导读:本文包含了过程均值论文开题报告文献综述及选题提纲参考文献，主要关键词:质量损失,过程均值,容差设计,使用寿命
过程均值论文文献综述
张斌,费文龙,代瑶[1]（2019）在《多状态相关质量特性过程均值、容差和使用寿命的优化设计》一文中研究指出针对产品在使用过程中因质量特性退化引起均值和方差发生线性漂移的问题,文章利用质量损失函数度量质量特性偏离目标值造成的损失,利用容差平衡质量损失和制造成本,研究了多状态相关质量特性的产品设计问题。为了防止质量特性偏离造成质量损失过大,计划在使用寿命达到阈值时对产品进行更换。在综合质量损失、容差成本及产品在不同状态下运行的利润等基础上,构建了单位时间综合效益模型。通过算例给出了所提模型的应用,并分析了模型参数对设计方案的影响。(本文来源于《统计与决策》期刊2019年20期）
秦美华,朱红求,李勇刚,陈俊名,张凤雪[2]（2019）在《基于STA-K均值聚类的电化学废水处理过程离子浓度软测量》一文中研究指出针对电化学废水处理过程出口离子浓度无法在线检测的问题,提出了一种基于状态转移的K均值聚类算法的软测量建模方法。在分析内部反应机理的基础上,结合物料平衡和吸附动力学定理建立电化学过程的机理模型;由于单一的软测量模型难以满足实际的精度要求,提出一种基于状态转移的K均值聚类算法将原始数据集进行聚类,应用状态转移算法对K均值算法的初始聚类中心进行优化,同时,引入离群值矩阵动态迭代同时实现数据聚类和异常值检测;最后,对聚类后的不同训练子集分别建立子模型,综合各子模型得到基于多模型切换方法的软测量模型。通过某废水处理厂的现场数据进行实例验证,结果证明了所建立的电化学废水处理过程离子浓度软测量模型合理有效。(本文来源于《化工学报》期刊2019年09期）
党纲,阎高伟,闫飞,陈泽华[3]（2019）在《基于联合均值差异匹配域适应的工业过程故障诊断》一文中研究指出针对工业过程中故障诊断面临的复杂性问题,提出基于联合均值差异匹配(joint mean discrepancy matching,JMDM)域适应的工业过程故障诊断方法。该方法首先采用联合均值差异匹配定义类内差异和类间差异,然后,引入最大方差和最大均值差异获取特征变换矩阵,进而,将源建模领域和目标建模领域的特征信息投影到公共子空间,最后,在子空间建立分类模型完成工业过程的故障诊断分类。实验结果表明,相比于传统JDA、TCA等域适应算法,联合均值差异匹配域适应算法能更加准确的完成故障分类,具有很高的分类精确性和灵活性。(本文来源于《第30届中国过程控制会议（CPCC 2019）摘要集》期刊2019-07-31）
张欣,朱怀念,张成科,宾宁[4]（2018）在《Lévy过程驱动的随机LQ控制在均值-方差投资组合中的应用》一文中研究指出文章研究了风险资产价格由Lévy过程和与之独立的多维Brown运动共同驱动的连续时间均值-方差型投资组合选择问题,Lévy过程是由与之相关的Teugles鞅描述。为了求解该问题,首先讨论了由Lévy过程和多维Brown运动共同驱动的非齐次随机系统的线性二次控制问题。借助配方法得到了一个新的随机Riccati方程,若此方程有解,就可以得到系统的最优反馈控制。然后将该理论结果用于求解均值-方差型投资组合问题,在自融资的条件下,得到了最优证券组合的显式表达。最后通过数值算例对比分析有Lévy过程和无Lévy过程情形下投资者的最优投资策略和有效前沿,发现Lévy过程的存在增加了投资者的投资风险,投资者应正确视之。(本文来源于《南方经济》期刊2018年06期）
潘玉荣,贾朝勇[5]（2018）在《一类周期均值回复过程的最小二乘估计》一文中研究指出考虑一类周期均值回复过程的参数估计问题.基于连续样本轨道,应用最小二乘技巧构造了漂移项中未知参数的估计量。并利用多重随机积分的中心极限定理,证明了当观察的周期数趋向无穷大时该最小二乘估计量具有渐近正态性.(本文来源于《佳木斯大学学报(自然科学版)》期刊2018年03期）
赵阳,王培红,苏志刚,李益国,朱晓瑾[6]（2018）在《基于鲁棒模糊C-均值回归的TS建模方法及其在热工过程中的应用》一文中研究指出热工过程往往具有强耦合、大惯性和非线性等特点,且在运行过程中易受到诸种不确定性因素的干扰,导致常规建模方法难以获得令人满意的效果。针对非线性热工对象特性建模问题,文中改进了模糊C均值回归算法(FCR)的误差函数,提出一种鲁棒模糊C均值回归算法(RFCR),并将其用于热工对象的TS建模前件辨识过程中。一方面,相比于FCM聚类算法,RFCR作为一种超平面型聚类算法,更加符合TS建模局部线性化的特点,能够更加精确地辨识TS模型的前件参数;另一方面,RFCR算法能够克服离群点和噪音点的影响,增强了TS模糊辨识的鲁棒性,从而更加适宜于热工过程建模。仿真实例表明,应用文中新算法所建立的煤气炉及机炉协调系统的TS模型具有精确性高、鲁棒性强的特点,证明了算法的有效性和实用性。(本文来源于《中国电机工程学报》期刊2018年07期）
田明光,翟旭,江颖洁,田保鹏,刘晓晨[7]（2018）在《基于K均值聚类及高斯过程回归集成的铅酸电池荷电状态预测》一文中研究指出为了提高铅酸电池荷电状态(State of Charge,SOC)的预测准确率,本文提出一种基于K均值聚类的高斯过程回归集成算法(K-means Cluster with Ensemble Gaussian Process Regression,KC-EGPR)。首先利用K均值聚类算法对原始训练集进行聚类,生成若干个包含原始训练集的某种局部信息的子训练集;然后在每个子集上训练高斯过程回归模型(GPR);最后利用集成学习理论中的自适应提升算法(Ada Boost)对训练的多个GPR进行集成,得到最终的预测模型。在叁组铅酸电池数据集上的实验结果表明,所提出的KC-EGPR算法预测铅酸电池SOC的性能优于对比模型,具有广阔的应用前景。(本文来源于《软件》期刊2018年01期）
张景鹏[8]（2017）在《揭示思维过程 寻找通法通则——以《均值不等式》复习课为例》一文中研究指出用问题教学的形式,引导学生学会思考,揭示思维过程,启发学生反思解法的必然性,总结通法通则,是提高复习课教学效果和学生解题能力的有效办法.(本文来源于《中学教学参考》期刊2017年23期）
马健琦,陈占寿,吕娜[9]（2017）在《基于Sieve Bootstrap方法的长记忆过程均值变点的检验》一文中研究指出本文提出一个新的统计量来检测长记忆时间序列中可能存在的均值变点,在原假设下推导出了检验统计量的极限分布在备择假设下证明了检验方法的一致性.为便于实际应用还提出了一种Sieve Bootstrap方法来近似统计量的临界值.模拟结果表明本文方法不仅可以很好的控制经验水平,而且相比已有均值变点检验的方法经验势也有了一定幅度的提高.(本文来源于《青海师范大学学报(自然科学版)》期刊2017年02期）
王奉伟[10]（2016）在《改进的局部均值分解和高斯过程在变形监测数据处理中的应用研究》一文中研究指出变形监测与分析是安全监测系统的重要组成部分,分析方法的可靠性以及精度对变形体安全运行具有重要的作用。变形数据的处理、特征向量的提取以及变形预测是变形监测中的关键问题,也是测绘学科的研究热点之一。局部均值分解(Local Mean Decomposition,LMD)是一种新的能自适应地应对复杂的非平稳信号的方法。高斯过程(Gaussiau Process,GP)因为其具有严格的理论统计学习理论基础,对处理非线性等问题具有很好的适应性,并且科学地得到预测精度和概率,是一种较好的非线性学习方法。本文研究了基于局部均值分解和高斯过程的变形监测数据处理、特征提取与预测模型,并结合仿真信号与大坝等变形监测数据,分析与探讨了相关问题。(1)对于高斯过程存在的协方差函数选择和超参数求解方法问题作者利用类似自适应寻优函数和粒子群(Particle Swarm Optimization,PSO)算法进行改进,而对于LMD的端点效应问题,作者通过改进的PSO-GP算法对变形信号进行延拓,通过实例分析对于两种算法的改进都较为明显,效果不错。(2)针对变形监测数据预处理问题,建立了基于LMD的新小波阈值函数去噪法,其充分利用LMD的自适应性融合新小波阈值函数,大大提高了去噪的效果。针对针对不同变形情况的案例粗差探测问题,作者提出基于LMD融合传统方法的粗差探测法,优势互补,提高粗差探测的准确性和效率。(3)将数据预处理后的观测序列进行LMD分解,运用相关系数等方法进行变形分析和特征提取,对变形做出合理解释。最后对对各变形分量进行建模预测,将所有变形分量累加得到最终的变形体预测模型。作者建立了基于LMD-PSO-GP的组合预测模型以及考虑改进LMD模态混迭现象的ELMD-LSSVM预测模型,通过实例验证分析发现,两种组合模型的建模精度明显高于单一模型,效果较好,适合非线性非平稳变形体数据的分析和预测。(4)论文第五章最后一节考虑到邻近点变形因素的GP单点预测模型,而下一步研究工作的重点是建立基于LMD和GP方法的多尺度变形多点预测模型。从文中两个单点实例可以发现,邻近点变形对监测点的影响不可忽略,且将其变形因素加入到建模过程中去效果提升明显,为建立多尺度变形的监测序列的多点预测模型奠定了基础。(本文来源于《东华理工大学》期刊2016-06-20）
过程均值论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对电化学废水处理过程出口离子浓度无法在线检测的问题,提出了一种基于状态转移的K均值聚类算法的软测量建模方法。在分析内部反应机理的基础上,结合物料平衡和吸附动力学定理建立电化学过程的机理模型;由于单一的软测量模型难以满足实际的精度要求,提出一种基于状态转移的K均值聚类算法将原始数据集进行聚类,应用状态转移算法对K均值算法的初始聚类中心进行优化,同时,引入离群值矩阵动态迭代同时实现数据聚类和异常值检测;最后,对聚类后的不同训练子集分别建立子模型,综合各子模型得到基于多模型切换方法的软测量模型。通过某废水处理厂的现场数据进行实例验证,结果证明了所建立的电化学废水处理过程离子浓度软测量模型合理有效。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
过程均值论文参考文献
[1].张斌,费文龙,代瑶.多状态相关质量特性过程均值、容差和使用寿命的优化设计[J].统计与决策.2019
[2].秦美华,朱红求,李勇刚,陈俊名,张凤雪.基于STA-K均值聚类的电化学废水处理过程离子浓度软测量[J].化工学报.2019
[3].党纲,阎高伟,闫飞,陈泽华.基于联合均值差异匹配域适应的工业过程故障诊断[C].第30届中国过程控制会议（CPCC2019）摘要集.2019
[4].张欣,朱怀念,张成科,宾宁.Lévy过程驱动的随机LQ控制在均值-方差投资组合中的应用[J].南方经济.2018
[5].潘玉荣,贾朝勇.一类周期均值回复过程的最小二乘估计[J].佳木斯大学学报(自然科学版).2018
[6].赵阳,王培红,苏志刚,李益国,朱晓瑾.基于鲁棒模糊C-均值回归的TS建模方法及其在热工过程中的应用[J].中国电机工程学报.2018
[7].田明光,翟旭,江颖洁,田保鹏,刘晓晨.基于K均值聚类及高斯过程回归集成的铅酸电池荷电状态预测[J].软件.2018
[8].张景鹏.揭示思维过程寻找通法通则——以《均值不等式》复习课为例[J].中学教学参考.2017
[9].马健琦,陈占寿,吕娜.基于SieveBootstrap方法的长记忆过程均值变点的检验[J].青海师范大学学报(自然科学版).2017
[10].王奉伟.改进的局部均值分解和高斯过程在变形监测数据处理中的应用研究[D].东华理工大学.2016