Automated Identification of Basic Control Charts Patterns Using Neural Networks

The identification of control chart patterns is very important in statistical process control. Control chart patterns are categorized as natural and unnatural. The presence of unnatural patterns means that a process is out of statistical control and there are assignable causes for process variation that should be investigated. This paper proposes an artificial neural network algorithm to identify the three basic control chart patterns;natural, shift, and trend. This identification is in addition to the traditional statistical detection of runs in data, since runs are one of the out of control situations. It is assumed that a process starts as a natural pattern and then may undergo only one out of control pattern at a time. The performance of the proposed algorithm was evaluated by measuring the probability of success in identifying the three basic patterns accurately, and comparing these results with previous research work. The comparison showed that the proposed algorithm realized better identification than others.

基于机器视觉技术的整地机械智能化控制研究

为了提高农田整地效率、减少资源浪费以及改善土壤质量,该研究通过对整地机械在田间工作过程的分析,基于机器视觉技术,利用高分辨率的摄像设备对整地区域进行图像采集与分析,获取土壤质量、杂草分布等信息,同时借助图像处理与模式识别技术,对图像数据进行处理和分析,实现对植物区域、土壤区域和杂草区域的识别与定位,将识别得到的信息与预先设定的整地参数相结合,自动调整整地机械工作模式、深度和速度,以实现精准的整地操作。通过在实际农田环境中的试验验证,证明了基于机器视觉技术的整地机械智能化控制在提高整地效率、降低能耗、改善土壤质量等方面的显著效果。

基于多向Fisher判据分析的间歇过程性能监控

针对传统的间歇过程监控方法,在建模时只利用正常工况下的数据,其故障诊断能力并不令人满意的问题,提出了多向Fisher判据分析(MFDA:MultiwayFisherDiscriminantAnalysis)方法,用于间歇过程的监控。该算法同时利用正常工况和故障条件下的数据进行建模,其故障诊断能力要优于MPCA(MultiwayPrincipalComponentAnalysis),在故障检测的同时也实现了故障的诊断。通过对实际工业链霉素发酵过程数据分析,表明该算法是可行的,可以获得较满意的故障诊断结果。

基于神经网络的可重组制造系统质量控制方法研究

为提高可重组制造系统的可诊断性并缩短系统重组后的斜升时间,提出了基于神经网络的可重组制造系统工序质量控制方法。首先,结合x-R控制图质量控制方法和神经网络技术分别建立了用于控制图模式识别和质量缺陷原因诊断的两个神经网络模型;然后,开发出基于神经网络的工序质量控制系统,以加工件的质量特征数据作为数据源,可对生产过程进行快速诊断和及时反馈。最后,通过实例验证了基于神经网络的可重组制造系统工序质量控制方法的有效性。

一种实时过程控制中的数据挖掘算法研究

计算机在工业生产过程控制中的应用已十分广泛，因此这一领域的数据挖掘方法研究也具有十分重要的意义。本文将根据这一领域的特殊情况，提出一种实时有效的自动数据挖掘算法，以便使计算机能在实时过程控制中自动挖掘，并根据挖掘的结果进行趋势预测。

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

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。

XPDL2.0规范的过程控制模式分析

介绍了XPDL 2.0规范和XPDL 1.0规范之间的差别;采用van der Aalst提出的20种工作流模式,着重分析了XPDL 1.0所不支持的九种过程控制模式,对其中XPDL 2.0支持的模式给出基于业务过程建模符号的图形示例和相应的XPDL 2.0代码实现示例。最后,揭示了XPDL 2.0规范在自身语义方面,以及与业务过程建模符号的语义一致性方面存在的问题。

使用目标多特征识别的纳米纤维制造在线监测系统

针对电纺丝成型纳米级纤维工艺中因供料速度与电压值不匹配而出现的不稳定现象-流涎,提出了基于目标多特征识别的纳米纤维制造在线检测系统来提高纳米纤维成型质量的稳定性并实现纤维直径的可控性。首先,使用工业CCD对喷头出口处的泰勒锥进行连续图像采集,并对其进行锐化、滤波、阈值分割等预处理;然后,用目标多特征识别算法对泰勒锥的周长、面积和锥高等特征进行识别,实现对泰勒锥的形态和大小实时判别;最后,以判别结果作为控制系统的反馈信号,实时在线调节供料模块或电源模块驱动供料速度与电压达到匹配。实验结果表明,当电压为8kV,系统能在0.43s后达到稳定,从而维持泰勒锥形状稳定,无流涎现象,得到直径均匀的纳米纤维。提出的方法有效地解决了电纺纳米纤维直径不均匀和不可控制的难题。

一种用于激光加工系统的智能化精密平台的研制

根据在实际工业生产中对激光加工的要求和激光加工自身的特点 ,把激光加工技术与计算机技术、精密机械传动等溶为一体形成激光加工系统的智能化精密平台 ,从而提高了该系统的自动化程度和加工质量。在平台的研制中主要解决以下几个关键问题 :步进电机和激光电源的智能化控制 ;机械传动系统精度的保证 ;加工过程中适时监控与定位。

“油气成藏模式”的概念、研究现状和发展趋势

通过对国内外油气成藏模式典型实例的剖析,对同类实例的共性进行了概括和简化,将油气成藏模式归纳为5大类,进而提出了油气成藏模式的新定义。研究认为,油气成藏模式分析的要素包括油气藏形成的基础条件、动力介质、形成机制和演化历程等,成藏模式应是基于全部要素的复合分析,但各类成藏模式的建立方法和适用范围应与不同的勘探程度和研究程度相适应。在实际工作中,可根据资料的情况,以4种要素中的一种或多种为主线,兼顾其他要素,来分别建立盆地级、坳陷级、凹陷级或圈闭级的成藏模式。

多权值神经元网络仿生模式识别方法在低训练样本数量非特定人语音识别中与HMM及DTW的比较研究

本文将基于多权值神经元网络的仿生模式识别方法用于连续语音有限词汇量固定词组识别的研究中,并将其识别效果与HMM方法及DTW方法进行了比较分析.以15个词组的词汇表做测试,通过调整这三种识别算法的参数,在它们的拒识率相同的情况下,针对参加训练的词汇,比较他们的错误识别率(某类误认为他类);针对未参加训练的词汇,比较他们的错误接受率(误认为某类).结果表明,在低训练样本数量的情况下,仿生模式识别方法能获得更好的识别效果.

模式识别在过程控制系统中的应用

模式识别方法本质上是一种分类方法,它不需要过程的数学模型就可做出高级决策。模式识别方法已在过程控制中的许多领域得到了应用,如非线性和分布参数系统的结构辨识、在未知环境下运行系统的控制、自适应控制、智能控制、动态建模、状态估计、优化控制、故障诊断等。本文将概述模式识别方法在以上各方面(?)情况,并指出今后可能的研究方向。

油气田开发生产中加密井边际成本分析及应用

在油气田开发生产过程中,加密调整井边际效益变化规律遵循加密井边际产量递减规律、加密井边际成本变化规律和加密井效益变化规律。随着油田开发程度的加深,资源劣化加剧,加密调整井增产及增加可呆储量的效果不断变差,边际成本不断上升。应用这一规律,可对油气生产过程加以控制,确定合理井网密度和单井增油界限,提高油气田开发经济效益。

一种鲁棒性盲水印算法

鲁棒性数字水印特别是盲水印是保护数字作品版权的重要手段 .提出一种针对彩色图像的鲁棒性盲数字水印方法 .该方法根据灰度图水印信号序列 ,结合宿主图像DCT(DiscreteCosineTransformation)系数相关性自适应地嵌入水印信号 ,提取水印时不需要原始宿主图像 ,可以批量处理 ,适用在Internet上检测侵权数字作品 .实验结果证明该方法对JPEG有损压缩。

典型炉膛火焰图像燃烧模式识别与应用

电站锅炉采用看火电视直接观察炉膛火焰图像,从火焰表面特征判断当前锅炉燃烧状态。对典型的四角切圆燃烧锅炉的火焰特征进行研究,提出若干反映实时燃烧状态的特征参数和模式识别措施,为图像处理设备从火焰图像识别火焰偏心和贴边等重要运行工况提供了定量的判别依据,并探讨了借助火焰模式识别技术进行燃烧控制的方法和设想。

新钢1500mm宽花纹板开发

介绍了新余钢铁集团公司1580 mm热连轧生产线开发1 500 mm宽花纹板的主要生产工艺、各项功能投用情况及各项性能指标精度,针对实际生产中出现的钢板背面印花、花纹纹高不够等问题提出了解决方法,实践效果良好。

基于归一化方法的二维子阵级ADBF

子阵级ADBF在相控阵雷达中有重要应用.研究二维子阵级ADBF方法.提出了平面相控阵的子阵级ADBF的信号模型.引入了基于归一化方法的二维子阵级ADBF;通过对子阵输出进行归一化处理,使各子阵的噪声功率相同,从而在无干扰时得到了所希望的静态方向图,因而解决了自适应与非自适应工作模式之间的转换问题;而在存在干扰的情况下,也可对干扰进行有效抑制.该方法与常规的子阵级ADBF相比,明显改善了旁瓣电平.仿真结果证明了其有效性.

DMOS优化软件及其在化工过程优化中的应用

DMOS软件综合运用了模式识别、支持向量机、人工神经网络、遗传算法、线性和非线性回归等多种数据挖掘技术,能有效解决复杂工业过程系统优化中普遍存在的多因子、高噪声、非线性、非高斯分布和非均匀分布的难题。将DMOS工业优化软件成功地应用于柴油加氢精制装置及丙烯腈反应装置的生产优化。根据装置DCS系统采集的生产数据,研究了装置优化操作的主要工艺参数,采用模式识别方法建立了装置生产优化操作的定性模型,并最终建立了优化目标的数学模型。

强空时杂波背景下自适应处理的稳健方法

对于机载雷达在强杂波背景中的自适应信号处理问题,提出了改进的静态方向图控制方法。新方法在原有架构上加入了二次波束方向图约束,并利用Taylor级数近似来估计其解。把自适应处理限制于变换域中的一个局域处理区域得到改进的降秩波束空间空时自适应处理架构。该架构中信号阻塞矩阵由围绕感兴趣单元的少量角度多普勒单元组成。把上述两种方法相结合得到一种稳健空时自适应处理方法。该方法能有效抑制杂波而同时保持低旁瓣,对采样要求低,大大减少了运算量。数值实验结果证明了所提方法的有效性。

一种基于数据挖掘的混合生产过程质量控制方法

将数据挖掘技术与统计过程控制技术相结合,提出了一种混合的生产过程质量控制方法。对服从正态分布的质量特性值,用统计的方法构作控制图;对不服从正态分布的质量特性值,用聚类方法构作控制图。分析了异常模式的趋势、循环变动、孤立点以及偏差等几种情况。