基于PLSR的多级制造过程关键质量特性识别方法

为解决多级制造过程关键质量特性识别中多质量特性之间的相关性问题,将偏最小二乘回归方法(Partial Least Squares Regression, PLSR)引入模型构建与分析中。首先应用状态空间方法建立多级制造过程关键质量特性识别模型,进而利用PLSR方法解决质量特性间的多重共线性问题并进行模型分析,识别关键质量特性,最后以卷烟生产过程为例介绍了该方法的应用。实例表明,该方法不仅可以有效识别多级制造过程关键质量特性,而且能够建立各级过程的输出质量对最终产品质量的影响及其质量特性之间相互关系的模型,反映多级生产过程的结构特征和各级过程质量特性之间的因果关系,为多级制造过程质量分析与控制提供依据。     

基于L-M方法的液压油源系统的可靠性分析

本文结合液压伺服系统的工程实际,运用了L-M方法,对恒压油源系统进行可靠性分析与建模,并给出了系统可靠度的定量评估结果,最后利用该模型对试验模拟数据进行分析,这对工程设计具有重要的指导作用。     

等离子体辅助平板波导的传输特性及应用研究

如何灵活地控制和操纵太赫波是目前研究的热点. 根据电磁波传输理论, 导出了等离子体辅助平板波导的场分布和色散关系表达式, 计算了其传输特性, 并通过全波仿真进行了证实. 结果表明, 等离子体辅助平板波导具有带阻特性, 上边带截止频率等于等离子体频率, 等离子体层越薄, 下边带截止频率越高, 带宽越窄; 阻带内存在两种不同的物理机理, 一种与等离子体和中间媒质的谐振耦合有关, 另一种与表面波的形成有关. 此外, 本文还研究了等离子体频率及碰撞频率对传输特性的影响, 提出了通过改变等离子体频率调谐平板波导滤波器特性的方法. 同时, 采用褶皱金属结构实现了等离子体层, 设计了平板波导传感模型, 通过改变凹槽内的材料的介电常数仿真了其传感特性, 结果表明当材料的介电常数变化0.1%时, 平均截止频率变化1.8 GHz; 通过检测截止频率的变化, 传感器能明显分辨氮、汽油、液态石蜡、甘油和水, 证实了其优良的太赫传感特性. 这项工作对研究太赫波的传输及太赫器件的设计和制备具有指导意义.     

基于效用比的多工序并联制造过程能力分析

多工序制造过程通常包含串联和并联两种结构,具有串并联混合结构的多工序制造过程是实践中最为常见的形式,而不同模式的并联结构其上游工序质量波动对下游工序及总过程能力的影响不同。针对多工序制造过程并联结构特点,本文从波动减少的角度重点对多工序并联制造过程中并行、分散和收敛三种基本模式进行过程能力分析,研究多工序制造过程中各子过程波动对整体过程能力的影响,并根据各子过程质量波动减少的“困难度”和“效用比”评价质量改进的效果,给出多工序并联过程能力改进策略选择依据。通过实例表明,本方法能较好地识别各工序质量波动减少对本工序过程能力和总过程能力的不同影响,确定质量改进的优先顺序,实现多工序制造过程的经济性质量改进和优化。     

基于惩罚似然比的高维空间相关过程EWMA质量监控模型

变量选择控制图是高维统计过程监控的重要方法。针对传统变量选择控制图较少考虑高维过程空间相关性而造成监控效率低的问题,提出一种基于Fused-LASSO的高维空间相关过程监控模型。首先,利用Fused LASSO算法对似然比检验进行改进;然后,推导出基于惩罚似然比的监控统计量;最后,通过仿真模拟和真实案例分析所提监控模型的性能。仿真实验和真实案例均表明:在高维空间相关过程中,当相邻监控变量同时发生异常时,利用所提监控方法能够准确识别潜在异常变量,取得较好的监控效果。     

并联型APF抗启动冲击的时间最优控制算法研究北大核心CSCD

针对并联型有源电力滤波器(APF)投入电网运行时,存在着启动冲击电流和冲击电压的问题,提出抗启动冲击电流、电压的时间最优控制算法.由于并网时交直流侧压差导致的电流激增,会造成直流侧电容的损害和保护装置的动作误差.现对并网交流侧电感电流的冲击,利用前馈解耦的方式,分成d,q两轴双向分析来抑制并网侧的冲击电流.而直流侧电压采用一种输出压差平方值的Bang-Bang新型控制算法以抑制电容侧的冲击电压.最后结果皆在仿真软件Matlab中进行了验证,通过与常规控制算法对比,在抑制启动冲击电流、电压方面起到了良好的效果.     

基于多点报警的多元统计过程控制

本文主要研究了一种将控制图的报警准则由一点改为多点时多元控制图的构造,对于不同的多点报警准则的控制图可以通过计算平均运行长度的方法得出了不同的控制限参数。然后本文对各种报警准则下的多元控制图与Hotelling T2控制图,MCUSUM(多元累计和控制图)和MEWMA(多元指数加权移动平均控制图)进行了比较,说明这种改变报警规则的多元控制图在监测过程中出现的微小波动时具有一定的优势。     

基于卷积神经网络的智能制造过程质量异常诊断

针对现有方法在智能制造过程中诊断能力有限和识别精度不高的问题,提出了一种与智能制造过程相适应的基于卷积神经网络的质量异常诊断模型。首先建立基于实时数据的过程质量图谱,以精准表达制造过程运行状态。其次,构建用于识别质量图谱的卷积神经网络诊断模型。最后,利用滑动窗口取值的方式对当前过程运行状态进行动态诊断,并通过某球磨过程验证了所提方法的有效性与实用性。结果表明,所提方法优于传统浅层模型,能够有效的对过程异常状态进行识别与诊断。