基于多阶段预报分布的贝叶斯多变量均值向量监控模型

针对现有质量控制方法中没有考虑数据信息连续应用及参数不确定性风险问题,通过贝叶斯方法引入多元质量控制模型的参数先验信息,根据模型预报分布,以及多元t分布与F分布之间的关系,构造基于F统计量的贝叶斯均值向量控制限;当生产过程处于稳定控制状态时,利用前一阶段参数后验分布作为下一个阶段参数先验分布,建立序贯贝叶斯均值向量控制...     

基于多特征PCA融合的SVM质量异常识别

为了提高动态过程质量异常模式识别的精度,提出一种基于主元分析的多特征融合方法.首先提取出样本数据的统计特征和几何特征;接着将混合的多种特征进行PCA处理,提取出主元特征向量;然后利用粒子群算法寻找SVM分类器的最优参数;最后,通过仿真实验与其他识别方法进行对比,实验结果表明:本文提出的多特征PCA融合方法具有较高的识别精度,为质量异常模式识别研究提供了新的方法.     

一种基于SVM的主动多分类方法

针对传统的多分类模型学习效率较低,对于复杂的多类别数据无法进行高效分类的问题,提出了一种基于支撑向量机(Support Vector Machine,SVM)的主动多分类方法.该方法通过引入就绪分类器和阻塞分类器的概念,将主动学习的策略用于SVM多分类器的构造过程,在主动多分类过程中随着分类器的不断更新,动态地控制样本...     

一种面向稀疏表示的最大间隔字典学习算法

近年来,基于稀疏表示的分类技术(SRC)在图像分类和目标识别中取得了巨大的成功。在该框架中,过完备基的学习和多类分类器(通常为支持向量机SVM)的训练是最关键的两个步骤。但在目前的许多方法中,这两个模块的构建过程都是相互独立的。该文针对以上问题,提出了一种用于稀疏表示的最大间隔字典学习算法,将两类SVM分类器的损失函数项的平方及分类间隔作为正则项与稀疏字典的学习过程进行了整合,并提出相应的坐标轮换优化算法对目标函数进行优化,实现了字典和分类器的同步学习。所提出的框架能够增强多类分类器中两类分类器的推广性能,并减少多类分类器的误差界。为了对所提出算法的性能进行评价,在2个常用标准库上进行了分类实验。结果表明,所提出的算法的与SRC相比识别率提升均超过3%。     

生产质量在线监测、诊断和控制的粗糙集模型研究

为了确保企业持续稳定的产品质量，提出了基于两种质量统计过程控制和粗糙集理论相结合的生产过程质量监测－诊断－控制集成模型。研究了统计过程控制及两种质量理论的质量在线监测和上下工序诊断模型。针对实际生产获取信息的不完备性，重点研究了不一致信息环境下基于粗糙集理论的工序质量诊断模型，分析工序中各生产参数对质量影响的可能性，度量参数对质量影响的重要程度。提出的面向用户需求的质量优化控制算法在实际应用中具有更大的适应性和可操作性。     

面向垃圾短信过滤的亚文档集成学习

针对垃圾短信过滤问题,提出了一种亚文档集成学习方法.该方法采用亚文档集成学习框架将短文本在线二值分类问题转化成若干个子分类问题,并通过线性组合多个子问题的分类结果得出最终的分类预测.利用基于串频索引的文本分类算法实现了一种有效的弱分类器.实验数据表明亚文档集成学习框架能够提高现有文本分类算法的效能,而在亚文档集成学习框架下,基于串频索引的弱分类器过滤效果最佳.     

面向柔性自动化的成组统计质量控制技术

针对柔性自动化生产环境下实施统计质量控制（SQC—Statisucal Quality Control）难点一质量数据不足的问题，本研究将成组思想引入统计质量控制，以提高质量数据的先验性和质量数据之间的相关关系，提出了基于工序质量数据成组的成组统计质量控制（GSQC—Group Statistical Quality Control）技术。通过对柔性自动化理论的研究和对实际生产环境的分析，证明了GSQC技术存在良好的制造技术基础。提出了以P分住数不变为原则，以这一原则为基础建立了基于统计变换的成组统计质量控制图的数学模型，给出了计算工序质量数据成组的均值一方差质量控制图控制变量的计算过程。     

统计过程控制的研究现状及展望

回顾了统计过程控制的发展历史,介绍了统计过程控制的基本概念。将统计过程控制方法分为统计质量控制和统计性能监控两部分,统计质量控制包括单变量统计过程控制和基于统计回归的软测量技术,统计性能监控方法-包括主元分析、独立元分析等多变量投影技术以及统计控制图。最后指出非高斯过程、非线性过程、故障预报、故障诊断以及自适应算法的研究将是近期的发展趋势。     

处理连续变量的Bayes分类方法

用离散化方法处理连续变量的Bayes分类方法存在着离散区段个数不好确定、无法利用某些先验信息以及会或多或少降低分类精度等问题。针对上述问题,论文提出将概率密度估计技术应用于连续变量Bayes分类,研究了如何直接利用参数化方法、非参数化方法以及半参数化方法构造连续变量的Bayes分类器,最后分析了3种构造分类器方法的优缺点,为构造连续变量的Bayes分类器和Bayesian网络分类器奠定了理论基础。计算实例表明所述方法是可行的和有效的。     

浅谈引线框架电镀生产线的管理要点

随着市场对产品性能的进一步需求,引线框架产品的功能要求也会愈加重要,通过对引线框架电镀生产线的管理研究,也将寻找到更科学、更有效的方法,这也必将带动引线框架的技术发展。该文说明了引线框架制造中电镀的技术要求,介绍了引线框架电镀生产线的现场管理要点,描述了引线框架电镀过程的关键参数以及管理重点,并提出了解决方法,给出了问题发生时的处置流程,有利于引线框架电镀行业的稳定生产和质量提高。     

基于多Agent的智能质量控制系统建模方法

提出一种基于多Agent的智能质量控制系统建模方法.将基于多Agent的方法应用于质量控制过程中,每个质量控制过程作为一个独立的Agent可以降低问题的复杂度.将神经网络技术及案例推理技术应用于Agent的智能决策中,可以有效地解决系统的智能故障模式识别及诊断问题,进而为工序调整和控制提供决策.计算结果表明,该建模方法是可行的.     

基于工艺的自适应数据质量多模型择优预测

针对钢铁企业实际生产过程中,采用单一预测模型进行预测难以把握大规模启停设备用电规律,预测精度较低等问题,根据生产-检修阶段的实际工艺情况,将生产,检修问题采用随机近似贪婪搜索RAGS对复杂特征进行特征选择,建立了一个自适应数据质量的多模型择优预测框架进行建模;将其应用于宝钢电网。仿真结果表明,提出多模型择优预测框架可以准确预测钢铁企业电力日负荷,为实现电力系统能源调度提供决策依据。     

EPS板材机智能控制功能的设计与实现

针对可发性聚苯乙烯泡沫塑料(EPS)板材生产存在的产品黏合力差和热能浪费等问题,介绍了一种EPS板材机智能控制功能设计方案,实现了在发泡过程中,根据发泡时间并通过泡沫压力传感器监控泡沫发泡情况,将实际检测数据与理想曲线数据对比,依据智能控制策略实时调整蒸汽阀门,控制泡沫发泡过程按照设计曲线变化。经实际运行,达到了设计效果,对EPS板材机的制造具有实用价值。     

下肢EMG的小波支持向量机多类识别方法

针对下肢肌电信号(EMG)的多运动模式分类问题,提出了一种基于小波支持向量机(WSVM)的多类识别方法.在小波框架理论和SVM核方法的基础上,构造基于二叉树结构的WSVM多类分类器,采用多尺度分析对下肢EMG进行消噪处理和特征提取,将特征向量输入WSVM多类分类器.以水平行走为例对支撑前期、支撑中期、支撑末期、摆动前期和摆动末期等5个细分运动模式进行分类,并与传统的神经网络和高斯核SVM分类器进行比较.实验结果验证了所提方法的有效性.     

基于梯度提升的多标签分类器链方法

为了确定多标签分类器链方法的链序以及挖掘出高阶标签关联性,提出了一种基于梯度提升的多标签分类器链方法.给出了GB C C整体框架,通过一种预剪枝策略对单一标签进行梯度提升,在此过程中利用标签置信度和误差评价分数确定最佳链序,并在各个标签间进行标签传递和特征传递,以挖掘高阶标签关联性.将所提出方法与4种分类器链方法(CC、ECC、OCC、EOCC)以及4种多标签分类方法(BR、HOMER、MLKNN、CLR)在bibtex、Corel5 k等12个多标签数据集上进行对比试验.结果表明:新方法在各个评价指标(micro-F1、macro-F1、Hamming loss、One-error)下不仅能够有效提升预测性能,而且能够保持分类器链方法的简单灵活性.     

一种特征变量广义预测控制方法

针对一类具有统计运动规律的复杂生产过程系统难以控制问题,提出了一种新的广义预测控制方法,即直接利用特征向量而非状态变量,通过工况模式所属类别的变化来描述系统的动力学特性,进行控制器设计.在前期二维工作的基础上,将该方法推广到高维.以三维情形为例,根据安阳钢铁厂400烧结机的实际工况数据,首先提取工况特征变量并进行模式类别划分,其次通过定义描述模式运动的变量来建立系统的预测模型,最后根据新变量进行广义预测控制.研究结果表明:该方法能够有效描述系统的统计特性,并根据实际工况数据及预测模型直接辨识得到控制器中的参数,对系统进行了有效的控制,解决了该类系统难以控制问题.     

一种新的基于多示例学习的场景分类方法

多示例学习是近年来才出现的一种新的学习框架,并以其对多义性对象的出色表示能力而被成功地运用在图像分类任务中。首先提出了一种新的图像多示例包生成方式,采用特征的概率分布表示图像,并对图像像素分布提取一个高斯混合模型,将每个高斯分布作为一个示例,生成图像的多示例包。然后,在对图像进行分类时,采用了信息瓶颈聚类把多示例包转化成单示例,从而将传统的单示例分类器用在该问题上。为了提高分类器的泛化能力,对多个分类器进行了集成。选取了5类自然场景图像进行试验,结果显示所提出的方法平均性能优于当前常用的一些多示例学习算法。     

采用互补信息熵的分类器集成差异性度量方法

针对多分类器系统差异性评价中无法直接处理模糊数据的问题,提出了一种采用互补信息熵的分类器集成差异性度量(CIE)方法。首先利用训练数据生成一系列基分类器,并对测试数据进行分类,将分类结果依次组合生成分类数据空间;然后采用模糊关系条件下的互补信息熵度量分类数据空间蕴含的不确定信息量,据此信息量判断基分类器间的差异性;最后以加入基分类器后数据空间差异性增加为选择分类器的基本准则,构建集成分类器系统,用于验证CIE差异性度量与集成分类精度之间的关系。实验结果表明,与Q统计方法相比,利用CIE方法进行分类器集成,平均集成分类精度提高了2.03%,分类器系统集成规模降低约17%,而且提高了集成系统处理多样化数据的能力。     

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.