【摘要】：隨著工業(yè)制造領(lǐng)域自動(dòng)化的全面普及和信息化的快速發(fā)展,工業(yè)制造領(lǐng)域的各個(gè)環(huán)節(jié)時(shí)刻都在產(chǎn)生著大量的數(shù)據(jù),通過這些信息能夠分析設(shè)備狀態(tài),產(chǎn)品質(zhì)量等方面的問題。但是由于工業(yè)生產(chǎn)環(huán)境存在很多影響因素影響著工業(yè)數(shù)據(jù)的質(zhì)量,其中噪聲數(shù)據(jù)問題和數(shù)據(jù)不平衡問題普遍存在且嚴(yán)重影響著數(shù)據(jù)分析結(jié)果的可靠性。對(duì)于噪聲數(shù)據(jù)問題,本文根據(jù)實(shí)驗(yàn)數(shù)據(jù)中的噪聲特點(diǎn),提出了針對(duì)此類噪聲的預(yù)處理方法,該方法能夠準(zhǔn)確高效地對(duì)數(shù)據(jù)中的隨機(jī)噪聲和擰緊工藝產(chǎn)生的噪聲進(jìn)行消噪,從而極大提升了樣本數(shù)據(jù)的質(zhì)量,另外,對(duì)數(shù)據(jù)的主體部分實(shí)現(xiàn)了對(duì)齊,方便了后續(xù)的數(shù)據(jù)分析。對(duì)于不平衡數(shù)據(jù)問題,一般從數(shù)據(jù)層面和算法層面進(jìn)行研究。本文對(duì)傳統(tǒng)的SMOTE過采樣方法進(jìn)行改進(jìn),基于DBSCAN聚類思想,在對(duì)類內(nèi)不平衡樣本進(jìn)行過采樣時(shí),克服了傳統(tǒng)SMOTE方法容易改變樣本空間分布特性的缺點(diǎn),同時(shí),改進(jìn)的方法能夠?qū)r(jià)值較高的孤立樣本進(jìn)行數(shù)據(jù)合成,從而保留了更多的樣本特征。在樣本特征提取和分類方面,本文運(yùn)用PCA降維得到維度較低的數(shù)據(jù)集,通過提升樹算法訓(xùn)練得到樣本分類器,從而實(shí)現(xiàn)了針對(duì)不平衡數(shù)據(jù)集的螺栓擰緊工藝異常檢測(cè)模型。最后,本文利用螺栓擰緊的實(shí)際生產(chǎn)數(shù)據(jù)對(duì)檢測(cè)模型進(jìn)行了有效性的驗(yàn)證和仿真實(shí)驗(yàn),并對(duì)該模型的實(shí)時(shí)化應(yīng)用進(jìn)行了研究。
【圖文】：

圖１－２論文要點(diǎn)概況圖（一）逡逑８逡逑

圖１－３論文要點(diǎn)概況圖（二）逡逑
【學(xué)位授予單位】：山東大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：TH131.3;TP311.13

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張鈺;陳s，

本文編號(hào)：2603256