与软测量建模相结合的过失误差侦破新方法

软测量模型建立前对建模数据进行过失误差侦破与剔除,是确保数据质量、成功建立软测量模型的先决条件.针对软测量建模过程中建模数据过失误差侦破的特殊性,提出了一种适用于软测量数据的中心欧氏距离聚类算法(CED),这种新方法依据各数据点到数据中心的欧氏距离来判定过失误差,脱离了传统过失误差侦破方法依赖于机理模型的束缚,更好地适应了软测量的特点.针对单纯使用聚类算法实现过失误差侦破的不足,将其与软测量建模过程相结合,将建模误差作为过失误差侦破过程的指导,使其克服了由于单纯基于数据而存在的缺陷,并且在完成过失误差侦破的同时建立了软测量模型.实验表明这种与软测量建模相结合的基于聚类分析的过失误差侦破方法具有很好的效果.     

动态过程的数据校正和显著误差的侦破

在过程工业中，通常需要在线或离线对多个过程变量进行测量，将其作为生产管理、决策分析、过程操作与控制的依据。然而，由于测量过程可能受到多种不可预测因素的影响（如设备泄漏、传感器失灵、过程波动等），导致测量数据不可避免地包含误差。因此开展测量数据的误差侦破与校正方法的研究具有重要意义。     

基于数据驱动的发电机组软测量建模方法优化研究

针对发电机组中部分难测准参数的软测量及已测量参数的准确性校验等应用问题,提出了融合广义神经网络(GRNN)和B样条偏最小二乘回归(PLSR)各自优势的数据驱动软测量建模新方法NN-PLS。该方法先采用了GRNN对由机理分析初步选定的建模变量预建模,考察了各参变量对因变量的平均贡献率,并筛选得出了主要建模参数,然后采用B样条PLS对筛选后的变量建模,从而得出了简化、可靠的模型,最后以联合循环电厂的实测数据为样本进行了建模。研究结果表明,NN-PLS方法对不同工况下测量参数拟合准确、精度高、模型泛化能力强,同时由于该模型需要保存的参数相对较少,更适合作为解决上述在线问题的模型。     

直线度误差测量的一种方法

本文提出了一种新的直线度测量方法,该法简单而精确。     

基于神经网络的动态系统软测量

简要叙述了基于神经网络软测量的主要技术方法,针对当前软测量过程中所存在的一些问题,对随机学习方法(RAW)的性能作了比较分析.通过对一个典型动态过程对象的仿真,表明该学习方法的有效性以及工业应用的实用性.     

软测量技术及其应用与发展

在工业生产中存在的大量过程参数,往往与生产效率、产品质量密切相关,需要加以严格控制.然而,由于技术、工艺或经济的原因,目前无法通过普通传感器对这些过程参数进行检测.软测量技术作为解决上述问题的新方法,近年来取得了重大发展.文中系统阐述了软测量技术的原理及应用现状,并分析了其现存的问题,同时,对这项技术未来的研究和发展趋势作了展望.     

基于改进串联混合建模方法的发酵过程菌体浓度软测量

发酵过程中菌体浓度难以在线实时测量,给控制与优化带来困难.针对这一问题,本文利用软测量技术来实现菌体浓度的在线估计,并提出了一种改进的串联混合建模方法用以建立菌体浓度软测量模型.改进的串联混合建模方法,克服了现有方法需要利用插值所得的数据进行软测量模型构建的不足,从而保证了建模数据的可靠性.利用诺西肽发酵过程生产数据进行仿真研究,仿真结果表明,基于改进串联混合建模方法的软测量模型是有效的,比基于现有方法的软测量模型具有更好的估计性能.     

数控机床几何与热误差测量和建模研究新进展

几何误差与热误差是影响数控机床空间精度的两类重要误差,误差项多且产生机理复杂,直接影响机床加工质量,因此对其进行建模与分析至关重要。综述了近5年数控机床几何与热误差测量与分析研究的最新进展,总结了现有误差测量和建模方法的特点。几何误差方面重点综述了基于试件在机测量、基于激光跟踪干涉仪测量以及测量可追溯性分析的研究新进展;热误差方面着重总结了丝杠、旋转轴和主轴核心部件的热误差建模新方法。最终系统地分析了机床误差测量与建模现有方法中尚需解决的技术难点,并探讨了未来的发展方向。     

铝用碳素阳极石油焦煅烧带的软测量建模研究

铝用碳素阳极煅烧窑石油焦煅烧的检测控制由于对煅烧带的检测不能有效实现而存在困难,提出了基于定量统计软测量分析建模实现煅烧带测量的方法,该方法基于对煅烧大窑外部窑皮进行温度检测,通过统计分析建模实现煅烧带的软测量,成功地实现了煅烧带非线性建模和系统辨识。     

一种测量齿轮齿距误差的动力学方法

本文介绍了一种用磁电式传感器测量齿轮的齿距误差的动力学方法,文中给出了测量原理和相关测量系统,在瞬时转速试验实验台上的实验结果验证了所述方法的正确性.     

高置信度的显著误差综合检测法

实际生产过程要求显著误差检测有相当高的准确性 ,即要求“虚警”和“漏报”的概率都很低。但目前使用的各种方法往往很难同时满足这两个要求。本文提出了一类高置信度的检测法 ,使得“虚警”和“漏报”的概率都降低到了令人满意的水平     

基于误差分离技术的圆度误差在位测量

总结了现有用于在位圆度误差测量的误差分离技术,并对经典频域三点法、时域三点法、频域三点法的近似实现方法和频域三点法的改进实现方法的测量特点进行了评述。针对球度误差没有实现在位测量的问题,将圆度误差分离技术引伸到球度误差分离技术,并在理论上进行了探讨。     

复杂机械系统运动误差自动建模技术研究

基于多体系统理论的基本思想,研究了复杂机械系统运动误差建模的规律性,提出了复杂机械系统运动误差特征建模方法,用于解决复杂机械系统误差建模的通用性和自动化问题,以数控加工中心在线检测系统为例,说明了方法的应用。     

基于支持向量机的软测量方法及其在生化过程中的应用

针对所有样本点均出现在最小二乘支持向量机模型中的缺陷，提出了一种改进的最小二乘支持向量机回归方法。根据样本点间欧氏距离的大小，去除原变量空间中大部分的样本点，从而获得回归模型的“稀疏”特性，大大简化模型复杂程度。同时，将这一方法应用于生物发酵过程，建立青霉素发酵过程中产物浓度的软测量模型，实现青霉素浓度的在线预估。实验研究结果表明，所提方法为生物发酵过程中难于在线测量质量参数的实时监测提供了一个有效的手段。     

基于PCA—改进BP算法的软测量技术

文中针对基本BP网络建立软测量模型时所存在的一些问题,例如：输入变量之间可能存在的线性相关等冗余性、基本BP算法收敛速度较慢而且易于限于局部最优等,本文尝试将主元分析与变尺度改进BP算法相结合,以提高软测量模型的训练速度和外推能力,为软测量技术的在线应用提供更大的方便。实验结果表明PCA方法与变尺度的改进BP神经元网络相结合的软测量建模方法在训练速度和外推能力方面有较大的改善。     

基于拉线式编码器的混联搬运机器人误差检测

根据码垛任务特点,采用基于混联结构的四自由度码垛机器人设计;优化连杆参数,简化混联结构机器人的运动学求解,采用D—H法,获取机械手末端在三维空间的位置坐标的理论值;采用4个拉线式绝对编码器,2个平行布置的连杆,以及数据采集处理器,基于编码器信息,根据运动几何关系求解,获取机械手末端在三维空间位置的实际值;通过对比理论值与实际值,得到机器人的终端位置误差检测。     

基于误差注意力的晶圆制造数据异常检测

针对晶圆制造数据异常检测过程中异常特征提取难度大且检测效率不高的问题,提出了一种基于误差注意力的晶圆制造数据异常检测方法。在保持数据分布不变的前提下,将晶圆制造数据转化成灰度图像,根据与正常样本的误差对灰度图像生成基于位置的柔性注意力图,增加误差特征的显性表达并略去冗余特征;利用深度学习神经网络LeNet-5模型将注意力图进行卷积训练,得到异常检测的最优化模型。采用晶圆制造数据集与现有方法进行对比,所提方法耗时缩短160%、F2-Score提高3%,证明了所提方法的有效性。     

基于装配定位优先级的并联结合面误差建模

分析了并联结合面在装配定位优先级意义下装配误差的形成机理与计算方法。针对常见的平面结合面与圆柱结合面,分析了误差形成和装配精度失效的原因,采用小位移旋量(SDT)法描述了误差变动。针对并联结合面间位姿变动的相互影响,定义了装配定位优先级的概念,并详细分析了并联结合面装配定位优先级的判定依据。根据装配定位优先级确定了并联的各结合面误差组成及计算方法。列举了常见的并联结合面形式,并以一组常见并联结合面的装配误差分析为例,验证了该方法的可行性,为装配体误差分析、零件精度设计、装配成功率计算等提供了借鉴。     

基于D-H矩阵的球面5R并联机构误差建模及灵敏度分析

以D-H变换矩阵为建模工具,采用环路增量法,建立了包含杆件D-H参数的球面5R并联机构的误差模型,该模型不仅考虑了机构的结构参数误差,还考虑了由于加工和装配等原因出现的各转动副轴线和球心之间的偏差,使得误差模型更接近于工程实际;根据误差模型进一步计算得到了各从动件运动参数误差以及轴向间隙量的显式函数关系;最后对该机构进行灵敏度分析,研究了各几何误差源对该机构末端执行器位姿误差的影响程度。研究结果为该机构样机的标定、运动学补偿及应用提供了理论基础。      

基于组件及多感知机制的快速碰撞检测方法

提出了一种面向虚拟装配的碰撞检测方法，其方法在传统基于包围盒层次的碰撞检测基础上，引入了多感知机制和组件技术。通过对虚拟场景中不同的装配情景和装配阶段进行分析，采用层次检测思想，基于组件层次和时序进行检测，通过距离、时间、关系和运动趋势等信息排除大量非碰撞组件，实现了快速检测。该方法已在虚拟装配平台中得到初步应用，结果表明该方法是有效和实用的，能够满足虚拟装配对碰撞检测性能的要求。