化工学报
化工學報
화공학보
JOURNAL OF CHEMICAL INDUSY AND ENGINEERING (CHINA)
2013年
7期
2526-2534
,共9页
注塑过程%产品质量预测%拉普拉斯特征映射%Mean Shift聚类%偏最小二乘支持向量机
註塑過程%產品質量預測%拉普拉斯特徵映射%Mean Shift聚類%偏最小二乘支持嚮量機
주소과정%산품질량예측%랍보랍사특정영사%Mean Shift취류%편최소이승지지향량궤
injection molding process%product quality prediction%Laplacian Eigenmap%Mean-Shift clustering%partial least square-least square support vector machine
针对多工况注塑过程的在线质量预测问题,考虑了过程数据高维、耦合、非线性等特点,采用拉普拉斯特征映射(LE)方法实现过程数据的非线性降维；在低维特征空间中采用Mean Shift聚类算法完成样本的工况聚类,以便注塑过程的工况分析和知识挖掘；同时运用Mean Shift原理,提出一种新样本的在线工况识别方法；最后应用基于混合粒子群(PSO)参数寻优的偏最小二乘支持向量机(PLS-LSSVM)方法,建立了多工况注塑过程的产品质量软测量模型.实验结果表明,相较于PLS-LSSVM方法,本文方法的预测精度和泛化性能均有明显提高,可为实际注塑企业提供一种效果良好的多工况产品质量在线预测方法.
針對多工況註塑過程的在線質量預測問題,攷慮瞭過程數據高維、耦閤、非線性等特點,採用拉普拉斯特徵映射(LE)方法實現過程數據的非線性降維；在低維特徵空間中採用Mean Shift聚類算法完成樣本的工況聚類,以便註塑過程的工況分析和知識挖掘；同時運用Mean Shift原理,提齣一種新樣本的在線工況識彆方法；最後應用基于混閤粒子群(PSO)參數尋優的偏最小二乘支持嚮量機(PLS-LSSVM)方法,建立瞭多工況註塑過程的產品質量軟測量模型.實驗結果錶明,相較于PLS-LSSVM方法,本文方法的預測精度和汎化性能均有明顯提高,可為實際註塑企業提供一種效果良好的多工況產品質量在線預測方法.
침대다공황주소과정적재선질량예측문제,고필료과정수거고유、우합、비선성등특점,채용랍보랍사특정영사(LE)방법실현과정수거적비선성강유；재저유특정공간중채용Mean Shift취류산법완성양본적공황취류,이편주소과정적공황분석화지식알굴；동시운용Mean Shift원리,제출일충신양본적재선공황식별방법；최후응용기우혼합입자군(PSO)삼수심우적편최소이승지지향량궤(PLS-LSSVM)방법,건립료다공황주소과정적산품질량연측량모형.실험결과표명,상교우PLS-LSSVM방법,본문방법적예측정도화범화성능균유명현제고,가위실제주소기업제공일충효과량호적다공황산품질량재선예측방법.
