基于神经网络的控制图状态诊断方法研究

控制图是统计质量控制的重要工具,对控制图的状态进行诊断及识别其异常模式尤为重要。本文将介绍两种控削图异常模式识删方法：基于判别准则的异常模式识别和基于人工神经网络的异常模式识别。     

质量控制图中趋势模式的综合识别方法

提出了一种综合模糊技术与神经网络技术对基于控制图的趋势模式进行自动分类识别的智能方法,将控制图作为信息图用于趋势模式的提取,用模糊化的控制图模式数据构造训练集,将训练后的ＢＰ神经网络用来对真挚模式进行自动分类识别,该方法为工序状态异常模式识别提供了一种新的方法,提高了工序异常状态分类识别的效率和可靠性,最后用实例进行了仿真实验。     

质量控制图中趋势模式的综合识别方法

提出了一种综合模糊技术与神经网络技术对基于控制图的趋势模式进行自动分类识别的智能方法 .将控制图作为信息图用于趋势模式的提取 ,用模糊化的控制图模式数据构造训练集 ,将训练后的BP神经网络用来对趋势模式进行自动分类识别 .该方法为工序状态异常模式识别提供了一种新的方法 ,提高了工序异常状态分类识别的效率和可靠性 .最后用实例进行了仿真实验     

用于控制图模式识别的广义神经网络系统

面向过程控制图的模式识别,提出了一个广义神经网络系统.该系统基于广义过程对象模型发生数据,离线训练后能够在线识别各类工业过程常见的控制图模式,模块化的设计使得神经网络系统的结构相对简单,有效地提高了网络的训练速度和模式识别的准确率.首先研究了广义过程对象模型参数对神经网络控制图模式识别率的影响,并基于此影响规律设计了包含模式识别分类模块与模式参数估计模块的集成化神经网络系统结构;其次使用基于广义对象模型产生的数据对神经网络系统进行了训练和验证,讨论了学习训练方法,并进行了控制图模式识别性能的仿真测试,获得了满意的结果.在TE过程仿真平台上进行了实验,给出了对上升阶跃模式和下降阶跃模式的识别结果,表明了具有较高的识别率.     

带有先验约束信息边坡变形监测滤波算法

为合理利用边坡的几何信息和物理信息,控制几何观测异常对形变参数估计的影响,利用边坡的力学状态信息建立了滤波模型以及参数约束方程,通过融合观测信息和边坡的力学信息给出了带约束的滤波算法,从而减弱了观测异常对形变参数估计所带来的影响,提高了形变参数解算精度.     

过程均值随机偏移控制图经济统计设计

针对异常因素的产生时间服从Gamma(λ,2)分布的过程,通过构建控制图费用函数模型,研究了过程均值随机偏移对控制图经济统计设计的影响。采用模式搜索算法对模型进行寻优来获得控制图参数的综合最优解,并进行了算例说明和参数的灵敏度分析。结果表明,当采用控制图来监控均值随机偏移的过程时,需要采用相对谨慎的监控策略。     

过程均值随机偏移控制图经济统计设计

针对异常因素的产生时间服从Gamma(λ,2)分布的过程,通过构建控制图费用函数模型,研究了过程均值随机偏移对控制图经济统计设计的影响。采用模式搜索算法对模型进行寻优来获得控制图参数的综合最优解,并进行了算例说明和参数的灵敏度分析。结果表明,当采用控制图来监控均值随机偏移的过程时,需要采用相对谨慎的监控策略。     

基于Bayes分析小批量生产量控制与诊断

应用Ｂａｙｅｓ分析方法，充分利用历史信息，得出优化的参数估计，从而得出小批量控制图与选控图，并实现了小批量情形的两种质量诊断理论。通过实例表明该理论估计符合实际。     

基于Bayes分析小批量生产质量控制与诊断

应用Ｂａｙｅｓ分析方法，充分利用历史信息，得出优化的参数估计，从而得出小批量控制图与选控图，并实现了小批量情形的两种质量诊断理论，通过实例表明该理论估计符合实际。     

基于Bayesian方法的参数估计和异常值检测

异常值检测是当前数据分析研究中的一个重要研究领域。模型中的异常值会直接影响建模、参数的估计、预测等问题。基于模型的异常值检测,传统的做法是先对模型参数进行估计,再进行异常值检测。而异常值的存在会影响参数估计,从而导致下一步异常值检测的不可靠;反之异常值检测也会影响参数估计。针对这些不足之处,提出了基于 Bayesian 方法的参数估计和异常值检测,此方法可以将参数估计和异常值检测同时实现,具体做法是在线性回归模型中引入识别变量,基于 Gibbs 抽样算法,给出识别变量后验概率的计算方法,通过比较这些识别变量的后验概率进行异常值定位,同时给出参数的估算方法。通过大量的模拟实验,结果表明,与传统方法相比,提出的方法对异常值更灵敏。     

变点检测和控制图在数据业务监控中的应用

为实现对数据业务支撑系统的有效监控,通过剖析数据业务特点,提出了用控制图和变点监测发现数据业务中存在的异常。变点监测在处理三种类型的时间序列时存在不足,本文通过增加控制参数——变化率,对变点检测算法进行了改进,改进后的方法适应性更高,并且误报率大大降低。最后比较了控制图和变点检测方法的优缺点及各自的应用场景。     

基于Bootstrap方法的分布未知情况下的小波动过程质量控制

讨论了在质量特性分布未知的情况下对小批量生产过程中产生的较小异常波动进行监控的一种Bootstrap WV-EWMA控制图设计方法.首先引入赋权方差法将任意未知分布转换为两个正态分布,由此构造WV-EWMA控制图.然后通过对有限样本进行多次随机有放回抽样的Bootstrap方法对未知分布的集中和离散程度进行较为有效的统计估计,由此建立能够对分布未知的小批量过程进行质量监控的Bootstrap WV-EWMA方法.以平均运行长度ARL（average run length）为监控效率的衡量指标,提出了这种小波动控制图方法的优化参数设计方案,并通过与已有的方法进行对比说明这种方法的有效性.     

Lévy稳定过程均值变点监测研究

研究了特征指数α取值1<α≤2时,Cuscore控制图在Lévy稳定过程平均运行长度的近似估计以及EWMA控制图在Lévy稳定过程平均运行长度上界的近似估计;研究了特征指数!取值0相似文献   

基于关键参数反馈的神经元放电模式控制

针对神经元数学模型中相关参数的异常变化问题, 先通过无迹Kalman滤波器（unscented Kalman filter）对这些关键参数进行实时估计, 再使用这些参数作为控制器的反馈信号完成神经元放电的有效闭环控制. 使用该方法对Pinsky Rinzel（PR）神经元由于关键参数（胞体和树突间的电导gc及树突刺激电流Ic）的病变导致的异常放电进行MATLAB仿真控制, 分别实现了单参数病变及两个参数同时病变引起的异常放电控制. 实验结果证明了该方法的有效性.     

关于工艺产品加工质量监测优化研究

质量监测可以有效的提高产品质量和生产效率。在复杂产品的生产过程当中,多个质量特性之间相互作用,共同对产品的生产质量产生影响,由于质量特性的数量较多、有些特性的关系是耦合的,因此准确诊断出异常变量是研究的难点。为了高效、准确的诊断出异常变量,提高产品的质量和生产效率,提出了基于改进网格优化的PCA-SVM多元控制图均值偏移诊断模型。在模型训练之前,使用主元分析(PCA)算法对数据进行预处理,降低数据维数和提取数据特征信息,再用改进网格算法对支持向量机(SVM)的参数进行优化,最终得到优化的SVM模型。仿真结果表明,采用的方法与传统方法相比,训练时间更短,且拥有更高的分类准确率。     

Lévy稳定过程均值变点监测在CUSUM和EWMA控制图中的比较

给出了CUSUM和EWMA控制图在Lévy稳定过程均值变点监测的ARL近似估计,采用数字模拟的方法对CUSUM和EWMA控制图监测Lévy稳定过程均值变点的效果进行比较．     

统计质量控制图系统及其应用

描述了一个用ＴＵＲＢＯＣ＋＋语言开发的统计质量控制图中文系统．系统包括了各种常用的统计质量控制图,改善了一些控制图参数的计算方法,精心设计了控制图版面和存储方式,使控制图具有直观地、历史地和全面地反映和监督过程质量状态的能力．它适用于各企事业、服务行业对一个或多个控制点的质量管理,也是实施质量体系质量保证和质量认证的有力工具．     

基于GPS弹道测量的卡尔曼滤波参数估计算法

为提高基于GPS定位的弹道辨识方法的实时性和可靠性,提出了一种以弹道微分方程四阶龙格库塔数值积分预测作为状态量递推的卡尔曼滤波弹道参数估计算法,并针对卫星接收机有粗大误差或失效情况对方法进行了改进. 利用卫星信号模拟器和C/A码GPS接收机构建半实物仿真系统对算法进行验证,该方法的弹道参数估计误差是GPS接收机正常工作时测量误差的30%～40%;且能在GPS接收机出现异常时继续给出接近实际的估计值.