公共文化服务平台

基于LS-SVM的粉煤灰混凝土强度预测模型被引量：2: 2007年; 提出一种基于最小二乘支持向量机(LS-SVM)的粉煤灰混凝土强度智能预测模型,并给出了相应的步骤和算法。通过该模型分析了水胶比、水泥用量、粉煤灰替代率及砂率等因素对粉煤灰混凝土强度的影响。在此基础上,对不同配比所浇注的混凝土强度进行预测,有助于准确认识混凝土强度随配比参数的变化规律。与多元线性回归、神经网络及标准SVM模型比较,该模型的优点为:(1)采用了结构风险最小化准则,在最小化样本误差的同时减小模型泛化误差的上界,提高了模型小样本泛化能力;(2)将迭代学习算法转换为求解线性方程组,使得整个模型仅有一个全局最优点,解决局部最小问题;(3)用等式约束代替标准SVM算法中的不等式约束,将求解二次规划问题转化为直接求解线性矩阵方程,有效提高建模速度。用该模型对混凝土的强度预测实例表明,其建模速度比标准SVM高近1个数量级,预测误差仅为SVM方法的20%、BP神经网络方法的10%左右。; 吴德会; 关键词：最小二乘支持向量机粉煤灰混凝土

基于小批量制造过程的动态质量控制限及其简便计算方法被引量：17: 2006年; 讨论了一种基于t分布动态控制限的小批量生产质量控制方法,并给出了该控制限的简便计算过程。控制方法通过分析抽样样本数量与控制图虚发警报概率之间的函数对应关系,得到一组能使虚发警报概率保持相对稳定的动态控制限,建立了基于t分布的控制界限值随样本数量变化的数学模型,并利用上侧分位数的初等数学表达式近似表示t分布,从而简化计算过程。实际计算结果表明,当样本组数小于5时,控制方法的计算误差仅为正态逼近法的20%。控制方法形式简单,不需使用正态分布函数,适合小批量生产过程的质量控制。; 杨世元吴德会苏海涛; 关键词：小批量

基于最小二乘支持向量机的传感器动态系统辨识方法被引量：6: 2006年; 在介绍和比较标准支持向量机(SVM)和最小二乘支持向量机(LS-SVM)原理的基础上,提出了一种利用LS-SVM模型进行传感器动态系统辨识的方法,并给出了相应的过程和算法。与标准SVM模型比较,该方法优点是明显的:(1)用等式约束代替标准SVM算法中的不等式约束;(2)将求解二次规划问题转化为直接求解线性矩阵方程,使得在相同条件下,系统辨识速度提高1～2个数量级,辨识误差降低50%。因此,LS-SVM模型速度快,抗噪声干扰能力强,更适合传感器动态系统建模。; 吴德会杨世元董华; 关键词：支持向量机最小二乘支持向量机传感器系统辨识

计量器具检定周期灰色动态模型及应用研究被引量：6: 2007年; 企业的计量器具是保证产品质量的有力工具,由于工况的复杂性、多样性、随机性,其检定周期的确定应是动态的.根据计量器具检测数据的统计特点,采用了加权处理的办法,建立了基于时间序列和基于频次序列的动态灰色模型DGM(1,1).通过具体案例对比(例如游标卡尺)发现:该模型具有较高的拟合精度及预测精度;不同工况下周期和寿命有明显差异;频次序列模型的预测结果优于时间序列模型条件下的预测结果.结合动态模型与汽车制造业实例,建立了基于信息集成的、多传感器监控与管理监控相结合的检定周期与使用寿命周期监控流程和信息子系统,应用于企业生产.; 苏海涛杨世元董华沈毛虎; 关键词：计量器具检定周期使用寿命合格率信息系统

基于人工神经网络的6σ质量控制被引量：1: 2007年; 介绍了以连续合格品数为控制对象的方法以及实现该方法的神经网络核心技术。仿真数字表明,该设计训练速度快,估计的精度高,灵活性强,适用于在线实时监控。; 吴德会杨世元; 关键词：神经网络控制图模式识别

基于DMIS规范的CAD/DME信息集成被引量：5: 2004年; 本文详细介绍了机械工业自动化测试与控制领域的一个热点问题:尺寸测量接口规范(DimensionalMeasuringInterfaceStandard,DMIS)及其实现技术,提出了基于DMIS规范的质量信息集成系统,对我国的CAD系统与检测设备的集成具有积极的作用。; 何继长杨世元苏海涛施静; 关键词：CAD DME 信息集成 DMIS

一种燃煤质量的综合预测方法被引量：3: 2008年; 建立了一种新的基于多元线性回归与最小二乘支持向量机(LS-SVM)的燃煤发热量综合预测模型,并给出了建模步骤和具体算法。考虑到燃煤实际发热量与其工业分析组成(水分、灰分和挥发分)之间的关系,由初步预测子模型和误差修正子模型构成综合模型。用煤样实测发热量与其工业分析组成的原始数据构造训练样本集,用多元线性回归算法对发热量进行初步预测,用LS-SVM修正子模型获得误差补偿量。综合模型最终的预测值为初步预测子模型的输出值加上误差补偿量。实际预测结果表明,这种综合预测方法耗时少,预测效果优于常用方法,具有一定的应用价值。; 吴德会; 关键词：发热量多元线性回归最小二乘支持向量机

铣削加工粗糙度的智能预测方法被引量：10: 2007年; 提出了一种基于最小二乘支持向量机的铣削加工表面粗糙度智能预测方法。首先进行了铣削工艺参数对工件表面粗糙度影响的正交实验,再通过对主轴转速、进给速率和切削深度三因素,以及各因素之间交互三水平实验的数据分析,找出了铣削工艺参数对工件表面粗糙度影响的一些规律。利用最小二乘支持向量机算法建立了铣削预测模型,通过该模型能在有限实验基础上利用工艺参数方便地得到粗糙度预测值。实际预测表明,在相同情况下,该模型构造速度比反向传播神经网络建模预测方法高2个~3个数量级,预测精度高10倍左右。; 吴德会; 关键词：表面粗糙度最小二乘支持向量机铣削正交实验

适应智能质量控制的多分类支持向量机被引量：1: 2007年; 分析了现有控制图识别器在实际应用中存在的缺陷,并提出了一种基于支持向量机(SVM)的新方法.为了克服HAH多分类SVM(HAH-SVM)的缺陷,提高识别速度和准确率,设计了一种有针对性的SVM多分类器进行模式识别.仿真实验结果表明,该方法相对现有的BP和HAH-SVM方法能得到更高的识别率和识别速度,适合于工序的实时在线控制.; 吴德会; 关键词：多分类支持向量机统计质量控制控制图

基于质量信息集成的计算机辅助质量系统被引量：4: 2005年; 质量信息是计算机辅助质量系统(CAQ)的基础,CAQ系统关键在于质量信息集成。本文基于质量信息集成技术,适应先进生产模式,研究了现代企业环境下的CAQ系统模型框架。首先探讨了质量信息和信息集成在CAQ系统中的重要性,进而提出并建立了以质量管理和质量监控相结合为主旨的基于质量信息集成的CAQ系统,着重研究了CAQ模型架构、与相关系统的信息交互等,最后讨论了典型企业CAQ系统的软件体系结构设计及具体实施方案。; 孙继文杨世元; 关键词：质量信息信息集成

渝B2-20050021-1　渝公网安备 50019002500403号　违法和不良信息举报中心　互联网出版许可证　新出网证(渝)字10号

国家自然科学基金(70272032)