分输入信息通常具有模糊化和语言化的特点,将质量屋(HOQ)中的各种输入变量看成是语言变量,建立了各语言变量的模糊语言术语集及其对应的模糊数,并应用模糊扩展原理将传统的HOQ理论与方法扩展到模糊领域中.运用模糊数四则运算、模糊决策、模糊推理等理论,详细论述了模糊信息的建模过程,对模糊环境下的产品设计决策具有理论意义.     

潜半参数回归模型的变量选择

作者提出了潜半参数回归模型及其估计方法.该方法应用双重判罚,使得在估计非参数的同时可以对参数部分进行参数估计和变量选择.在分析过程中作者还得到了潜变量的估计值.     

Nonlinear Statistical Process Monitoring and Fault Detection Using Kernel ICA

A novel nonlinear process monitoring and fault detection method based on kernel independent component analysis (ICA) is proposed. The kernel ICA method is a two-phase algorithm: whitened kernel principal component (KPCA) plus ICA. KPCA spheres data and makes the data structure become as linearly separable as possible by virtue of an implicit nonlinear mapping determined by kernel. ICA seeks the projection directions in the KPCA whitened space, making the distribution of the projected data as non-gaussian as possible. The application to the fluid catalytic cracking unit (FCCU) simulated process indicates that the proposed process monitoring method based on kernel ICA can effectively capture the nonlinear relationship in process variables. Its performance significantly outperforms monitoring method based on ICA or KPCA.     

一种多向CPLS方法及其在间歇过程监控中的应用

将并行偏最小二乘（CPLS）算法引入到间歇过程监控中,提出一种多向并行偏最小二乘（MCPLS）监控方法.CPLS算法可以提取过程变量与质量变量的相关信息,也能对彼此不相关的信息进行主元提取.与基于PLS的监控方法不同,基于CPLS的过程监控方法提供了一个完整的监控框架,不仅能够监控过程变量,而且也能监控质量变量的信息,更好地反映了过程的运行状态.文中首先将间歇过程三维数据转换为二维数据,然后应用CPLS算法建立过程监控模型,构建T2c,T2x,Qx,T2y,Qy监控指标,并通过间歇过程批次间的统计特性计算出监控指标控制限,分别监控过程变量与质量变量的相关信息、彼此无关信息以及残差信号等.最后将MCPLS算法应用到青霉素发酵过程的监控中,应用结果表明了该方法在间歇过程监控中的有效性和优越性.     

基于改进核主元分析的故障检测

针对电主轴系统特点,提出基于改进核主元分析(KPCA)的故障检测方法,引入混合核函数的定义,将多项式核和径向基核的混合核方法与主元分析方法(PCA)相结合,解决采用单一核函数诊断故障时的高误诊率问题.首先对数据进行预处理,然后使用混合核函数对数据矩阵进行映射,映射到高维特征空间,使非线性数据变量变为线性数据变量,并使用PCA提取变量数据的高维空间相关特征确定主元个数,最后根据混合非线性主元特征计算出的T2和Q统计量,实现在线故障检测.该方法改进传统核函数的选取方法,充分考虑工业过程中的非线性,更精确地描述工业过程特性,可以准确、有效地检测出电主轴系统故障.对田纳西-伊斯曼(TE)过程以及电主轴系统的应用实例证明该方法的可行性.     

基于核状态空间ICA的非线性动态过程故障检测方法

针对工业过程的非线性和动态特性,提出一种基于核状态空间独立元分析的故障检测方法.采用核规范变量分析法将非线性动态过程数据映射到核状态空间,得到去相关的状态数据.对状态数据的各时延协方差矩阵进行加权求和得到状态数据的时序结构矩阵,进而建立ICA统计模型,从状态数据中提取独立元特征数据,并构造监控统计量检测过程故障.在Tennessee Eastman过程上的故障检测结果表明,相比于传统的基于动态核主元分析的故障检测方法,该方法更加灵敏地检测到故障的发生,提高故障检测率.     

基于核独立元分析的非线性工业过程故障诊断

复杂工业过程的数据具有非高斯、非线性特性,在进行故障检测时,利用核独立元分析(kernel independent component analysis, KICA)方法能有效解决这一问题。然而,由于在处理数据时使用了核函数,无法将线性的贡献图方法直接用于故障诊断,因此采用一种基于改进KICA结合非线性贡献图的方法,对非线性工业过程进行故障检测与诊断。该方法利用基于超松弛因子的FastKICA方法建立监控模型,得到检测故障信息。在发生故障后,通过非线性贡献图法诊断故障变量。最后,选用带钢热连轧工业过程实测数据进行仿真,通过与传统贡献图方法比较,结果表明此方法能够对非线性数据进行有效可靠的故障检测和故障诊断,验证了非线性贡献图的有效性。     

基于核的投影寻踪方法及其在模式分类中的应用

分析了一般投影寻踪方法存在的局限和核方法在处理非线性方面所具有的优势，在此基础上结合支持向量机的最新研究成果，提出了基于核的投影寻踪方法，并将其应用到滚动轴承的质量分类中，取得了较为理想的效果。     

间歇过程在线检测的核独立元分析及局部建模方法

针对间歇过程所具有的非线性特点,提出了一种基于核独立元分析(Kernel ICA)及局部建模的在线故障检测策略.将展开的高维历史数据按时间间隔划分,应用Kernel ICA算法对每一个时间间隔点的分数据块提取独立主成分,构造检测统计量,并用非参数估计方法确定其控制限.这种建模方法机理简单,而且不需要预测过程未知的测量数据.通过对DuPont间歇聚合过程的仿真,验证了所提出方法的有效性和准确性.     

A Novel Extension of Kernel Partial Least Squares Regression

Based on continuum power regression(CPR) method, a novel derivation of kernel partial least squares(named CPR-KPLS) regression is proposed for approximating arbitrary nonlinear functions.Kernel function is used to map the input variables(input space) into a Reproducing Kernel Hilbert Space(so called feature space),where a linear CPR-PLS is constructed based on the projection of explanatory variables to latent variables(components). The linear CPR-PLS in the high-dimensional feature space corresponds to a no...     

KPCA-KPLS方法在pH中和过程建模中的应用

针对化工过程中的具有严重非线性、不确定性、时变性的复杂pH中和过程系统建模问题,提出一种基于核主元分析(KPCA)与核偏最小二乘(KPLS)相结合的建模方法.在高维特征空间内,该方法通过KPCA有效地提取输入数据的非线性主元,利用KPLS方法将输入变量投影在潜在变量上,再用输入与输出变量之间的协方差信息提取潜在特征建立pH中和过程模型.为验证其有效性,将KPCA-KPLS方法应用到弱酸强碱中和过程、强酸强碱中和过程实例中,并与核偏最小二乘、核主元分析_支持向量机(KPCA-SVM)、核极限学习机(KELM)、极限学习机(ELM)、最小二乘支持向量机(LSSVM)、SVM等方法进行比较.实验结果表明:KPCA-KPLS方法具有很高的动态建模精度.     

基于等距离映射的非线性动态故障检测方法

针对化工过程数据强非线性和动态性的特点,提出了一种基于动态等距离映射(Dynamic Isometric Mapping,DISOMAP)流形学习的非线性过程故障检测方法.该方法首先采用DISOMAP算法提取训练样本的子流形特征,自适应学习近邻点参数,保留了采样数据的流形结构,然后运用线性回归方法得到原空间和降维子流形空间的投影映射,从而将观测数据从原高维空间映射到低维嵌入空间,最后在变换后的低维空间构造统计量T2和SPE进行监控.TE过程的仿真结果表明,所提出的DISOMAP故障检测方法可以比核主元分析(Kernel Principle Component Analysis,KPCA)更为有效地监控过程变化,检测到故障的发生.