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.     

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.     

顾客满意度测评的质量功能展开方法

把质量功能展开(QualityFunctionDeployment,QFD)方法引入到顾客满意度测评研究中,建立了顾客满意度测评的质量功能展开模型.通过多阶段的QFD模型将总体顾客满意度逐步展开为易于顾客判断的指标,进而,实施了顾客满意度指数的测评.利用分阶段的质量屋给出了一种直观、有效顾客满意度测评方法,并通过汽车维修行业的顾客满意度测评实例说明了这种新方法的实施过程.     

高压上浆过程中浆液的流变特性

为探讨高压上浆对浆液流变性能的影响,通过实验测量玉米、马铃薯、PVA等浆液在不同质量分数、剪切速率及剪切应力下黏度的变化情况,并分析其流变特性.实验结果表明,在高压上浆过程中,浆纱的速度大幅提高,其剪切速率随之亦显著提高,而浆液黏度则大幅降低.压浆力的提高使得浆液的剪切应力相应增加,而随着剪切应力的增加,浆液的黏度亦随之下降,从而体现出高浓、高压、低黏的高压上浆特点.根据不同浆液的流变性能特点,分析比较马铃薯和玉米淀粉的浆液,认为马铃薯淀粉更适合高压上浆,且马铃薯/PVA混合浆较玉米/PVA混合浆更加适合于高压上浆.     

低铁硫酸铝生产新工艺研究

介绍了利用铝灰生产硫酸铝 ,采用共沉法除铁新工艺。确定了最适宜工艺条件 :硫酸质量分数 30 % ,m( H2 SO4 ) ∶m( K2 Mn O4 )∶m A=1∶ 0 .0 0 78∶ 0 .0 0 2 6 ,p H值为 3,收率达93.2 %