基于核主元分析和贝叶斯推理的建设工程项目质量状态在线诊断模型及其仿真

被引:7
作者
侯学良
汪勇
机构
[1] 华北电力大学经济与管理学院
关键词
工程质量; 在线诊断; 核主元分析; 贝叶斯推理;
D O I
暂无
中图分类号
TU712.3 [];
学科分类号
摘要
针对建设工程项目质量控制过程的随机变化性,运用核主元分析和贝叶斯推理的方法,建立了工程质量状态在线诊断的数学模型;借鉴现代工业控制技术与手段,通过实时连续采集质量信息、提取信息特征、识别特征异常以及估计异常模式,实现了对质量异常状态的在线监测与模式识别。利用Matlab对某工程实例进行了常态下的仿真试验。分析结果表明,该模型不仅可以快速响应突发性质量异常,而且能够提前预警累积性质量异常,还能以概率形式诊断出异常状态所属的模式类型。
引用
收藏
页码:472 / 479
页数:8
相关论文
共 18 条
  • [1] 模式识别方法概述附视频
    范会敏
    王浩
    [J]. 电子设计工程, 2012, (19) : 48 - 51
  • [2] On the Application of PCA Technique to Fault Diagnosis
    Naik A
    [J]. TsinghuaScienceandTechnology, 2010, 15 (02) : 138 - 144
  • [3] 基于6Sigma的工程项目过程管理研究
    於永和
    唐咸远
    何奇钦
    [J]. 建筑经济, 2006, (07) : 91 - 93
  • [4] 基于循证科学的建设工程项目实施状态诊断理论与应用[M]. 电子工业出版社 , 侯学良, 2011
  • [5] 信息论[M]. 电子工业出版社 , 傅祖芸编著, 2001
  • [6] Multivariate Process Monitoring and Diagnosis: A Case Study[J] . Perowansa Paruka,Waluyo Adi Siswanto.Applied Mechanics and Materials . 2013 (315)
  • [7] Quality‐relevant and process‐relevant fault monitoring with concurrent projection to latent structures[J] . S. Joe Qin,Yingying Zheng.AIChE J . 2012 (2)
  • [8] Survey on data-driven industrial process monitoring and diagnosis
    Qin, S. Joe
    [J]. ANNUAL REVIEWS IN CONTROL, 2012, 36 (02) : 220 - 234
  • [9] Contribution rate plot for nonlinear quality-related fault diagnosis with application to the hot strip mill process[J] . Kaixiang Peng,Kai Zhang,Gang Li,Donghua Zhou.Control Engineering Practice . 2012
  • [10] A kernel-based framework to tensorial data analysis
    Signoretto, Marco
    De Lathauwer, Lieven
    Suykens, Johan A. K.
    [J]. NEURAL NETWORKS, 2011, 24 (08) : 861 - 874