基于多因素分析的烘丝机入口含水率预测模型的建立与应用

为了保障制丝过程中烘丝机入口含水率的稳定性,采用Pearson相关分析的方法,确定烘丝机入口含水率的主要影响因素,并用神经网络算法和多元回归分析方法建立含水率预测模型。通过模型求解,实现给定烘丝机入口含水率计算松散回潮机回潮加水比例参考值的目的。采用模型预测值与实测值对比的方法进行检验。结果表明:烘丝机入口含水率设定值为19.2%时,采用本方法得到的烘丝机入口含水率均值为19.21%,优于改进前的19.09%,且误差标准偏差由0.43%降到0.26%,批次间烘丝机入口含水率的波动得到改善。      

基于自编码器的制冷压缩机异常振动检测方法

制冷压缩机是冷藏设备的核心部件,针对制冷压缩机生产过程中的质量管控难题,提出了一种基于自编码器技术的制冷压缩机异常振动检测方法,同时给出了自编码器异常振动检测的原理和流程以及压缩机振动信号样本的获取方法。研究了自编码器输入与输出间的均方差值与信号样本的分布关系,基于自编码器模型,给出了压缩机异常振动的判断依据。从自编码器参数和训练样本数量两个方面,讨论了自编码器计算迭代次数、隐藏层数以及训练样本数量3个参数对其判定准确性的影响关系,研究发现,迭代次数和隐藏层数对判定准确性有影响,但规律性不强;样本数量对判定准确率影响显著,会随训练样本数量增加而提高,提高训练样本数量是提高自编码器判定准确率的有效方法,自编码器可以很好应用于制冷压缩机异常振动的检测。     

一种融合模块2DPCA与PCA的人脸识别方法

针对主成分分析（PCA）求解高阶矩阵计算量很大和模块二维主成分分析（M2DPCA）特征数量仍然较大且有一定的相关性的问题,提出了融合模块2DPCA与PCA的方法进行人脸识别．该方法先通过M2DPCA对子图像进行特征提取,然后把每个图像中的子图像按分块的顺序重新组成新的矩阵,再对新的矩阵进行PCA．在ORL人脸库中实验,结果表明,该算法在一定程度上去除了特征参数间的相关性并大大减少了特征维数．     

基于PCA和聚类分析方法对云南不同茶区晒青毛茶生化成分分析

为研究云南不同茶区28份晒青毛茶生化成分以及类群之间的差异性,采用常规法和高效液相色谱法分析了28份晒青毛茶的主要生化成分,利用主成分分析法和聚类分析法,对28份晒青毛茶进行类群划分。结果表明,儿茶素、表儿茶素、表没食子儿茶素作为28份晒青毛茶样的主要生化成分,其变异系数分别为56.88%、36.41%和49.52%,多样性指数分别为1.91、1.91和1.97,说明供试样在非酯型儿茶素组成及表现上更加丰富。将供试样划分为6个类群,并且类群之间生化成分含量存在一定差异。     

基于变分自编码器的现代服饰局部中国风格迁移

为了解决对现代服饰进行中国风格迁移时存在区域划分不佳、边界伪影等问题,提出了改进变分自编码器(VAE)的服饰风格迁移方法。首先利用Yolo v3模型对输入图片的服饰局部进行目标快速识别,然后通过经典语义分割算法(FCN)进行期望服饰风格迁移区域的二次精细划分,最后使用训练后的变分自编码器模型生成迁移中国风格的现代服饰图片。结果表明:相比于传统风格迁移模型方法,采用改进后的VAE风格迁移模型,能够获得更精细的服饰风格迁移合成图片,并且可以适应不同的中国传统风格,满足服饰风格迁移场景的应用要求。     

基于PCA和BP神经网络的葡萄酒品质预测模型

研究基于主成分分析(PCA)和神经网络建立葡萄酒评价模型并进行预测。该模型先将葡萄和葡萄酒中33个理化及风味指标进行主成分分析,再以主成分得分作为输入数据,葡萄酒的感官评价得分作为输出数据,建立葡萄酒和酿酒葡萄的主要理化指标与葡萄酒质量的关系模型。结果表明:通过检测主成分的质量指标,能对葡萄酒给出很好的质量评价;该模型与传统的网络模型相比,能很好的简化网络结构,输入神经元个数从33个减少为9个,收敛速度提高87.5%,模型绝对误差的最大值为0.35。     

基于记忆去噪卷积自编码器的色织物缺陷检测

针对传统自编码器泛化能力弱导致色织物缺陷检测性能不佳的问题,提出一种记忆去噪卷积自编码器重构模型和残差分析的无监督色织物缺陷检测与定位方法。首先,训练阶段仅利用无缺陷样本叠加椒盐噪声构建训练集。接着,建立记忆去噪卷积自编码器重构模型。然后,将训练集输入模型进行训练,使模型具有重构修复缺陷区域的能力。最后,在检测阶段计算待测色织物图像和其对应的重构图像之间的残差,并对残差图像进行阈值分割和闭运算操作,实现色织物缺陷区域的检测和定位。实验结果表明,提出的方法能有效重构色织物纹理,快速准确地检测和定位多种色织物的缺陷区域。该方法无需缺陷样本和缺陷样本标记,仅通过记忆无缺陷样本特征来增强模型重构修复缺陷区域的能力,从而提高缺陷检测性能。     

基于有限元方法的滚筒结构分析及设计

为了对带有纵横加强筋板的滚筒挠度进行理论分析,用Pro/E建立了滚筒有限元模型。结合简化的简支梁模型,以滚筒几何轴的挠度和滚筒壁厚的计算为依据,对模型进行参数化设置。通过分析影响挠度的主要参数,结合厂家现有的生产工艺,提出滚筒结构优化的方案。使用参数化模型对修改前后的模型进行动态性能分析,验证滚筒频率和振型。     

基于PCA分析食用酒精微量成分对醋酸发酵的影响

醋酸发酵中,原料食用酒精的选择会影响发酵速率的快慢和发酵结果的成败。因此,为醋酸发酵建立一套醋酸发酵类食用酒精检测标准迫在眉睫。该实验采用气相色谱-质谱联用结合主成分法测定、分析来源不同的食用酒精的微量成分的差异。结果表明,8种不同来源的食用酒精对醋酸的生产存在明显差异,采用气相色谱-质谱联用仪在这8种食用酒精中共检测出24种微量成分。PCA和聚类分析显示食用酒精中的微量成分的差异影响醋酸发酵的速率。甲酸、甲酸乙酯、戊酸-1,2-烯丙基酯、亚硫酸己基辛酯、草酸、丁基-6-乙基-3-酯、乙酸、甘油等微量成分可能影响醋酸发酵。发酵实验证实含量为100μg/m L的甲酸和含量为500μg/m L甲酸乙酯能显著降低醋酸发酵的速率。该研究表明食用酒精的微量成分影响醋酸发酵,并为建立一套以部分微量成分为参考值的醋酸发酵类食用酒精检测标准提供参考。     

基于PCA降维模型的造纸废水处理过程软测量建模

针对造纸废水处理过程的复杂特性,本课题将主成分分析（PCA）与人工神经网络（ANN）和支持向量回归（SVR）相结合,构建出两种新的软测量模型：主成分分析-人工神经网络（PCA-ANN）和主成分分析-支持向量回归（PCA-SVR）。本课题将这两种软测量模型应用于造纸废水处理过程中出水化学需氧量（COD）和出水悬浮固形物（SS）浓度的预测。计算结果表明,PCA-ANN和PCA-SVR的预测效果均优于偏最小二乘、支持向量回归和人工神经网络3种常规软测量模型,并且PCA-ANN的预测效果最优。对于出水COD浓度预测,PCA-ANN的决定系数（R2）为0.984,均方误差（MSE）为1.892,较ANN分别优化了9.7%和71.5%。对于出水SS浓度预测,PCA-ANN的R2为0.762, MSE为0.228,较ANN分别优化了31.2%和58.7%。     

基于自编码的长流程造纸过程断纸故障识别

断纸故障造成的非预期停机对生产效率影响较大,预测和识别断纸故障对造纸工业具有重要意义。本研究提出了一种基于堆栈自编码器（stacked autoencoder,SAE）和Softmax分类器的断纸故障分类和识别方法,通过相关性分析与机理分析相结合的方式筛选出关键过程变量,并采用聚类方法对断纸故障进行类型标记。建立并训练SAE模型以提取数据中的深度特征,并基于提取后的特征,可通过Softmax分类器识别断纸故障。以造纸厂历史数据进行验证,得到该模型的断纸故障分类准确率为96.2%,精准率为93.1%,召回率为91.9%,结果优于其他模型,说明基于SAE特征提取的分类模型可以较好地实现断纸故障识别。     

滚筒干燥过程中筒壁温度对烟丝理化品质的影响

采用方差分析和多重比较的方法对筒壁温度分别为100,120,140,150℃时烟丝填充值、烟丝弹性、整丝率、石油醚提取物、香味物质、总植物碱及总糖进行差异性分析,并利用主成分分析方法研究理化指标的变化,最后利用感官评价的方法对分析的结果进行验证。结果表明:不同筒壁温度对烟丝理化指标的影响达到显著水平(P0.05);主成分分析后烟丝理化指标主成分综合得分呈降低趋势;感官评吸的结果与方差分析与主成分分析结果较为一致。     

基于SPME-GC-MS和PCA分析气流膨化处理对马铃薯方便粥香气成分的影响

采用固相微萃取结合气相色谱-质谱对气流膨化处理前后马铃薯方便粥的香气成分进行分离鉴定,并应用主成分分析(principal component analysis,PCA)气流膨化条件对马铃薯方便粥香气成分的影响。结果表明,未经气流膨化处理的马铃薯方便粥含有50种香气成分,其中8种特征性香气成分分别为正己醛、壬醛、反-2-壬烯醛、苯乙醛、甲硫基丙醛、3-辛烯-2-酮、呋喃酮和2,4-二叔丁基苯酚。气流膨化处理后马铃薯方便粥的香气组成从烃类物质为主转变为杂环化合物(吡嗪类)与醛类为主,赋予马铃薯方便粥坚果似烤香、焦香及特有的薯类香气。通过PCA得出,3个主成分的累计贡献率达到90.758%,可代表气流膨化处理马铃薯方便粥的香气变化趋势。PCA结果表明不同气流膨化处理的马铃薯方便粥可分为4类,其中未经气流膨化处理的为一类,110℃/30 s、130℃/30 s、130℃/40 s、130℃/50 s以及130℃/60 s处理的为一类,150℃/30 s处理的为一类,170℃/30 s处理的为一类。气流膨化处理对马铃薯方便粥整体香气具有一定影响,其中气流膨化温度对样品香气影响较大,处理温度过高...     

基于HS-SPME-GC-MS和PCA分析知母及其制品的挥发性成分

该文分析比较了知母及其制品的挥发性成分,为知母的食用和药用提供理论指导。使用顶空固相微萃取法（HS-SPME）与气质联用技术（GC-MS）相结合来分析鉴定生知母、盐知母和酒知母的挥发性成分,用面积归一化法计算各成分的相对百分含量,并进行主成分分析（PCA）。由实验可知,三种知母共鉴定出70种挥发性成分,其中生知母28种,盐知母28种,酒知母29种,三者中相对含量最高的化合物均为苯乙醇,占比分别为12.19%、9.64%、20.36%,盐知母特有的柠檬烯、己酸和α-松油醇具有降脂、镇痛抗炎和抗惊厥等药理作用,3种知母共有挥发性成分为正己醛、苯甲醇、β-石竹烯,且在不同样品中含量明显不同。通过SPSS21.0软件对挥发性成分及其含量进行PCA,结果表明盐知母挥发性成分的综合得分最高,生知母和酒知母得分较低。知母及其制品的挥发性成分组成和含量有明显区别,其中盐知母的得分最高。     

废水处理系统的动态过程监测

传统多元统计方法中,独立元分析(ICA)相较于主元分析(PCA)可有效提取信息的主要特征,保留更多原始数据。针对连续化生产所带来的动态特性,提出动态独立元分析(DICA)、动态主元分析(DPCA),分别用来提升ICA和PCA的过程监测能力。结果表明,针对废水监测过程中偏移、漂移和完全失效3种传感器故障,DICA方法相较ICA的故障检测率在SPE统计量下分别提高了7. 15%、18. 58%和12. 86%,故障检测率高达88. 57%、84. 29%及82. 86%; DPCA故障检测在SPE统计量下相比于PCA也有一定提升,最高提高了28. 57%,但其故障检测率要远低于DICA,这表明DICA方法对过程故障检测有较好的效果。     

基于独立元分析的制浆造纸废水处理过程故障检测

为及时、准确地做出故障诊断,本课题采用独立元分析（ICA）和主成分分析（PCA）两种常用的多元统计分析方法对制浆造纸废水处理过程中的传感器故障进行检测并对诊断效果进行对比。结果表明,对于制浆造纸废水数据中偏移和漂移两种故障,ICA模型的故障检测率分别为24%与54%,PCA模型的故障检测率分别为14%和42%,ICA模型的两种故障检测率均高于PCA模型,但是两种模型均无法达到满意的检测效果;对于完全失效故障,ICA和PCA模型的故障检测率均达到100%。     

卷烟质量稳定性综合评价--基于多特征相似度分析和主成分分析

为有效评价卷烟产品的质量稳定性,基于物理指标、烟丝常规化学指标和主流烟气化学指标,进行多特征统计分析,进而采用相似度分析建立了不同批次卷烟产品的质量稳定性定量评价方法,并采用主成分分析法和聚类分析法考察了不同品牌之间的差异程度。结果表明,相似度方法可有效检验不同批次卷烟的质量波动情况,得到的结果与感官评价得到的结果基本一致,同时主成分分析法和聚类分析可良好地区分不同牌号的卷烟样品。说明,基于多特征指标的相似度分析和主成分分析法,可以为卷烟产品质量控制提供定量描述方法。      

基于相对变化分析的多模态卷烟制叶丝段故障监测

为解决卷烟制叶丝段中采用传统单变量统计过程控制方法故障监测效果欠佳等问题,通过对制叶丝段关键设备的运行特性分析,提出了一种基于相对变化分析的故障监测方法。该方法采用属性展开方式将具有批次、时间和属性特点的三维数据展开成二维数据,采用主元分析方法进行参考模态的统计建模和故障监测,根据备选模态的潜在过程波动以及与参考模态的相对变化,将参考模态监测模型的主元子空间和残差子空间分别进行分解,在分解后的4 个子空间中进行备选模态的统计建模和故障监测。基于设备实际运行数据进行离线验证,结果表明:与彩虹图、过程能力指数等传统故障监测方法相比,该方法能更深入地揭示不同模态、不同批次间的过程变量动态性以及变量间关联关系的变化,可以及时、有效地检测出设备故障。      

酒醅发酵过程的多参数自动监测系统

为了监测酒醅发酵过程中的温度、湿度、酸碱度、含氧量,设计一个实时自动监测系统包括测控计算机子系统、无线数据接收转发及接收器、多路多参数子系统、发酵参数测量传感器组。该过程主要由传感器组检测,经由导线到信号变送器,再由多路多参数智能子系统相应信息输入无线信号发送器发送,在接收端有无线信号接收器送至计算机控制系统。传感器的使用使得多路多参数系统的工作情况通过模拟信号由模数转换器完成翻译、时序等工作,由单片机进行控制最终输入。