国家科技重大专项(2011ZX04001-041-06)
- 作品数：3 被引量：21H指数：2
- 相关作者：刘飞朱波李顺江更多>>
- 相关机构：重庆大学更多>>
- 发文基金：国家科技重大专项国家自然科学基金中央高校基本科研业务费专项资金更多>>
- 相关领域：自动化与计算机技术机械工程更多>>
- 基于优化有向无环图支持向量机的多变量过程均值异常识别被引量：16
- 2013年
- 针对多变量过程均值异常模式类型数量太大、一般模式识别工具难以适应的问题,提出优化有向无环图支持向量机。该方法识别效率高,并通过启发式方法生成优化的拓扑结构,即先根据定义在核空间的模式类型平均差异测度对类型编号排序,再依序提取对应两分类支持向量机组成有向无环图结构,使越易区分类型间的支持向量机越靠上层布置,由此缓解分类误差累积效应和弥补上层出现类型分类容错能力的不足,保证相对较高的总体分类准确度。仿真实验表明,优化有向无环图支持向量机用于多变量过程均值异常模式的识别相比其他几种多分类支持向量机在识别精度和效率上具有综合优势。基于优化有向无环图支持向量机构建了多变量过程均值异常识别模型,并在实际齿轮生产中进行了应用实验,验证了模型的有效性和实用性。
- 朱波刘飞李顺江
- 关键词：统计过程控制模式识别
- 基于优化多核支持向量回归的制造过程均值偏移幅度估计被引量：4
- 2014年
- 为更加准确地估计制造过程均值偏移幅度,提出了一种基于多核函数支持向量回归(SVR)的估计方法。多核函数由线性核、多项式核和径向基核3种基本核函数凸组合而成,并通过粒子群优化算法(PSO)对核参数、组合权重系数以及SVR的惩罚系数C进行联合优化,以五折交叉验证求得训练样本的决定系数均值作为粒子适应度值,使生成的多核SVR获得良好的泛化能力。将该多核SVR与累积和(CUSUM)控制图集成构建了过程均值偏移监测模型,仿真实验结果表明,该方法相对人工神经网络(ANN)方法估计精度明显提高,比采用单一径向基核函数的SVR更为优越;在实际齿轮加工过程中进行应用验证,进一步证实了该方法的有效性和实用性。
- 朱波刘飞
- 关键词：统计过程控制支持向量回归粒子群优化
- 利用选择性DAG-SVM集成在线检测与诊断多变量过程均值异常被引量：1
- 2013年
- 针对多变量过程均值异常,提出了选择性有向无环图支持向量机(DAG-SVM)集成,以之为模式识别工具对过程状态进行识别,以探测异常和判别异常源。集成结合Bagging方法的重复采样技术和对DAG-SVM结构的调整,对数据和模型进行双重扰动,以获得差异的候选个体;再通过二进制粒子群优化(BPSO)算法得到最优集成方案。离线仿真测试证明所提选择性DAG-SVM集成具有分类正确率和效率的双重优势;在线仿真测试表明基于选择性DAG-SVM集成的模型探测过程均值阶跃异常优于χ2图和BPN(误差反传神经网络)模型,且判别异常源比BPN模型更准确。针对实际齿轮加工过程数据的应用验证进一步证实了模型的有效性和实用性。
- 朱波刘飞
- 关键词：统计过程控制
