基于时序全局主成分分析的白车身检测数据分析方法

白车身制造质量对整车的美观和性能都有着很大的影响,急需一种合理的指标来评价白车身的制造质量。本文介绍了如何利用基于时序全局主成分分析的检测数据分析方法来构造白车身制造质量的综合评价指标。本文还给出一个具体的实例来说明该评价指标的合理性和综合性。     

基于贝叶斯网络的车身制造偏差诊断

车身结构的复杂性及知识表达的不精确性,使得车身故障症状与故障原因之间的映射表现为随机和不确定。针对这些特点,在大量车身测量数据和历史诊断案例的基础上,将贝叶斯网络引入到车身偏差故障诊断中去。对贝叶斯网络的参数学习进行了探讨,结合实例统计和相关性分析建立了车身偏差诊断的贝叶斯网络模型。最后用以某车型的偏差诊断案例对该方法进行了验证,结果表明该方珐在工程实际中有一定的指导性。     

模式相关性分析在车身多偏差源诊断中的研究

针对车身装配过程中多偏差源诊断难题,提出了基于工位间多源检测数据融合分析的多偏差源诊断方法。通过对不同工位、不同设备及检测频次的偏差数据的综合利用与主成分分析的基础上,研究了零部件与总成之间偏差模式的映射方法,实现了上游车身零部件尺寸质量的诊断;根据工装CAD信息等提取夹具失效模式向量,构建各夹具失效模式对车身总偏差的贡献度评价指标,获得了各夹具元件的失效系数,实现了工位内夹具失效的诊断。经案例验证,所提出的诊断方法具有较高的准确性和实用性。     

车身冲压件匹配间隙评价过程中主成分方法应用

以主成分分析理论为基础 ,对车身冲压件的匹配状况进行计算、评价。在工程中应用此方法对某轿车前轮罩总成中前轮罩和前纵梁的匹配曲面进行分析 ,结果表明 ,该方法可以对前轮罩总成匹配状况做出合理的评价 ,为车身装配工艺的调整、改进提出理论根据。     

制造企业核心竞争力的主成分分析

首先构建了制造业核心竞争力的指标体系,然后运用主成分分析法,把评价制造业核心竞争力的多指标转化为少数几个综合指标,抓住复杂问题的主要矛盾,为我国制造业构建及评价其核心竞争力提供借鉴。     

主成分分析方法在轿车装配尺寸偏差中的应用研究

在分析轿车车体装配过程误差的基础上，根据车体制造从零件到白车身的装配过程知识，建立了白车身装配过程的树结构，并应用主成分分析方法从大量的CMM测量数据中将零件偏差分离为相互独立的几何偏差模式。针对整车总装过程中出现后桥装配干涉的实际案例，利用CMM测量和传统样架检测，运用主成分分析方法对与案例相关零部件的CMM测量数据进行了统计分析与处理，最终实现了对后桥装配干涉案例的误差源诊断，结果表明在冲压过程形成的零件偏差将保留于下游的装配过程中。     

框架结构非线性损伤的主成分分析识别方法研究

针对框架结构非线性损伤识别问题,提出一种基于主成分分析的损伤识别方法。利用主成分分析数据压缩和特征提取的特性,首先对结构基准工况响应信号进行处理,提取特征成分,得到主成分模型,然后将结构未知工况响应数据向主成分模型投影,通过构造损伤指标实现对结构非线性损伤的识别。以四层钢框架结构碰撞模型为实验对象,通过螺栓和钢柱构造碰撞非线性损伤源,实验结果表明该方法可有效识别结构的非线性损伤。     

基于非线性主成分分析的最小包围盒计算方法

研究了三维模型最小有向包围盒算法,提出了基于非线性主成分分析的最小包围盒计算框架,根据Voronoi区域和Baryccntric区域定义了顶点区域面积,并根据非线性主成分分析原理,使用顶点区域面积对各顶点进行调制,消除顶点分布的不均匀性,再使用传统主成分分析得到目标正交坐标系,从而得到最小包围盒.最后,定义了一个相似度系数,来度量最小包围盒的计算效果.通过实验表明,使用顶点面积进行凋制可以得到比其他方法更稳定的结果,且计算复杂度较小.     

变压器故障诊断中的主成分分析研究

电力变压器的正常运行是对电力系统安全,可靠、优质、经济运行的重要保证,用主成分分析思想及方法,对油中溶解气体数据进行分析、降维,用最少的数据代表原变量的最大信息,以利于快速准确地诊断出变压器的故障原因,进而提高变压器的安全、经济运行水平。     

基于主成分分析的特征频率提取算法及应用

通过研究主成分分析(principal component analysis,简称PCA)中有效特征值与信号频率和幅值之间的关系,发现有效特征值的数量是由原始信号中频率成分的个数决定,与幅值、频率和相位的大小无关。信号中每个频率产生两个有效的特征值,且幅值决定协方差矩阵C的特征值在其分布图中的排列顺序。提出了一种基于PCA的特征频率提取算法,该算法可实现对单个或多个特征频率的准确提取。将此方法应用于大型转子系统轴心轨迹的提纯上,效果优于谐波小波和小波包算法。     

基于主元分析确定多变量系统控制极限的方法

针对存在多个稳定状态的多变量统计过程控制的控制极限问题,提出先分析系统变量的历史数据得到其经验分布,确定该变量的不同稳定状态及对应的状态域;将数据样本按不同的状态分组标准化后,分别进行主元分析,得到不同稳定状态下的Hotellings T2及平方预测误差SPE（Q）控制极限。用本方法和普通主元分析法对某钢铁公司局部蒸汽管网的流量数据模拟监控的效果进行对比,表明本方法由于区分不同状态,确定的Hotellings T2及平方预测误差SPE（Q）控制极限更精确,能有效降低漏报警和误报警的概率。     

基于KPCA-SVC的复杂过程故障诊断

本文提出了一种将核主元分析方法与支持向量机分类相结合进行故障诊断的方法,运用该方法对连续搅拌釜式反应器（CSTR）进行实时的故障诊断,实验结果表明KPCA-SVC故障诊断方法既充分利用了KPCA的特征提取能力和SVC的良好的分类能力,又避免了复杂的计算,有利于提高故障诊断模型的实时性。     

改进MKPCA方法及其在发酵过程监控中的应用

针对间歇发酵过程缓慢时变和非线性等特点,提出一种基于滑动窗技术的多向核主元分析(MWMKPCA)方法.该方法结合了核主元分析(KPCA)和滑动窗口技术的优点,其中KPCA能有效解决过程数据的非线性问题,保证数据信息抽取的完整性;而滑动窗口技术能有效避免MKPCA在线应用时预报未来测量值所引入的误差,提高监控性能.对于已判断正常的新批次过程数据,将其加入模型参考数据库进行更新,从而提高间歇过程性能检测的准确性.将该方法应用到工业青霉素发酵过程的监控中,并与MPCA、MKPCA方法的监测性能进行了比较.结果表明:该方法能有效提取过程变量间的非线性关系,降低运行过程的误报率,对缓慢时变的间歇过程具有更可靠的检测性能.     

基于改进多尺度核主元分析的化工过程故障检测与诊断方法研究

针对化工过程数据的多尺度性和非线性特性,提出了改进多尺度核主元分析法.先利用小波变换分析测量数据的多尺度特性,然后采用核主元分析算法进行在线故障检测,对检测到的故障采用核函数梯度算法实现在线故障诊断,根据每个监控变量对统计量T~2和SPE的贡献程度,绘制贡献图,用于故障的分离.在监控过程中为解决核矩阵计算困难,引入特征向量选择方法.TE过程的仿真结果表明它能有效实现故障检测、故障诊断,与主元分析方法相比,显示出更高的过程监控能力.     

基于抽检数据的快速白车身故障诊断

在车身生产过程中，平时积累了大量的抽检数据用于质量监控，然而由于车身测量数据的抽样小，不同总成抽测频率也不完全相同等特点，无法直接被用于车身制造偏差源的诊断中的相关性分析，当前用相关性分析来确定故障源的方法存在需要大量附加测量实验。本文提出了基于贝叶斯理论的相关性分析方法，可利用原有测量数据实现车身制造质量故障的快速诊断，有效的降低人力、物力资源的耗用，产生大的经济效益。     

基于函数主元分析的多阶段退化过程建模与预测

退化过程建模与预测作为设备健康管理的基础,是降低运行风险和维护成本的有效途径。为解决实际中退化过程所表现出的随机性、非线性和多阶段复杂性,提出了一种基于函数主元分析的多阶段退化过程自适应建模与预测方法。通过将退化测量值视为连续函数的离散采样值,从而将退化建模问题转换为函数型数据分析问题。在此基础上,利用函数主元分析方法对退化数据进行降维,提取设备退化的共性信息以及个体差异性信息。结合贝叶斯推理,利用在线监测数据更新退化模型参数,实现健康状态的在线实时预测。最后,将所提的方法用于散热风扇的加速寿命试验数据,验证了本方法的有效性。结果表明,所提方法可以地很好建模多阶段的复杂随机退化过程,具有潜在的工程应用价值。     

基于改进核主元分析的TE过程故障诊断

对于复杂非线性化工过程,传统的核主元分析(KPCA)方法在故障检测方面明显优越于普通的PCA方法,但存在故障辨识效果差的问题,而且实际得到的数据不可避免地带有噪声、随机干扰。针对此,提出一种改进的核主元分析方法,对数据进行小波去噪预处理,利用核主元分析方法进行故障检测,并利用计算核函数的偏导方法求取KPCA监控中每个原始变量对统计量T2和SPE的贡献率,根据每个变量对监控统计量贡献程度的不同,可以辨识出故障源。把上述方法应用到TE(Tennessee Eastman)化工过程,仿真结果表明该方法不仅能够去噪、抗干扰和准确检测故障,而且能够有效辨识故障。     

一种基于主成分分析的图像信息隐藏质量评价方法

评价信息隐藏方法的隐藏质量是信息隐藏研究的一个重要部分。针对传统的主客观评价方法存在的缺点和不足,提出了一种图像信息隐藏质量的评价方法。选取对图像信息隐藏比较敏感的10个图像质量评价量(IQMs),作为评价信息隐藏质量的特征量。利用主成分分析法对各特征量进行分析,排除各特征量之间的线性相关性,选择主成分量实现了对几种图像信息隐藏方法的综合评价。该方法灵活、高效,评价结果符合人眼视觉特性,是比较实用的图像信息隐藏质量评价方法。     

基于多变量统计过程监控的盾构机故障诊断

由于盾构机安装有众多监测仪表,且依靠单变量过程监控和人工诊断方式已经无法满足监测的要求,因此引入多变量统计过程监控方法(MSPM).主元分析(PCA)是应用最广泛的MSPM技术,PCA根据盾构运行监测的过程变量和历史数据建立数学模型,并计算统计监控量T2和平方预测误差δ,以及主元空间和残差空间的控制限,分析过程变量是否发生异常.最后以盾构刀盘驱动系统和螺旋输送液压系统为例说明MSPM的详细应用.     

基于多模态数据全信息的概率主成分分析故障检测研究

针对工业过程复杂的数据分布特性,本文提出了一种基于局部近邻标准化(LNS)的概率主成分分析(PPCA)故障检测方法(LNSPPCA)来解决由于过程数据的多模态特性和不确定性所引起的故障检测效果不理想问题.首先,通过LNS解决数据多模态问题,使标准化后数据尽可能的服从单一高斯分布,然后,使用PPCA方法从概率的角度对数据...