质量预测

摘要： 在氟化工等复杂的化工过程中,具有不同时间尺度的时变特性同时存在并作用于系统运行。这类复杂的强时变特性严重制约着各种先进控制策略的广泛应用。为了克服关键质量变量测量滞后所带来的不利因素,进一步提高氟化工过程先进控制系统的控制精度,本文提出了一种具有输入数据注意力机制的卷积神经网络(ACNN)并用于产品质量预测。通过引入注意力机制自适应地提取不同时间跨度输入数据的时间特性,来克服常规卷积神经网络因输入数据窗口固定而无法充分利用各类时变尺度特性的弊端,从而更为精准地提取氟化工过程复杂的强时变特性,更加准确地预测产品质量,辅助工业生产。应用氟化工过程真实数据和TE(Tennessee Eastman)模拟数据验证了方法的有效性和泛化性,结果表明对于强时变或同时具有长时间跨度的漂移波动而言,ACNN的质量预测模型具有更高的可靠性。

摘要： 针对复杂多阶段(多质量属性)产品在最终制造阶段进行质量预测时,难以对造成质量异常的潜在工艺参数进行在线溯源及实时优化导致质量预测精度较低的问题。提出数据驱动的复杂多阶段产品质量预测模型。首先,通过对历史工艺参数和质量数据应用基于规则的深度置信网络(RBDBN)形成各阶段质量分类规则及应用动态自适应模型对制造过程中异常工艺参数进行实时优化形成更优的质量分类规则;其次,应用Catboost算法建立基于各阶段的在线质量预测模型以提高最终产品质量的预测精度及制造高质量的产品。最后,将该模型应用于注塑制品多阶段多质量属性预测案例中,研究结果表明该预测模型的有效性及较高质量预测精度。

摘要： RV(Rotate Vector)减速器装配质量的影响因素众多,装配质量不稳定。针对此情况,建立了基于麻雀搜索算法(Sparrow search algorithm,SSA)优化的BP神经网络质量预测模型,以减速器的关键性能指标--传动误差作为输出指标,选取减速器零部件的关键尺寸参数作为影响因素输入,经过数据预处理后建立质量预测模型进行误差预测。结果表明,经过麻雀搜索算法改进后的BP神经网络预测模型具有良好的预测精度,为RV减速器装配环节的零件选配工作提供了帮助。

摘要： 汽车组合仪表组装过程质检时间长、效率低,因此提出卷积神经网络与支持向量回归相结合的汽车组合仪表组装质量预测方法。结合仪表组装工艺,将卷积神经网络提取的生产数据特征作为支持向量回归的输入,对表征仪表质量的指针偏转角度做出预测。通过车间质检系统获取了仪表原始生产数据,对不同质检情况下的指针偏转角度进行了预测;结果表明所提方法预测误差较小,且具备较强的泛化能力,能够准确有效地预测汽车组合仪表的组装质量。

摘要： 针对汽车零部件质检数据存在合格品与不合格品数量不平衡的问题,提出了基于密度聚类与多工序制造特征的MCDC-MF-SMOTE质检数据过采样方法。先对少数类(不合格)与多数类(合格)样本分别进行密度聚类,再对多工序制造数据和类簇样本分布进行过采样权重计算;根据设定的过采样比和类簇权重,在少数类簇中进行过采样数据生成。使用MCDC-MF-SMOTE过采样方法生成汽车零部件质检的平衡数据集,并采用随机森林排序制造特征的重要性,对分类模型LightGBM、XGBoost、SVM和MNB进行Stacking集成来预测不合格品。与随机抽检相比,该方法对不合格产品的检出率提高了约63%。

摘要： 在多品种小批量生产制造车间中,针对特定场景所建立的数字孪生模型,由于缺乏工况变化的自适应能力,导致加工质量预测精度不足.对此,提出一种数字孪生模型自适应迁移方法.通过搭建可迁移的数字孪生模型,实现机理和算法模型融合的加工质量在线预测;提出数字孪生模型迁移流程和迁移策略,基于特征数据分析计算,选择待迁移的源模型;同时,结合迁移学习理论实现简单和复杂变工况下的数字孪生模型迁移.以钻削加工为例,搭建钻削实验平台并对数字孪生模型迁移的可行性进行验证.研究结果表明,变化工况下,迁移后模型仍能保持预测误差低于1.5%.该方法为提高数字孪生模型自适应能力提供了新的思路.

摘要： 针对多品种、小批量产品在生产过程中存在影响产品质量的不确定因素等问题,提出了GBO和LSSVM相结合的多品种、小批量产品质量预测模型;模型采用LSSVM对产品加工过程进行量化分析,并使用GBO算法对LSSVM模型中的惩罚函数与核函数寻优;最后通过MATLAB仿真对GBO-LSSVM优化方法与其他预测方法进行分析对比。结果表明,GBO-LSSVM模型更适用于多品种、小批量质量预测问题,以提高预测精度与误差水平,为多品种、小批量生产模式质量预测打开新思路。

摘要： 厚板板形质量对于钢铁企业十分重要,由于厚板在生产过程中经过多个工序加工,涉及众多变量,加工后的厚板板形存在质量波动和异常原因未知的问题。针对这一难题,本文利用厚板生产过程中的工业大数据,提出一种具有根因分析能力的厚板板形质量预测模型。首先针对厚板板形质量预测问题,由于厚板小批量生产、生产过程变量非线性强,本文采用基于核偏最小二乘(KPLS)的方法建立厚板板形质量预测模型。然后针对厚板板形质量异常原因未知的问题,利用混合整数遗传算法(MIGA)分析影响厚板板形的生产过程工序和变量。通过将MIGA集成到KPLS建模中,选择厚板板形质量预测效果最好时的生产过程工序及变量,用于最终厚板板形质量预测和根因分析。最后,采用来自某钢铁厂的实际工业过程数据进行实验验证,通过工业实验表明,所提算法(KPLS-MIGA)能够实现对厚板板形质量的准确预测,并能够对厚板板形质量异常进行根因分析,从而寻找到影响厚板板形质量的关键变量,对实际的生产操作具有较好的指导意义。

摘要： 针对装配质量预测过程中,由于三维点云数据量不足而导致建模精度无法满足实际要求的问题,提出了一种基于主动学习的深层网络建模与装配质量预测方法。首先,在深层网络上嵌入主动学习网络作为总网络;其次,采用自定义的主动学习损失函数,获取点云数据中信息量较大的样本作为预训练集;最后,对某车门内板和铰链加强件的装配过程进行案例分析。结果表明,与单一的深度学习模型相比,该建模方法可以显著提高装配质量的预测精度,以及降低训练模型对样本量的依赖。

摘要： 考虑分布式系统质量预测中的大数据处理问题,提出一种基于分布式并行分层极限学习机(distributed parallel hierarchical extreme learning machine, dp-HELM)的大数据多模式质量预测模型。根据Map-Reduce框架,将高效的极限学习机算法转化为分布式并行建模形式。由于分层极限学习机(hierarchical extreme learning machine, HELM)的深度学习网络结构在特征上具备的预测精度优势,结合深层隐藏层的ELM自动编码器,进一步开发了dp-HELM。通过dp-ELM和dp-HELM以同步并行方式进一步训练分布式并行K均值划分的过程模式,利用贝叶斯模型融合技术来集成用于在线预测的局部模型。将所提出的预测模型应用于预脱碳装置中残留的二氧化碳含量估算,实验结果表明了该方法的有效性与可行性。

摘要： 针对间歇过程数据的批次不等长的特点以及非线性核方法计算负荷大的问题,结合偏最小二乘和核熵成分分析,提出基于IFS-MKEPLS(improved feature extraction-multiway kernel entropy PLS)的间歇发酵过程监测及质量预测方法.该方法首先将三维历史数据沿一种新的展开方式进行展开,克服了批次不等长的问题;其次,通过改进的特征提取方法降低特征空间的计算量,使提取后的数据对整个数据更具有代表性;然后用KEPLS方法,在核空间中根据Renyi熵值的大小选取特征值及特征向量对数据进行降维,能够有效提取数据的高阶统计量信息.最后将该方法应用到青霉素发酵过程中,仿真结果表明了提出算法的有效性和可行性.

摘要： 质量问题在当今社会中得到了社会大众的普遍关注,而作为钢铁企业,尤其是给高炉提供生产原料的企业,如何控制产品质量波动成为了亟待解决的重要问题.本文主要探讨了BP神经网络在球团矿质量预测中的应用.在质量预测工作应用BP网络的实践中，大部分的神经网络模型都是使用BP网络或者BP网络的变化式，其作用在于数据压缩、函数逼近、模式识别以及分类。在这种网络的应用中，只要具备隐层且隐层单元数的数量够多，BP网络就能够在不够件数学解析式模型的基础上向任意非线性映射关系进行逼近。则主要是因为只要以原始的生产数据为依据，并利用学习与训练就可以找出原始数据与有价值数据之间的联系，由此可见，这种方法在球团矿质量预测中具有良好的适应性。另外，BP网络所采用的学习算法具有稳定的工作状态、严谨的结构以及清晰的思路，并且良好的容错能力也能够在连接改动甚至损坏的情况下不会出现系统崩溃的情况。

摘要： 渤海湾盆地辽河坳陷西部凹陷古近系发育致密砂岩,并且广泛分布异常低压.目前,已经在辽河西部凹陷古近系的双202、双225和双227等井中发现了工业气流和低产气流.在异常低压条件下致密砂岩的钻前储层质量预测(predrilling reservoir quality prediction)已成为致密砂岩气勘探中面临的一个科学问题.本文试图在研究沉积相和成岩作用对储层物性综合影响的基础上,同时考虑异常低压对成岩作用的影响,通过异常低压条件下的成岩作用数值模拟与成岩阶段和成岩相预测,结合沉积相研究成果,预测沙三中亚段异常低压背景下致密砂岩的储层质量,以期为辽河西部凹陷乃至其他盆地致密砂岩气的勘探提供科学的依据.

摘要： 杏仁的几何特性和质量特性是杏仁主要的物理特性,对杏仁的除杂、运输、通风储藏、分级和包装等加工环节相关设备设施的设计有非常重要的作用.本文对澳大利亚主要杏仁品种—Nonpareil的未去皮杏仁、去皮而未去壳杏仁和去皮去壳杏仁等三种状态下杏仁的几何特性和质量特性进行了试验研究.测试结果表明,未去皮杏仁的长、宽、高、算术平均直径、几何平均直径、球面度、表面面积和质量的平均值分别为34.648mm,22.044mm,22.311mm,26.334mm,25.603mm,73.994％,519.666mm2,4.187g,去皮而未去壳杏仁的相关特征值分别是31.381mm,19.781mm,13.402mm,21.521mm,20.246mm,64.594％,324.256mm2,1.879g,去皮去壳杏仁的相关特征值分别是24.159mm,12.971mm,8.639mm,15.256mm,13.924mm,57.740％,152.548mm2,1.302g.本文还分析研究了这三种状态下的杏仁基于几何特征的质量预测模型,结果表明,以长、宽、高三大尺寸为主的多元线性模型具有最高的判定系数。

摘要： 近年来提出的基于隐马尔科夫模型的单元挑选语音合成方法,较好的解决了传统拼接合成中存在的依赖较多人工干预以及合成效果不稳定性的问题.但在该方法中,综合不同声学统计模型度量时使用的模型权值无法自动训练获得,且人工优化较为困难.本文提出了一种基于合成质量预测的模型权值优化方法.该方法首先收集较少的人工测听结果并采用多元自适应回归样条构建针对不同权值下合成语音质量的预测模型,然后基于该预测模型利用模式搜索算法自动搜索最优权值.实验证明该方法可以有效优化模型权值并改善合成语音的自然度.

摘要： 本文通过总结连铸坯表面质量和内部质量的影响因素，采用VC++编程语言，将基于冶金专家知识的连铸坯质量预测规则程序化，研发出一种连铸坯质量在线预报系统，实现连铸生产过程的铸坯质量的在线自动预测。连铸坯质量预测专家系统的研发与应用对京唐4#连铸机实际生产具有指导意义，有利于连铸过程工艺参数的不断优化。

摘要： 苜蓿质量是影响苜蓿干草价格的重要因素,而适时收获是把握苜蓿干草质量的重要环节.在科学种植管理条件下,对田间苜蓿质量有个提前判断,对准确收获目标质量苜蓿干草、保证经济效益重大.苜蓿产业较为发达的美国常用GDD(生长度日)和PEAQ(苜蓿质量预测等式法)法来预测田间苜蓿质量,以判断春季苜蓿的收获时间.GDD为750时(基于41F),苜蓿的NDF接近40％,当生长度日增加220(7天后),NDF(中心洗涤纤维)含量达到45％;PEAQ法中,NDF和ADF(酸性洗涤纤维)含量可以通过在具有代表性的样方中茎秆最长植株的茎长、判断样方中最成熟植株的成熟度来准确预测。GDD和PEAQ法对杂草较少、长势健康的苜蓿田牧草质量预测比较准确.

摘要： 针对合成盐酸过程高度非线性和质量测量值不能在线获得等特点，本文采用基于最小二乘支持向量机(LS-SVM)对合成盐酸浓度进行预测研究，首先采用PCA对输入辅助变量进行分析，根据累积贡献率确定与质量变量密切相关的量作为模型输入，以合成盐酸浓度作为模型输出，采用LS-SVM方法，建立合成盐酸浓度质量预测模型，所采用方法能能有效提取过程的非线性特点，应用结果表明了该方法的有效性。

摘要： 本文基于Labview软件开发一套基于局域网的焊接过程监测系统,完成局域网内对焊接过程中焊接电流和焊接电压的实时监测,为实现远程实时监控奠定了基础.系统运用小波消噪的方法对信号进行滤波消噪,并设计了分析系统,可以进行时域分析、频域分析、时频分析、统计分析,从不同的角度对采集到的信号进行分析,完成初步的焊接质量预测.系统实现对焊接现场工况的实时监测,能够实时反映实际焊接工艺参数,焊接任务的完成进度等信息,防止工艺参数偏差过大,为管理者合理安排焊机任务,优化资源配置提供必要信息.此外,系统具有数据管理功能,实现对数据的保存和管理,为今后完善分析系统和设计控制系统提供数据保证.

摘要： 铸造工艺中,欠铸缺陷属于铸件严重的缺陷之一.它的成因一般有以下几种:较低的流动性、较低的浇注温度以及流道设计欠妥.本文介绍了以多孔介质法为基础的流态数值模型的建立,创建并比较了无阻耗模型和多孔介质模型在螺旋线模具中对欠铸缺陷的预测。

摘要： 本公开提供一种媒体文件的质量预测模型训练方法、媒体文件的质量预测方法、装置、存储介质及电子设备，用以提高媒体文件的质量预测的准确性，该媒体文件的质量预测模型训练方法包括：获取输入特征样本集；所述输入特征样本集中的各个输入特征样本包括：媒体文件属性特征和用户属性特征；将用户对媒体文件的各种行为特征按照时序关系划分为至少两种层次的行为特征组，并获取每一所述输入特征样本对应的每一层次的行为特征组中的各行为特征对应的标签值；针对每一所述输入特征样本，以该输入特征样本对应的目标层次的前一层行为特征组中的各行为特征对应的标签值和该输入特征样本作为输入、且以所述目标层次的行为特征组中的各行为特征对应的标签值作为输出，对待训练模型进行训练，得到媒体文件的质量预测模型。

摘要： 本发明公开了一种业务质量预测方法及业务质量预测装置。该方法包括：对多种用户数据类别进行相关性分析以获得用户特征类别的步骤；在已标注用户集中加入未标注用户生成待预测用户集，基于待预测用户集和获得的用户特征类别构建权值矩阵，其中，已标注用户集包括已标注用户的标签的步骤；对权值矩阵进行仿射变换获得权值矩阵的仿射矩阵，基于仿射矩阵与已标注用户的标签计算得到所加入的未标注用户的标签，其中，标签能够反映业务质量的步骤。

摘要： 质量预测系统和质量预测方法。质量预测系统包括：传感器，包括安装在机器上的本机传感器和安装在机器的周围环境中的环境传感器，本机传感器采集机器本身的数据，环境传感器采集周围环境的数据；智能计算单元，其与传感器和机器通信连接，控制传感器进行数据采集，接收传感器采集的数据，并且对数据进行预处理；存储和处理设备，其与智能处理单元通信连接，接收来自智能计算单元的预处理数据，存储所述数据，对预处理数据进行数据处理，在训练模式中，存储和处理设备将预处理数据存储在训练数据集中，将训练数据集输入所述质量预测模型进行训练以得到预测模型参数，在预测模式中，存储和处理设备将预处理的数据输入质量预测模型以给出质量概率。

摘要： 本公开公开了空气质量预测模型训练方法、空气质量预测方法及装置，涉及深度学习、大数据等人工智能领域。具体实现方案为：根据多个区域之间的空间相关性信息，建立空气质量预测模型；根据多个区域之间的空气质量的观测值以及所述空气质量预测模型输出的多个区域的空气质量的预测值，对所述空气质量预测模型进行调整。本公开能够提高空气质量预测结果的准确性。

摘要： 质量预测装置、质量预测方法以及计算机可读存储介质。提供简单且适当地预测通过生产线制造的产品的质量的技术。本发明的一个方面的质量预测装置具有：第1取得部，其取得第1信息，该第1信息与执行作业的作业人员的姿势相关，该作业是在生产线中制造产品的工序所包含的作业；第2取得部，其取得第2信息，该第2信息与作业人员在作业中使用的工具的使用状态相关；预测部，其根据由第1信息示出的作业人员的姿势适合于规定的第1基准的程度、以及由第2信息示出的工具的使用状态适合于规定的第2基准的程度，预测经过作业所制造的产品的质量；以及输出部，其输出与预测产品的质量而得到的结果相关的信息。

摘要： 本公开提供一种媒体文件的质量预测模型训练方法、媒体文件的质量预测方法、装置、存储介质及电子设备，用以提高媒体文件的质量预测的准确性，该媒体文件的质量预测模型训练方法包括：获取输入特征样本集；所述输入特征样本集中的各个输入特征样本包括：媒体文件属性特征和用户属性特征；将用户对媒体文件的各种行为特征按照时序关系划分为至少两种层次的行为特征组，并获取每一所述输入特征样本对应的每一层次的行为特征组中的各行为特征对应的标签值；针对每一所述输入特征样本，以该输入特征样本对应的目标层次的前一层行为特征组中的各行为特征对应的标签值和该输入特征样本作为输入、且以所述目标层次的行为特征组中的各行为特征对应的标签值作为输出，对待训练模型进行训练，得到媒体文件的质量预测模型。

摘要： 公开了基于调查的空气质量预测系统和方法，以及空气质量预测服务器。所述基于调查的空气质量预测系统包括：便携式终端，用于接收来自用户的调查结果并发送，并且接收和显示基于所述调查结果导出的评论；以及空气质量预测服务器，用于基于从所述便携式终端接收到的所述调查结果来预测用户的房屋的空气质量，并将空气质量预测结果和关于所述空气质量预测结果的评论发送至所述便携式终端。

摘要： 本发明公开了一种业务质量预测方法及业务质量预测装置。该方法包括：对多种用户数据类别进行相关性分析以获得用户特征类别的步骤；在已标注用户集中加入未标注用户生成待预测用户集，基于待预测用户集和获得的用户特征类别构建权值矩阵，其中，已标注用户集包括已标注用户的标签的步骤；对权值矩阵进行仿射变换获得权值矩阵的仿射矩阵，基于仿射矩阵与已标注用户的标签计算得到所加入的未标注用户的标签，其中，标签能够反映业务质量的步骤。

摘要： 一种在第一及第二网络通信装置的一方执行，预测对方的通话质量的方法，包括：(a)可选择性地包括用于上述一方的通话质量预测的上述一方的地址信息(IP地址、Port号)，向对方传输包含通话质量预测要求的SIP(Session Initiation Protocol)事务请求的步骤；(b)响应于上述SIP事务请求从上述对方接收包含上述对方的地址信息(IP地址、Port号)的SIP事务应答的步骤；(c)通过上述一方的地址信息和上述对方的地址信息，通过利用1)与实际媒体的包含与否无关的RTP分组；2)RTCP分组；或3)对上述对方伪装成RTP的伪装UDP分组(下称“传输试验分组”)的通信执行与上述对方的传输试验以预测通话质量的步骤；及(d)或在(a)步骤之后，上述对方利用上述一方的地址首先执行(c)步骤以获取通话质量预测结果之后，将结果包含于上述SIP事务应答之中传输给上述一方的步骤。

摘要： 本发明涉及质量相关性分析方法、质量预测方法及质量控制方法。该质量相关性分析方法包括：数据获取步骤，获取产品质量数据和特征量数据作为历史数据，并将其分为模型构建数据和模型验证数据；模型构建步骤，采用模型构建数据，通过决策树方法在产品质量与多个特征量之间构建初步模型，由此计算出各特征量的重要性权重；筛选步骤，根据重要性权重较高的预定比例的特征量和专家经验数据确定出有效特征量；模型修正步骤，根据有效特征量，利用模型构建数据对初步模型进行修正，得到二次模型；验证步骤，利用模型验证数据验证该二次模型的精度；以及调整步骤，在计算出的精度低于精度阈值的情况下，调整所述预定比例，直至其达到精度阈值以上。