张帅
- 作品数：12 被引量：29H指数：3
- 供职机构：郑州大学商学院更多>>
- 发文基金：国家自然科学基金国家社会科学基金教育部人文社会科学研究基金更多>>
- 相关领域：经济管理自动化与计算机技术机械工程金属学及工艺更多>>
- 基于多主元特征与支持向量机的动态过程质量异常监控模型被引量：10
- 2018年
- 为简化多支持向量机识别模型的计算复杂度、提高动态过程质量异常模式的识别精度,提出一种基于多主元特征与支持向量机相结合的动态过程异常监控模型。利用主元分析方法对动态数据进行特征提取,将所提取的不同主元特征作为支持向量机分类器的输入对模型进行训练。将识别效率高的主元特征对应的转换矩阵与多支持向量机相结合,构建了基于多主元特征的多支持向量机识别模型,对质量异常模式进行识别。仿真实验表明,所提基于多主元分析支持向量机识别模型的识别精度比传统基于主元特征或其他特征提取方法的识别模型有显著提高,且训练所需时间大大减少。
- 刘玉敏张帅
- 关键词：动态过程支持向量机
- 基于惩罚似然比的高维空间相关过程EWMA质量监控模型被引量：3
- 2022年
- 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。
- 张帅张帅杨剑锋刘玉敏
- 关键词：EWMA控制图
- 基于改进Adaptive Lasso的多工序制造过程关键质量特性识别被引量：2
- 2020年
- 为解决多工序制造过程关键质量特性识别中存在的质量特性间具有多重相关性以及数据高维度,小样本等问题,本文采用主成分回归改进Adaptive Lasso方法并融合状态空间思想和Bootstrap方法实现多工序过程关键质量特性识别。首先引入状态空间思想构建多工序过程关键质量特性识别模型,然后利用Bootstrap方法重构样本,扩大样本量;进而采用改进Adaptive Lasso方法识别关键质量特性,并通过仿真验证改进Adaptive Lasso方法与Lasso,Adaptive Lasso和岭回归方法在质量特性间不同相关度下识别的有效性;最后通过实例说明改进Adaptive Lasso的具体应用过程,仿真及实例结果显示,改进Adaptive Lasso方法对多工序过程有良好的关键质量特性识别能力,特别当质量特性间有较强相关性时显著优于其它两种方法。
- 王宁张帅刘玉敏
- 关键词：多工序制造过程状态空间模型BOOTSTRAP
- 基于主元分析的SVM动态过程质量异常模式识别
- 2014年
- 质量异常模式识别是实现生产动态过程在线质量监控与诊断的关键。针对现有质量异常模式识别在实际应用中存在的计算复杂和识别精度不高等问题,提出了一种基于主元分析的SVM动态过程质量异常模式识别的方法。运用PCA技术对原始样本数据进行特征提取,有效去除原始数据中的噪音并降低数据维数;在特征提取的基础上,将主元特征向量作为SVM分类器的输入向量,进而利用粒子群寻优方法实现了对分类器参数优化选取,并进一步训练得到支持向量机分类器。最后,使用优化后的分类器对质量异常模式进行识别。仿真实验结果表明,该方法整体识别精度达到97.5%,适用于生产过程的质量监控和诊断。
- 刘玉敏张帅
- 关键词：动态过程模式识别主元分析支持向量机粒子群算法
- 基于MPCA-LSSVM的生产制造过程异常监控模型被引量：4
- 2018年
- 针对PCA方法在生产过程质量异常监控中存在阈值设置过于主观、特征提取效果不高等问题,文章提出一种将多主元分析方法（MPCA）与最小二乘支持向量机算法（LSSVM）相结合的生产制造过程质量异常模式智能监控模型。首先,利用不同阈值设置方法对观测数据进行PCA特征提取。其次,将不同的主元特征作为LSSVM分类器的输入对监控模型进行训练。然后,将识别效率最高的主元特征对应的模型参数与MSVM相结合,构建出基于MPCA-LSSVM的监控模型对生产过程的质量异常模式进行识别。仿真实验表明,基于MP-CA-LSSVM识别模型的识别精度比基于传统的主元分析方法以及其他特征提取方法的监控模型有显著提高。
- 刘玉敏张帅
- 关键词：最小二乘支持向量机
- 基于改进Adaptive LASSO的多阶段制造过程关键质量特性识别
- 随着现代制造技术的不断发展和产品复杂程度的进一步提高，依托先进制造和信息技术的发展，以机械装配、加工、半导体制造、航空航天及医药制造等行业为典型的多阶段制造过程逐步成为主要发展方向。多阶段制造过程是指一个制造系统为生产出...
- 王宁张帅
- 基本公共服务供给水平对城乡居民收入差距的影响研究被引量：1
- 2023年
- 基于中国29个省(自治区、直辖市)2004—2020年的省级面板数据,采用固定效应模型实证研究各地区基本公共服务供给水平对城乡居民收入差距的影响,实证结果表明:我国基本公共服务供给水平的提升能够有效缩小城乡居民收入差距。全方位提升基本公共服务供给水平,对于缩小城乡居民收入差距,实现社会收入分配公平、提升经济发展质量,不断增强人民群众的获得感、幸福感和安全感,全面增进民生福祉,扎实推进共同富裕具有重要的理论和现实意义。
- 王海霞黄潇张帅
- 关键词：收入差距共同富裕
- 基于多特征PCA融合的SVM质量异常识别被引量：1
- 2014年
- 为了提高动态过程质量异常模式识别的精度,提出一种基于主元分析的多特征融合方法.首先提取出样本数据的统计特征和几何特征;接着将混合的多种特征进行PCA处理,提取出主元特征向量;然后利用粒子群算法寻找SVM分类器的最优参数;最后,通过仿真实验与其他识别方法进行对比,实验结果表明:本文提出的多特征PCA融合方法具有较高的识别精度,为质量异常模式识别研究提供了新的方法.
- 刘玉敏张帅
- 关键词：主元分析支持向量机动态过程模式识别
- 基于Logistic回归的数据富裕环境下制造过程质量动态监控被引量：2
- 2023年
- 针对数字化工厂“数据丰富,信息贫瘠”环境下制造车间生产过程存在异常信息利用不充分而造成监控效率低的问题,提出基于SPC技术和Logistic回归模型的制造过程质量监控方法。将关键工序中相关质量数据采集到MES系统,根据过程质量数据绘制T^(2)控制图,然后利用Logistic回归模型挖掘过程异常信息,并通过T 2和Logistic回归的联合优化实现数字化工厂制造过程质量监控的动态调整。以某薄膜晶体管液晶显示器等离子薄膜沉积生产工序为实际案例,验证了该制造过程质量监控方法的可行性和有效性。因此,在T^(2)控制图的基础上通过Logistic回归模型考虑过程异常信息能够提高制造过程质量监控的灵敏性和鲁棒性。
- 张帅张帅杨剑锋
- 关键词：LOGISTIC回归
- 基于GMM-Ada-LASSO模型的高维过程统计质量监控方法
- 2024年
- 针对高维数据往往不服从正态分布导致统计监控模型识别精度低、监控效率差的问题,文章提出一种基于高斯混合模型的变量选择控制图方法。首先,利用高斯混合模型将高维过程分解成若干个服从正态分布的子分布;然后,运用Adaptive LASSO算法识别潜在异常变量;最后,构建多元EWMA控制图实现高维过程统计质量监控。通过仿真实验,在六种不同情形下对所提方法的监控性能进行测试。结果表明,与传统MEW⁃MA和VS-MEWMA控制图相比,所提监控方法对非正态数据具有较强的稳健性,对高维过程具有良好的监控性能。
- 张帅张帅杨剑锋
- 关键词：高维数据高斯混合模型
