基于核主元分析和贝叶斯推理的建设工程项目质量状态在线诊断模型及其仿真

针对建设工程项目质量控制过程的随机变化性,运用核主元分析和贝叶斯推理的方法,建立了工程质量状态在线诊断的数学模型;借鉴现代工业控制技术与手段,通过实时连续采集质量信息、提取信息特征、识别特征异常以及估计异常模式,实现了对质量异常状态的在线监测与模式识别。利用Matlab对某工程实例进行了常态下的仿真试验。分析结果表明,该模型不仅可以快速响应突发性质量异常,而且能够提前预警累积性质量异常,还能以概率形式诊断出异常状态所属的模式类型。     

基于小波重构的动态过程LSSVM-BPNN在线智能监控模型

为实时监控动态过程的运行状态,提出基于提升小波变换和最小二乘支持向量机(LSSVM)及BP神经网络(BPNN)相结合的在线智能监控模型。采用提升小波变换提取原始数据的重构特征,并分别抽取重构后数据序列的均值、形状特征。利用基于提升小波重构特征的LSSVM判定动态过程是否异常,基于重构后均值特征的BPNN将5种异常模式划分为3个类别。通过基于重构后形状特征的LSSVM对3类异常模式进一步识别。最后,应用该模型对某精密轴加工过程进行在线智能监控。结果表明,与基于离散小波重构的BPNN模型、基于统计和形状特征的支持向量机模型相比,所提模型不仅识别精度高且训练耗时少。     

基于多分类支持向量机的智能辅助质量诊断研究

在分析比较目前常用的质量辅助诊断方法局限性的基础上,提出了一种基于多分类支持向量机(SVM)的质量控制图智能诊断新方法.该方法以SVM技术为智能核心,较好地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诊断时所表示出的过学习、泛化能力弱等缺点.另一方面,通过结合投票法和决策树的基本思想,所提方法拓展出对控制图混合型异常模式的识别能力,从而提高了对质量过程诊断的全面性和准确性.与其它几种常见人工智能方法质量诊断的效果进行对比,实验表明,所提方法容易实现、诊断精度高,为实现小批量加工过程的在线质量诊断与控制提供可行的思路.     

基于PCA和SVM的控制图失控模式智能识别方法

控制图是在线质量控制的重要工具,而利用控制图进行异常过程模式识别却是个困难问题。该文在分析现有控制图识别技术在实际应用中存在缺陷的基础上,提出了一种基于主元分析(PCA)和支持向量机(SVM)的控制图失控模式识别方法。首先,将控制图作为信息图用于趋势模式数据集提取;然后,通过对数据集的高维特征进行线性组合并向低维空间投影的方法,降低了分类器的输入维数,提高了各维特征的敏感性;最后,为了克服神经网络方法速度慢和泛化能力弱的缺陷,利用SVM小样本学习能力,有针对性地设计SVM多分类器进行模式识别。用一个含有6种趋势的20维特征仿真数据集对该方法进行检验,通过主元分析后,数据集的特征被降到了3维并保留了88%的分类信息。进一步的识别结果表明,该方法相对现有的BP、SLFM识别方法达到更高的识别率和识别速度,适合质量控制图在线实时识别。     

制造过程不确定质量异常诊断的Stateflow方法

模糊推理Petri网可以对制造过程不确定质量异常诊断进行有效建模, 但其复杂的图形表示及模糊推理逻辑结构使模型难于进行仿真分析. 通过建立模糊推理规则与Stateflow元素之间的映射关系, 将模糊推理Petri网模型转换为便于仿真的Stateflow模型, 模型以质量控制图异常模式数据作为输入, 实现不确定质量异常诊断过程的动态展示. 某工件加工过程不确定质量异常诊断的仿真结果表明, 模型可以输出引发控制图实时异常的异常原因的贡献度, 为异常消除提供决策支持.     

体系异常状态分析的初步研究

体系异常状态蕴含了体系能力演化过程的重要信息，对体系异常状态的分析是体系能力分析的重要手段。针对这一问题，提出了体系异常的概念和类型划分，划分为体系关联结构异常、体系组分规模异常和体系组分能力异常；给出了体系异常分析过程的基本过程和初步方法：体系异常状态判定、体系异常状态回溯和级联分析。最后，给出了部分仿真试验结果，验证了研究的应用价值。     

基于小波重构与SVM-BPNN的动态过程在线智能监控

为了提高动态过程运行状态在线监控效率,提出了基于小波重构与支持向量(support vector machine,SVM)-反向传播神经网络(back propagation neural network,BPNN)相结合的在线智能监控方法.首先,运用离散小波变换对动态过程实测数据流进行重构,并提取其形状特征.其次,利用训练好的小波重构特征的SVM、均值特征的BPNN及重构后形状特征的SVM,对"监控窗口"内实测数据流进行异常模式识别.最后,应用该方法对某精密轴加工过程进行在线智能监控.结果表明:所提模型识别精度高、训练耗时少,其整体性能明显优于小波重构的BPNN模型与基于统计和形状特征的多分类支持向量机(multi-class support vector machine,MSVM)模型,是一种更为有效的动态过程在线智能监控方法.     

数据驱动的武器系统电子元部件级故障诊断研究综述

电子元部件级状态监测与故障诊断技术是武器装备维修保障的关键,是武器系统作战效能保持和快速恢复的可靠保障。随着数据获取、存储及挖掘技术的快速发展,基于数据驱动的智能诊断方法逐渐成为状态监测与故障诊断领域的重要研究方向。武器系统电子元部件集成形式多样、工作环境复杂、参数指标多、故障模式动态耦合,给故障诊断工程实现带来了严峻的挑战,特别是数据质量问题、故障诊断方法与应用问题以及复杂运行环境下未知故障模式识别问题。针对当前武器系统电子元部件级故障诊断对象、数据驱动的诊断方法以及面临的主要问题进行简要综述,在总结国内外已有研究成果的基础上,指出了在未来实现武器系统电子元部件级的状态监测与在线故障诊断技术的发展趋势。     

基于状态扩展的双反馈模型预测控制技术研究

针对模型预测控制在线滚动的实施要求,提出了基于状态扩展的双反馈预测控制策略,旨在不改变系统信息描述的前提下,提高其在线计算能力。在模型预测控制滚动时域特征分析及其数学模型演化讨论基础上,根据系统变量及其差值与系统方程的关联关系进行状态变量的扩展与转换,使变量转换后的系统在预测控制模式下表现为状态与输出双反馈的结构形式,从而通过输出反馈的引入,在系统控制信息无任何约束及处理的基础上有效缩减控制域,降低系统在线计算量。光伏系统最大功率点跟踪(MPPT)控制仿真示例验证了设计的可行性与有效性。     

复杂系统态势评估模型及其本体论实现方法

针对复杂系统的在线态势评估问题，依据信息融合理论，提出了一种新的网络在线态势评估模型。它采用定性与定量、局部与综合相结合的评估策略，即首先进行快速定性评估，一旦系统异常，立即启动集成神经网络组对来自系统多侧面的故障特征信息进行定量分析和分类，最后两级D-S证据推理模型在各自的融合中心实现对各子网络的融合，提高了评估的精度和可靠性。基于本体论成功地实现了该模型，在丰满水电数字仿真系统的成功应用验证了模型的有效性和实际应用价值。     

基于动态方差的指数期货到期日波动效应

基于有关文献中关于到期日效应的诊断方法,指出其中波动效应诊断方法中存在的缺陷。在此基础上,提出基于动态方差的诊断方法。与传统波动效应检验方法相比,基于动态方差的诊断方法能够根据金融数据的特征,充分利用研究时段中各个异常波动的信息,分析到期日与比较日(非到期日)之间出现异常波动的差异,进而动态地诊断波动效应。     

基于溢出效应的信息产品在线渠道销售模式选择策略

针对存在数字盗版的信息产品在线渠道供应链，旨在测度在线产品需求对传统渠道需求的溢出效应，并分析这一溢出效应对消费者为伦理型和普通型、销售模式为批发或者代理模式的在线渠道供应链的影响。根据是否考虑溢出效应和不同销售模式分别构建了无溢出效应的批发模型、无溢出效应的代理模型、有溢出效应的批发模型和有溢出效应的代理模型，对比分析了不同条件下在线渠道参与者的最优价格、需求以及利润，力图为在线渠道参与者的决策提供参考。研究发现，不考虑溢出效应时，盗版监管力度越大，对在线渠道参与者越有利；当正溢出效应较强时，反而对制造商不利。不考虑溢出效应时，在线渠道参与者只在代理模式下达到帕累托；考虑溢出效应时，在批发模式和代理模式下都可达到帕累托最优。     

综合评价问题的系统分析

运用模糊数学的思想方法 ,对含软指标的综合评价问题 ,由原始评价信息的提取与处理 ,到综合评价结果及其分析的全过程 ,进行了系统分析 .首次提出集化函数的集化准则及其抗干扰功能和丰富综合评价结果的基本途径 .还提出对参评样品集整体质量状态及对评价人集的评价水平与异常性的定量评价方法 .从而为评价组织者提供了选用评价方法的依据 ,也为评价组织者全面正确认识、分析、运用所得评价结果 ,以及在宏观上提出导向性意见 ,提供了丰富的定量信息 .     

基于NN/ES的高压输电线路在线故障综合诊断和分析的智能系统

提出了电力系统构成传统信息和智能信息相结合的新型信息网系统的必要性。并研究和构造了基于ＮＮ／ＥＳ的高压输电线路在线故障综合诊断和分析的智能系统（ＴＬＦＤＩＳ），为电力系统调度中心提供故障智能信息。它是根据故障录波、测距、事件顺序记录、保护和断路器等信息，对输电线路系统涉及的全部设备（一、二次设备）的故障综合诊断，并具性能预诊断的功能。     

基于特征的雷达目标机动检测算法综述

根据机动检测器所利用的信息不同,雷达目标机动检测算法可分为基于跟踪滤波器信息的机动检测和基于特征信号的机动检测两大类。首先分析了传感器特征信息与目标机动模式之间的关系,给出了基于特征的机动检测算法的3种分类方法,并以检测器所利用的特征信息为线索对机动检测算法做了详细的介绍,分析了各种算法的基本原理、假设条件和优缺点。     

在线知识转移网络的扩散及子结构测度

通过在线知识转移网络的网络结构和网络节点的传播状态,识别在线知识转移网络传播模式。经解析发现单纯对网络结构的判断并不能实现提高在线知识在网络传输范围的目的,判断子结构传播状态,并针对不同传播状态的节点制定特定的传播策略才是根本。     

BBS在线复杂网络及其成员交互特性研究

针对BBS论坛成员信息简单,连接关系随机和成员关系模糊的特点,提出基于阈值的BBS回复关系和共同回复关系的两种方法来构建BBS成员交互特性网络,并对这两种方法构建的复杂网络特性展开分析与讨论.同时为了讨论与分析成员的行为特征和交互模式,还讨论了BBS成员相似度和关联度模型.实验结果表明基于阈值的BBS成员在线网络满足小世界特性和无尺度特性.     

考虑边信息的在线投资组合指数梯度策略

在线投资组合问题是计算金融领域的基本问题之一.金融市场瞬息万变,投资者需要根据各种资本市场信息动态地调整资产头寸.在不对资产价格做任何概率假设的前提下,研究了带边信息的在线投资组合策略.用相对熵函数定义两个投资组合向量之间的距离,提出了一种带边信息的在线投资组合指数梯度策略,并从理论上证明了它是一个泛证券投资组合策略,即与离线的最优状态定常再调整策略具有相同的渐近平均指数增长率.采用实际股票数据对该策略进行了测试,并分析了交易费用对策略的影响,结果表明其能获得更高的收益.     

一种基于支持向量数据描述的损伤诊断方法

为了解决结构损伤诊断中缺乏损伤样本的问题,提出了一种基于支持向量数据描述(SVDD)的结构损伤诊断新方法.该方法只需正常状态的数据样本,而不需要任何损伤数据.首先采用小波包分解对数据预处理,以频带能量序列为特征,然后把多测量点的能量序列融合后作为特征向量,输入到SVDD分类器进行训练,实现损伤的诊断.实验表明,采用频带能量降低了数据维数,有效地浓缩了损伤信息;多测量点数据融合不仅能够使不同传感器的信息相互补充,而且减小了检测信息的不确定性;SVDD分类器较好地区分了结构正常与非正常状态,达到损伤自动诊断的目的.     

基于在线评论的混合推荐算法

web2.0的快速发展使得网络数据剧增,全方位刻画用户特征、分析用户偏好信息并对用户进行产品推荐成为企业和客户的迫切需要,个性化产品推荐应运而生。目前的推荐算法大多以评分数据作为获取偏好的来源,主要根据用户偏好模型评估推荐效果的好坏。本文以产品在线评论为基础,通过特征属性的情感分析补充用户对产品的倾向性意见,基于内容推荐算法根据用户评分和在线评论构建用户偏好模型与产品特征模型。以协同过滤算法为框架,结合多种相似度算法构建了基于用户偏好与产品特征的混合推荐算法。采集携程网的数据进行实验,验证了模型良好的推荐精确度。