典型文献
基于宽度学习的注塑产品质量预测方法
文献摘要：
在注塑成型工业中,产品质量自动监测一直是注塑工业智能化发展的核心问题.高品质和大规模的产品质量数据采集成本高昂,导致数据样本量少、不同类别样本数据不平衡,为注塑产品质量预测提出了更高的挑战.为此,该文提出一种基于宽度学习方法的注塑产品质量预测模型,以产品的3维尺寸为预测目标,在普通的宽度学习系统(BLS)中加入最小p范数来改进得到模型p范数宽度学习系统(pN-BLS),解决小样本和不平衡数据的问题,提高模型对离群点的检测性能.在第4届工业大数据竞赛任务2《注塑成型工艺的虚拟量测和调机优化》数据集中,将192个参数特征与预测目标进行相关分析,提取相关性高的基础特征17个,衍生特征4个和调机参数2个作为模型的输入.将16600条数据平均分为训练集和测试集各8300条,与支持向量机(SVM)、最近邻算法(KNN)、多层感知机(MLP)和BLS进行对比实验,实验结果显示pN-BLS具有更快速和更准确的预测效果.在实际缺陷检测应用中,pN-BLS能更准确地预测异常数据,具有更高的鲁棒性.
文献关键词：
注塑成型;产品质量预测;宽度学习系统;最小p范数
中图分类号：
作者姓名：
林江豪;吴宗泽;李嘉俊;谢胜利
作者机构：
广东工业大学自动化学院 广州 510006;广东外语外贸大学语言工程与计算实验室 广州 510006;广东工业大学粤港澳离散制造智能化联合实验室 广州 510006
文献出处：
引用格式：
[1]林江豪;吴宗泽;李嘉俊;谢胜利-.基于宽度学习的注塑产品质量预测方法)[J].电子与信息学报,2022(05):1581-1590
A类：
B类：
产品质量预测,自动监测,塑工,工业智能化,智能化发展,质量数据,高昂,数据样本量少,别样,数据不平衡,宽度学习系统,BLS,范数,进得,pN,小样本,不平衡数据,离群点,检测性能,工业大数据,注塑成型工艺,调机,参数特征,衍生特征,条数据,平均分,训练集,测试集,最近邻算法,KNN,多层感知机,MLP,缺陷检测,检测应用,异常数据
AB值：
0.288723
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。
