蘭州理工大學(xué)網(wǎng)站標(biāo)識(shí) 蘭州理工大學(xué)網(wǎng)站標(biāo)識(shí)

請(qǐng)輸入搜索信息
奮進(jìn)求是
當(dāng)前位置 > 首頁(yè) > 教學(xué)科研 > 正文 >
教學(xué)科研
機(jī)電學(xué)院碩士研究生在國(guó)際期刊發(fā)表學(xué)術(shù)論文
來(lái)源：機(jī)電學(xué)院
瀏覽：次
2025-07-03

近日，機(jī)電工程學(xué)院2023級(jí)碩士研究生王東在智能質(zhì)量控制研究方向取得新進(jìn)展，完成的論文“Nonparametric monitoring of high-dimensional processes via EWMA control charts based on random forest learning（基于隨機(jī)森林學(xué)習(xí)的EWMA控制圖對(duì)高維過(guò)程的非參數(shù)監(jiān)測(cè)）”，于2025年4月11日在線(xiàn)發(fā)表在工業(yè)工程領(lǐng)域國(guó)際著名學(xué)術(shù)期刊《Computers & Industrial Engineering》（影響因子：6.7，中科院二區(qū)Top,DOI :10.1016/j.cie.2025.111111）。論文指導(dǎo)教師為吳蒼副教授。

多傳感器系統(tǒng)在制造過(guò)程中已被廣泛用于感知環(huán)境或運(yùn)行條件以及質(zhì)量信息，從而收集大量高維質(zhì)量數(shù)據(jù)。高維數(shù)據(jù)監(jiān)測(cè)領(lǐng)域中大多數(shù)傳統(tǒng)的多元控制圖因其高維度特性及變量先驗(yàn)分布的未知性而不再適用。針對(duì)這一突出問(wèn)題，提出了一種基于機(jī)器學(xué)習(xí)算法的多元非參數(shù)控制圖監(jiān)測(cè)方法。該方法創(chuàng)新性地將隨機(jī)森林模型和對(duì)數(shù)似然法組合形成新的降維方法，并采用指數(shù)加權(quán)移動(dòng)平均控制圖達(dá)到實(shí)現(xiàn)高維質(zhì)量數(shù)據(jù)的高效監(jiān)測(cè)。仿真結(jié)果表明，該方法在多種數(shù)據(jù)分布和不同維度下均取得了優(yōu)異的監(jiān)測(cè)效果，在多個(gè)失控簇、復(fù)雜性分析等方面也表現(xiàn)出了顯著優(yōu)勢(shì)。

本研究為高維復(fù)雜質(zhì)量數(shù)據(jù)的異常監(jiān)測(cè)提供了新思路，展現(xiàn)了機(jī)器學(xué)習(xí)模型與統(tǒng)計(jì)學(xué)方法融合在智能質(zhì)量控制領(lǐng)域的良好應(yīng)用前景。（圖/文：鄭玉巧；審核：侯運(yùn)豐）