典型文献
基于集成学习的注塑制品质量软测量方法研究
文献摘要：
为解决传统注塑间歇过程的质量反馈存在严重滞后性的问题,利用注塑生产过程的传感器数据和成型机操作数据进行工况识别,对制品质量进行基于集成学习的软测量.采用Mini Batch K-Means算法,将注塑过程时段聚类为合模-注塑-保压-冷却主要阶段,实现工况准确、快速在线识别.利用多阶段演变的Stacking集成学习策略,结合工况识别的四个阶段,建立多阶段集成软测量模型.采用分阶段建模的方法明显削弱了数据的非线性,预测精度相比传统线性回归模型得到提升.采用集成学习的方法也提高了模型的精度,与非线性模型相比预测精度也得到提高,该多阶段集成的软测量方法可以为产品质量控制和改进,提供较精确的质量反馈.
文献关键词：
注塑间歇过程;工况识别;集成学习;软测量;质量预测
中图分类号：
作者姓名：
戴南;余齐严;董盈升
作者机构：
西北工业大学材料学院,陕西西安710072;西安翔迅科技有限责任公司,陕西西安710068;陕西新泓水艺环境科技有限公司,陕西西安710071
文献出处：
引用格式：
[1]戴南;余齐严;董盈升-.基于集成学习的注塑制品质量软测量方法研究)[J].塑料科技,2022(11):30-35
A类：
注塑间歇过程
B类：
集成学习,注塑制品,制品质量,软测量方法,质量反馈,滞后性,传感器数据,成型机,操作数,工况识别,Mini,Batch,Means,注塑过程,保压,在线识别,多阶段,Stacking,学习策略,软测量模型,分阶段建模,线性回归模型,非线性模型,产品质量控制,质量预测
AB值：
0.326364
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
