基于样本点显著性及嵌套正交设计的序贯设计及建模方法

针对高度非线性且存在多极值质量特性的复杂作用关系过程,采用最小二乘支持向量回归(LS-SVR)和嵌套正交设计进行序贯设计及建模.首先给出了LS-SVR支持向量的统计分布,构造了显著性检验统计量,以此反映样本点的显著性;其次,以正交设计为初始设计,建立过程的LSSVR模型,而后在显著性较高的样本点附近子区域,嵌套入与初始设计不同的正交设计,再拟合新的LS-SVR模型.研究表明,对样本点的显著性检验,更贴合支持向量的波动特性;嵌套正交设计提供了较为规则的子区域划分和实验点添加方法,降低了序贯设计难度.与一次性LHS设计和传统路径式序贯设计相比,方法的预测均方误差降低27%以上,最大预测偏差降低2%以上;方法在发现更多极值点的基础上,得到了更优的质量特性,且样本量降低了13%.     

复杂作用关系过程的区域显著性实验设计及全局建模方法

针对参数与质量特性之间作用关系复杂过程的参数优化,提出一种基于质量特性变化显著程度的序贯设计及全局建模方法. 首先以均匀设计为基础, 将其拆分形成一系列的设计点集和添加点集; 其次利用初始设计点集建立过程的支持向量回归(SVR)模型, 并对建模样本点进行Ward聚类, 由此将可行域划分成若干子区域, 并以各子区域支持向量的比率反映该子区域质量特性变化的显著程度; 而后以欧氏距离为判别依据, 将添加点集中的实验点划分至合适的子区域, 根据"子区域间区别对待, 子区域内均匀分散"的原则, 调整各子区域内添加实验点的数目, 在支持向量率较高的子区域添加较多实验点; 上述步骤迭代进行直至满足终止准则, 再拟合过程最终的SVR模型. 仿真与实证研究表明, 与基于"均匀分散"原则的传统均匀设计和超拉丁方抽样相比, 所提方法的实验设计效率与模型性能均有较大提高: 实验点可以有针对性地集中分布于质量特性变化较为显著的子区域, 模型预测误差降低了29.8%以上, 而且能够以较小的样本量发现过程的多个极值, 得到更优的参数优化结果.     

面向复杂仿真元建模的序贯近邻探索实验设计方法

复杂仿真影响因素多,影响关系非线性,需要高效的元建模方法.元模型的建立不仅取决于所选定的元模型数学结构,还取决于仿真训练数据的充分性.数据充分性直接影响到仿真实验空间的设计与实验运行的计算复杂度,需要通过针对性的仿真实验设计方法来应对维数爆炸困境.序贯实验设计方法可以有效提高设计的效率,但传统上的序贯方法依赖于人工干预...     

基于部分交叉验证的多准则序贯近似建模方法

提高序贯近似建模的精度和收敛效率,关键在于制定合理有效的序贯抽样准则。针对如何有效获取目标系统信息进行近似建模,同时提高建模精度和收敛效率,提出了基于部分交叉验证的多准则序贯近似建模方法。通过融合部分交叉验证误差估计准则、极大序贯建模累积变化准则和极大熵准则的特征和优势,可实现对全空间全面抽样和对不规则区域重点抽样,进而提高近似模型的精度和收敛效率。算例测试表明该方法在提高序贯近似建模精度和收敛效率方面可行有效。     

支持向量回归机元参数优化方法

为了优化ε不敏感支持向量回归机（ε-support vector regression, ε-SVR）的三类元参数,根据其耦合程度将其优化问题分解为核参数优化和结构参数（即不敏感参数和正则化参数）优化两个子问题,并提出了相应的优化方法。首先,提出了一种新的核校准系数以优化核参数;其次,提出了一种基于期望训练误差的结构参数优化方法;最后,为准确估算ε-SVR的期望训练误差,还提出了一种根据实际训练误差分布特征评估和校正期望误差的方法。仿真结果表明,该文方法具有与交叉检验法近似的优化效果,且时间效率更高。     

基于Bayes序贯检验的长周期系统动态试验方法

提出了一套基于正态分布贝叶斯序贯检验的试验设计方法,为长周期、多指标系统的小子样动态试验次数的确定提供了理论依据。该方法以待检系统的单次抽样检验合格概率为统计观测值,从假设多次抽样后的该观测值序列服从正态分布开始分析,应用正态分布贝叶斯序贯验后加权检验理论对多指标系统的序贯抽样检验过程进行设计,给出了验前信息处理、贝叶斯序贯试验及序贯截尾方案设计、序贯截尾风险增量上界计算、以及系统各指标综合合格概率估算的具体实现方法。系统仿真实验的结果表明,该方法是可行的。     

基于不平稳假设的序贯近似建模方法

在工业设计中常涉及复杂、耗时的仿真,建立简单的近似模型可以简化分析和优化过程.元模型的构建和仿真试验的设计是其中的两个关键问题.针对元模型的构建,分析指出传统的基于平稳性假设的Kriging方法并不适合常见的不规则系统的建模,接着采用非线性映射方法,提出了一种基于不平稳假设的Kriging方法.实例说明:相对于传统的Kriging方法,该方法不仅可以建立精度较高的预测模型,而且对模型的预测不确定性的描述也更符合直观认识;针对计算机试验设计,提出了一种基于改进的Kriging方法的序贯准则,使得试验点序贯产生在不确定性大且距离现有试验点远的位置.算例表明:该序贯设计比一步设计效果好,能节约试验样本.     

多值故障字典的测点选择与序测试设计

序贯测试问题是目前的一个研究热点。由于时间复杂度太高,传统的序贯测试算法对于测点数大于12的系统无能为力。为此,将序贯测试问题拆分为测点选择与序测试设计两个问题。测点选择问题用A^*算法解决:运用M进制编码规则,首先给出了启发函数的计算方法,然后给出了能够得到所有最小测点集的改进的A^*算法。序测试设计问题用AO^*算法解决:对二值哈夫曼编码规则进行推广得到了多值编码规则,根据此规则给出了AO^*算法启发函数的计算方法。提出的方法更符合可测性设计的设计流程,试验和复杂度分析表明该方法能显著降低传统方法的时间复杂度。     

基于模糊支持向量机的小批量生产质量智能预测方法

在分析比较目前常用的智能工序预测技术及其特点的基础上,提出一种适合小批量生产过程的质量智能预测模型,并给出了相应的预测过程和算法.由于该模型中以模糊支持向量机(FLS-SVM)技术为智能核心,一方面较好的解决小样本学习问题,避免了人工神经网络等智能方法在对小批量生产过程质量进行预测时所表示出的过学习、泛化能力弱等缺点.另一方面,通过隶属度函数对样本进行模糊化,达到样本优化选择,实现历史数据“重近轻远”的预测效果.通过对具体加工过程的预测实验,并与其它几种常见预测方法效果进行对比,说明本文方法实现容易,建模速度快,小样本的泛化能力强,为实现小批量加工过程的在线质量预测与控制提供可行的思路.     

最小二乘支持向量机的参数优选方法及应用

支持向量机是一种新型的学习方法,该方法以结构风险最小化原则取代传统机器学习中的经验风险最小化原则,在小样本的机器学习中显示出了优异的性能.传统的支持向量机是解凸二次规划问题,而最小二乘支持向量机是解等式线性方程,显得尤为方便,通过建立适当的性能指标,用遗传算法优化最小二乘支持向量机的有关参数,并在非线性经济系统中应用.用最小二乘支持向量机对非线性经济系统进行预测并与其它方法的预测结果比较,结果证明,该模型的预测精确度是令人满意的,文中提出的方法是可行的.     

训练支持向量机的四重序列解析优化算法

为了提高训练支持向量机的序列最小优化算法的学习性能, 依据 在每次迭代中选取多个变量同时优化可能会减少迭代次数和缩短训练时间的这一想法, 提出了一个训练支持向量机的快速算法-四重序列解析优化方法, 并给出了一个重要定理, 使得相应的子问题有解析解, 从而能够更加精确和快速地逼近最优解. 在两个公共数据集上的仿真结果表明: 该方法比其它算法有较好的学习性能-在相同训练精度的条件下,不仅缩短了训练时间, 而且计算复杂度减小.     

基于均匀试验设计的支持向量回归参数选择方法

支持向量机通过引入核函数将低维空间的非线性问题转化为高维空间的线性问题,克服了维数灾难,并展现了极好的学习能力.但是在支持向量回归分析中,核函数的选取和模型参数的选择目前都没有十分有效的方法.针对高斯核函数的情况,首先通过理论分析和数值仿真,给出了模型参数的选取范围,然后结合均匀试验设计和偏最小二乘回归,提出了一种快速有效的模型参数选择方法.理论分析和实例计算表明该方法选取的模型参数确实能够得到泛化能力较好的回归模型.     

自调用支持向量回归优化支持向量机参数

参数选择是支持向量回归分析的关键问题之一,在大训练样本条件下,大范围遍历搜索极为耗时。基于均匀设计和自调用支持向量回归,提出了一种将大样本搜索转化为小样本搜索的策略:在3因素9水平搜索范围,经混合均匀设计产生27个参数组合,每组合对训练集经交叉测试得其均方误差MSE;以MSE为目标函数,对该27个参数组合形成的小样本自调用支持向量回归以留一法进行大范围搜索建模,预测729个完全参数组合;取预测MSE最小的对应参数组合完成大样本的训练、预测。对5个基准数据集的独立预测表明,新方法在保证预测精度的同时,大幅度缩短了训练建模时间,为大样本支持向量机参数选择提供了新的有效解决方案。     

基于PSO的SVR参数优化选择方法研究

支持向量回归机(SVR)模型的拟合精度和泛化能力取决于其相关参数的选取,因此提出了基于粒子群(PSO)算法的SVR参数优化选择方法;并以不同噪声影响下的sinc函数和实际发酵过程产物浓度的SVR模型为对象,将提出的PSO优化参数方法与现有的交叉验证法、留一法进行比较。仿真结果表明:该PSO优化SVR参数方法可行、有效,由此得到的SVR模型具有更好的学习精度和推广能力。     

A MARKOVIAN APPROACH TO DETERMINING PROCESS MEANS WITH DUAL QUALITY CHARACTERISTICS

This paper studies a production system where products are produced continuously and whose specification limits are specified for screening inspection. In this paper, we consider dual quality characteristics and different costs associated with each quality characteristic that falls below a lower specification limit or above an upper specification limit. Due to these different costs, the expected total profit will greatly depend on the process parameters, especially a process mean. This paper develops a Markovian-based model for determining the optimum process means with the consideration of dual quality characteristics in a single-stage system. The proposed model is then illustrated through a numerical example and sensitivity analysis is performed to validate the model. The results showed that the optimum process mean for both quality characteristics have a significant effect on the performance of the system. Since the literature survey shows that dealing with multi-quality characteristics is extremely limited, the proposed model, coupled with the Markovian approach, provides a unique contribution to this field.     

Product design on the basis of fuzzy quality function deployment

In the implementation of quality function deployment （QFD）, the determination of the target values of engineering characteristics is a complex decision process with multiple variables and multiple objectives that should trade off, and optimize all kinds of conflicts and constraints. A fuzzy linear programming model （FLP） is proposed. On the basis of the inherent fuzziness of QFD system, triangular fuzzy numbers are used to represent all the relationships and correlations, and then, the functional relationships between the customer needs and engineering characteristics and the functional correlations among the engineering characteristics are determined with the information in the house of quality （HoQ） fully used. The fuzzy linear programming （FLP） model aims to find the optimal target values of the engineering characteristics to maximize the customer satisfaction. Finally, the proposed method is illustrated by a numerical example.     

多元质量特性的稳健设计及其实现

多元质量特性稳健设计的关键在于既要确定多个质量特性整体波动的质量,又要建立方便,实用的实现途径的特点,给出多元质量特性稳健设计的一般模型,然后利用信息论中“熵”的概念和多元统计的结果,建立多元质量特性稳健设计波动源的度量准则和便于操作的实施程序。利用内、外表直积法,通过仿真分析给出了实现多元质量特性稳健设计的实施过程,结果表明该方法是可行、有效的。