实验数据 理想的随机实验 引入更多的解释变量 随机实验执行过程中可能出现的问题 自然实验 双重差分法 三重差分法（选读） 观测数据的处理效应

面板数据的特点 面板数据的估计策略 混合回归 个体固定效应模型 时间固定效应 一阶差分法 随机效应模型 组间估计量 拟合优度的度量 非平衡面板 究竟该用固定效应还是随机效应模型 个体时间趋势 短面板的STATA命令及实例

提出一种基于支持向量数据描述(support vector data description,SVDD)的生产过程监控、诊断与优化方法.首先,利用正常样本建立SVDD监控模型,获得控制限;然后,利用贡献图对超过控制限的异常点进行诊断,分析引起异常的主要原因;最后,利用邻近点替换法对异常的生产样本进行工艺参数优化.将新方法应用于热轧薄板的生产过程中,结果表明:新方法比传统的监控方法T2 PCA具有更高的检出率,且可以实现对异常点的工艺参数优化,使之回到受控状态

为了解析出物对经济型双相不锈钢2101热塑性的影响机制,对比了相同工艺下2101和2205双相不锈钢在热变形过程中相界析出物产生的规律.结果表明:2101钢比2205钢的相界处更倾向于产生析出物,促使后续热变形过程中相界产生裂纹,进而影响材料的热塑性.根据热力学相关数据,通过Thermo-Calc和实验测试数据,推导出2101和2205双相不锈钢析出物Cr2N的平衡固溶度公式,计算实验钢中析出物Cr2N的全固溶温度,同时引入Wagner相互作用系数,考虑了Ni、Mn、Mo和Si对固溶度积公式的影响.发现2101双相不锈钢中Cr2N的全固溶温度比2205钢高100℃左右,计算结果和实验结果吻合较好.实际生产过程中必须控制双相不锈钢热轧的终轧温度到全固溶温度以上,否则相界容易产生氮化物析出,影响材料热塑性

无缝钢管坯料设计是在满足生产工艺要求下,将客户订单钢管合理地分配到生产原料圆坯的过程.实际生产中的批量原则使得每个钢管订单在圆坯中有最小分配重量要求;由于无缝钢管分配支数必须取整,导致钢管订单在圆坯中的分配重量并非连续取值.因此,比起相关的板坯设计问题和装箱问题,无缝钢管坯料设计的求解更为复杂.本文给出了无缝钢管坯料设计问题的一般性描述,并建立了混合整数规划模型.针对库存中只有单一尺寸圆坯的情况,简化了问题模型并且求得了问题的下界.结合问题特点,提出了基于贪婪策略的两阶段启发式算法,并用实际生产数据和仿真数据验证了算法求解此类问题具有很好的有效性和稳定性

将核主成分分析方法引入热轧生产过程的监控与诊断中,根据平方预测误差统计量进行生产过程监控,然后利用数据重构和优化的邻域选取策略相结合的方法求出各工艺参数对平方预测误差统计量的作用,分析引起过程异常的主要工艺参数,最后利用仿真和热轧带钢实际生产数据进行实验.结果表明:基于核主成分分析的平方预测误差统计量能较准确诊断过程的异常,并可以找出引起异常的原因,为调整生产过程提供方法支撑,防止次品的出现

课程主要内容： •离散事件系统建模与仿真的基本原理 •离散事件系统建模与仿真的方法 •Petri网建模与仿真 课程的先修课程： •生产运作与管理 •运筹学 •计算机编程与应用技术 •概率论与数理统计 课程的考核方法： 完成相关作业及期末考核。 第一章 离散事件仿真的概述 1.1 离散事件系统仿真的基本概念 1.2 生产系统仿真的特征 1.3 服务系统仿真的特征 1.4 离散系统仿真的基本步骤 第二章 离散事件仿真的分析 2.1 随机数的产生 2.2 离散事件仿真建模 2.3 输入数据分析 2.4 输出数据分析 第三章 离散事件仿真的案例分析 第四章 离散事件仿真的逻辑分析 ——Petri网

针对滚动轴承的内圈、外圈和滚动体故障提出了一种新的诊断方法,该方法融合了集总经验模态分解(EEMD)、形态谱和支持向量机(SVM)三种方法的优势.首先,利用经验模态分解对滚动轴承故障振动信号进行分解,得到若干个具有物理意义的内禀模态分量(IMF);其次,基于最大能量法筛选出含有故障特征信息最丰富的一个内禀模态分量为故障诊断数据源;再次,对数据源在选定尺度范围内进行形态谱的提取,从而构造故障特征向量;最后,利用支持向量机对滚动轴承的三种故障进行诊断.研究结果表明,该方法能够有效地诊断出滚动轴承的三种故障,且具有很高的故障诊断正确率

 Modeling strategies of SEM（模型的用途）  Model confirmation：验证（confirmatory）先设模型的恰当性  Model generation：设起始模型，与观察数据比较之后，进行必要的修正，反复估计而得到最佳拟合的模型  Model competation：利用不同模型的比较以决定何者最能反应真实数据 1、模型设定（model specification） 2、模型识别（model identification） 3、模型估计（model estimation） 4、模型评价（model evaluation） 5、模型修正（ model modification）

拉格朗日插值 分段线性插值 三次样条插值 一、插值的定义 二、插值的方法 三、用Matlab解插值问题 返回 一 维插值 一、二维插值定义 二、网格节点插值法 三、用Matlab解插值问题 最邻近插值 分片线性插值 双线性插值 网格节点数据的插值 散点数据的插值 二维插值