![](https://static.zsdocx.com/FlexPaper/FileRoot/2019-3/14/18/84f2c59c-fdb4-40e1-9775-a22fc7995563/84f2c59c-fdb4-40e1-9775-a22fc7995563pic.jpg)
![基于數(shù)據(jù)密度的變點(diǎn)識(shí)別方法研究.pdf_第1頁](https://static.zsdocx.com/FlexPaper/FileRoot/2019-3/14/18/84f2c59c-fdb4-40e1-9775-a22fc7995563/84f2c59c-fdb4-40e1-9775-a22fc79955631.gif)
版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、控制圖是質(zhì)量控制的重要工具之一,廣泛應(yīng)用于生產(chǎn)過程的質(zhì)量監(jiān)控,能夠發(fā)現(xiàn)過程運(yùn)行中出現(xiàn)的系統(tǒng)性漂移,及時(shí)報(bào)警并采取措施,保證產(chǎn)品質(zhì)量??刂茍D的建立可以分為兩個(gè)階段:(1)回溯分析階段(PhaseⅠ,離線階段),通過對(duì)合格生產(chǎn)過程的歷史數(shù)據(jù)的分析,提取典型的基礎(chǔ)數(shù)據(jù),并建立基礎(chǔ)統(tǒng)計(jì)模型;(2)監(jiān)測(cè)階段(PhaseⅡ,在線階段),將新的觀測(cè)數(shù)據(jù)與基礎(chǔ)統(tǒng)計(jì)模型進(jìn)行比較,如果新的觀測(cè)值與模型不足夠接近,則判斷過程出現(xiàn)異常,需對(duì)該過程進(jìn)行調(diào)整。
2、r> 在回溯分析階段,一般假設(shè)基礎(chǔ)數(shù)據(jù)服從同一分布,但實(shí)際上基礎(chǔ)數(shù)據(jù)有可能服從多個(gè)分布。因此,對(duì)歷史數(shù)據(jù)中隱含的不同分布進(jìn)行識(shí)別是很有必要的。并在此基礎(chǔ)上對(duì)歷史數(shù)據(jù)進(jìn)行過濾,提取不同分布下的基礎(chǔ)數(shù)據(jù)并建立控制圖,才能更好的保證在線監(jiān)測(cè)階段對(duì)過程異常的有效監(jiān)控。
變點(diǎn)識(shí)別問題是回溯分析問題中的研究重點(diǎn)。多數(shù)研究均以過程服從某己知參數(shù)分布為基本假設(shè),其方法對(duì)特定分布的依賴性很高。鑒于此,本論文提出基于數(shù)據(jù)密度的變點(diǎn)識(shí)別研
3、究,其基本原理是:首先利用聚類分析原理將基礎(chǔ)數(shù)據(jù)進(jìn)行聚類,以滑動(dòng)窗口寬度為單位分別統(tǒng)計(jì)每類數(shù)據(jù)的數(shù)據(jù)密度,通過對(duì)數(shù)據(jù)密度的比較,從而確定變點(diǎn)位置。該方法所依據(jù)的理論主要有聚類分析原理
(Clustering Theory)、滑動(dòng)窗口理論(Moving Windows)及數(shù)據(jù)密度估計(jì)(DataDensity Estimation)。
通過Matlab軟件,本論文將所提出的方法與傳統(tǒng)的LRT方法和MMA方法進(jìn)行了
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于數(shù)據(jù)深度的變點(diǎn)識(shí)別方法研究.pdf
- 基于聚類分析的變點(diǎn)識(shí)別方法研究.pdf
- 基于層次聚類分析的變點(diǎn)識(shí)別方法.pdf
- 基于Hausdorff距離的非線性輪廓變點(diǎn)識(shí)別方法研究.pdf
- 多維數(shù)據(jù)異常點(diǎn)識(shí)別方法的研究.pdf
- 線性輪廓局部變化變點(diǎn)識(shí)別方法研究.pdf
- 基于數(shù)據(jù)融合的綜合識(shí)別方法研究.pdf
- 基于紅外數(shù)據(jù)的數(shù)據(jù)智能識(shí)別方法研究.pdf
- 非線性高維輪廓局部變點(diǎn)識(shí)別方法研究.pdf
- 基于變目標(biāo)分類任務(wù)的手勢(shì)識(shí)別方法研究.pdf
- 基于關(guān)鍵點(diǎn)加權(quán)的掌紋識(shí)別方法研究.pdf
- 基于能量密度的簡單結(jié)構(gòu)損傷識(shí)別方法研究.pdf
- 基于數(shù)據(jù)融合的表情識(shí)別方法研究.pdf
- 基于密度分析的回溯期非參數(shù)變點(diǎn)識(shí)別研究.pdf
- 基于數(shù)據(jù)融合的結(jié)構(gòu)損傷識(shí)別方法研究.pdf
- 基于數(shù)據(jù)融合的結(jié)構(gòu)損傷識(shí)別方法研究
- 基于數(shù)據(jù)融合的運(yùn)動(dòng)目標(biāo)識(shí)別方法研究.pdf
- 基于手機(jī)GPS數(shù)據(jù)的出行端點(diǎn)識(shí)別方法研究.pdf
- 基于視頻檢測(cè)的車輛變道軌跡識(shí)別方法研究.pdf
- 基于HMM的轉(zhuǎn)錄因子結(jié)合位點(diǎn)識(shí)別方法研究.pdf
評(píng)論
0/150
提交評(píng)論