您的位置: 专家智库 > >

张丽霞

作品数:2 被引量:14H指数:1
供职机构:浙江工业大学机电工程学院更多>>
发文基金:浙江省科技厅基金国家自然科学基金浙江省科技厅项目更多>>
相关领域:一般工业技术自动化与计算机技术经济管理更多>>

文献类型

  • 2篇中文期刊文章

领域

  • 1篇经济管理
  • 1篇自动化与计算...
  • 1篇一般工业技术

主题

  • 1篇制造执行系统
  • 1篇质量管理
  • 1篇系统需求分析
  • 1篇小波
  • 1篇小波分析
  • 1篇模式识别
  • 1篇可视化
  • 1篇控制图
  • 1篇减震
  • 1篇减震器
  • 1篇PSO
  • 1篇PSO-SV...
  • 1篇SVM
  • 1篇MES

机构

  • 2篇浙江工业大学

作者

  • 2篇陈呈频
  • 2篇兰秀菊
  • 2篇张丽霞
  • 1篇鲁建厦
  • 1篇李洪华

传媒

  • 1篇轻工机械
  • 1篇浙江工业大学...

年份

  • 2篇2012
2 条 记 录,以下是 1-2
排序方式:
基于MES的某减震器企业可视化质量管理系统需求分析
2012年
通过对某减震器企业质量管理的实际需求进行分析,说明了构建MES环境下的可视化质量管理系统的必要性,并给出了该系统基本功能需求以及各模块功能和数据需求的详细内容,同时运用IDEF建模方法对该系统的功能模块进行了模型设计,为该企业建立基于MES的可视化质量管理系统奠定了基础。
张丽霞兰秀菊李洪华陈呈频
关键词:可视化
基于小波分析和PSO-SVM的控制图混合模式识别被引量:14
2012年
由于质量过程的复杂性,质量过程数据常会有多种异常的混合现象,为了提高对控制图混合模式的识别效果,将支持向量机(Support vector machine,SVM)分类器的参数经过粒子群优化算法(Particle swarm optimization,PSO)算法优化,然后与小波分析技术相结合,设计了三层控制图模式识别模型.该模型首先识别模式是否正常,如果发现异常,则对异常的模式进行小波包分解,将分解后的低频部分和高频部分分别输入第二层和第三层PSO-SVM分类器中进行模式的分类识别.通过仿真实验的验证得,该模型的平均识别率为98.33%,对混合模式的识别率也在95%之上,由此证明了该控制图模式识别模型的有效性.最后,对该模型进行了实例验证,该模型可以很好的识别出控制图混合模式,证明了模型的可行性.
兰秀菊张丽霞鲁建厦陈呈频
关键词:模式识别小波分析
共1页<1>
聚类工具0