【摘 要】
：
针对注塑间歇过程典型的多时段、非线性等特点，提出了一种子时段非线性质量预测方法，首先，采用sub-PCA分类算法划分子时段，确定与质量密切相关的时段，然后采用MPLS方法计算该时段的时间片矩阵展开数据矩阵和质量数据矩阵的特征矩阵及负荷矩阵，采用特征矩阵中的特征向量构造建模数据集，建立广义回归神经网络(GRNN)预测模型.对注塑产品重量指标的有效预测结果表明了该方法的有效性。
【机 构】
：
沈阳化工学院信息工程学院,沈阳,110142
论文部分内容阅读
针对注塑间歇过程典型的多时段、非线性等特点，提出了一种子时段非线性质量预测方法，首先，采用sub-PCA分类算法划分子时段，确定与质量密切相关的时段，然后采用MPLS方法计算该时段的时间片矩阵展开数据矩阵和质量数据矩阵的特征矩阵及负荷矩阵，采用特征矩阵中的特征向量构造建模数据集，建立广义回归神经网络(GRNN)预测模型.对注塑产品重量指标的有效预测结果表明了该方法的有效性。
其他文献
生成高质量的干涉图是INSAR技术的关键技术之一，由于干涉SAR图像对存在着频谱位移，生成的干涉图中包含有大量的噪声.在本文中，分析了由于主辅影像的几何去相关而引起的频谱偏移现象，研究了在生成干涉图之前对主辅影像进行预滤波处理的方法，从而生成高质量的干涉图.
为了准确地提取内波的波长等参数，必须先把内波区域分割出来，为此本文提出了一种基于方向匹配的Gabor滤波器的Modis内波纹理图像的自动分割.本算法主要分为两个步骤:第一，通过分析内波纹理图像傅里叶变换的能量谱求出内波的方向，并根据方向得到Gabor滤波器组；第二，用Gabor滤波器组对内波纹理图像进行通道滤波得到滤波图像，平滑滤波图像得到特征图像，由特征图像得到内波纹理图像中各点的特征向量，对特
电能质量扰动主要包括电压骤降、骤升、瞬时中断、短时脉冲和振荡瞬态等.为了控制和改善电能质量，首先必须弄清产生扰动的原因，并且对扰动进行分类、量化以便采取有效的抑制措施.基于此本文提出了一种采用小波多分辨率分析的方法实现扰动信号的不同频带的特征量的提取，从而形成特征矢量，然后采用概率神经网络实现电能质量不同扰动的归类.现场测试的数据证实了提出的方法是可行的，并且具有较高的归类准确率.
本文提出了一种运用加壳变换和蜕皮变换实现对地图中的高程注记进行模式识别的新方法，首先对提取黑版图的结果进行了优化，然后根据线划特征进一步简化非高程注记要素的干扰，并提取文本区域，最后采用模板匹配法来识别提取出来的高程注记.该算法较好的解决了字线粘连、背景复杂等情况下的高程注记提取问题，识别准确率达到很高的程度.
本文提出了基于图像灰度直方图分析的分步虹膜图像定位方法，确定虹膜的圆心和长、短半径，提取虹膜图像.该方法针对瞳孔灰度值与眼部其它部分灰度具有突变性的特征，选择Canny边缘检测算子提取瞳孔边缘，然后自下而上扫描瞳孔切、割线确定瞳孔的圆心和半径，从而得到虹膜图像的圆心和短半径.在特征提取时，不同于目前普遍采用的对虹膜图像进行Gabor滤波器相位特征分析的方法，而是采用小波变换提取虹膜图像特征，用多种
提出了在数字地图制图中纸质地图数字化和用数字地图制作纸质地图存在地图信息损失和补充的现象，给出地图信息损失与补充模型，并指出互信息可作为地图信息损失量与补充量描述指标.并对地图信息的构成进行了定性描述，最后就如何提高地图制图中地图信息传输效率作了阐述。
本文介绍一种基于视频图像的双DSP、多目标跟踪的方法.文中引入了跟踪窗口的概念，实现了对多个运动目标的同时跟踪.文中详细分析了这种方法的原理，给出了具体实现方法和和应用实例.
心音信号是一种典型的非平稳信号，而小波变换能够很好的分析信号的局部瞬变特性.本文首先使用小波降噪方法，滤除了信号中的各种干扰，然后分别使用离散小波变换(DWT)和小波包分解(WPD)对心音中的杂音信号进行了分离.试验结果表明，这种方法实用有效。
提出了一种基于延迟窗的时间序列主元分析(PCA)方法.首先，采用一个线性相关函数和一个非线性相关函数分别计算变量状态间的线性相关性和非线性相关性，建立起包含充分序列信息的延迟窗.然后，利用奇异值分解(SVD)方法寻找变量在数据空间中的最大方差方向，提取主元信息.仿真结果表明，本文方法可以简化序列主元计算，为进一步的时间序列模型重构和预测做好准备。
本文以实测数据为基础，在中厚板轧制设定中采用蚁群算法与BP神经网络的融合方法取代传统的轧制力数学模型.蚁群算法是一种新型的模拟进化算法，有正反馈、分布式计算、启发性收敛等特性，将蚁群算法和BP神经网络相结合，可克服BP神经网络收敛速度慢和易于陷入局部最小的不足，改善预报精度.现场实际数据分析，该方法的预报精度的相对误差基本限制在±5％以内。