基于特征選擇算法的復(fù)雜產(chǎn)品關(guān)鍵質(zhì)量特性識(shí)別研究.pdf

1、復(fù)雜產(chǎn)品包含大量質(zhì)量特性，識(shí)別影響產(chǎn)品質(zhì)量的關(guān)鍵質(zhì)量特性（CTQ）是產(chǎn)品質(zhì)量改進(jìn)中必不可少的一步。實(shí)際生產(chǎn)中，大量質(zhì)量特性數(shù)據(jù)從生產(chǎn)線(xiàn)收集，為后續(xù)分析提供了基礎(chǔ)。本文針對(duì)復(fù)雜產(chǎn)品數(shù)據(jù)的高維性、數(shù)據(jù)非平衡性、質(zhì)量特性時(shí)序性等特點(diǎn)，建立基于特征選擇算法的CTQ識(shí)別算法。
　　首先，針對(duì)數(shù)據(jù)高維性，建立了兩個(gè)平衡數(shù)據(jù)CTQ識(shí)別算法。分別是基于ReliefF改進(jìn)的識(shí)別算法和基于遺傳模擬退火算法的識(shí)別算法。在基于ReliefF改進(jìn)的方法中，

2、提出一個(gè)新的CTQ數(shù)確定方法。結(jié)果表明，改進(jìn)方法能夠比傳統(tǒng)ReliefF更加有效過(guò)濾無(wú)關(guān)、冗余質(zhì)量特性。在基于遺傳模擬退火算法的方法中，建立了結(jié)合質(zhì)量特性數(shù)和質(zhì)量特性重要性?xún)蓚€(gè)度量的綜合適應(yīng)度函數(shù)用于特征優(yōu)化。實(shí)驗(yàn)結(jié)果表明，綜合適應(yīng)度函數(shù)能夠增強(qiáng)算法降維能力。
　　其次，針對(duì)非平衡制造數(shù)據(jù)，建立了一個(gè)兩階段CTQ識(shí)別框架。第一階段，使用多目標(biāo)優(yōu)化算法識(shí)別出一組備選關(guān)鍵質(zhì)量特性集。第二階段，使用理想點(diǎn)法從備選解中選擇最佳調(diào)和解，即C

3、TQ集?；谠摽蚣埽謩e使用多目標(biāo)優(yōu)化算法——改進(jìn) NSGA-II和改進(jìn) DMS，建立兩個(gè)識(shí)別算法。在這兩個(gè)算法中，分別定義了兩種基于非平衡數(shù)據(jù)的質(zhì)量特性重要性度量。實(shí)驗(yàn)結(jié)果表明，兩個(gè)算法能夠在數(shù)據(jù)非平衡條件下有效識(shí)別CTQ。
　　最后，質(zhì)量特性對(duì)應(yīng)于產(chǎn)品加工各個(gè)階段，具有時(shí)序性的特點(diǎn)。考慮各質(zhì)量特性的時(shí)序性，并提出兩階段非平衡數(shù)據(jù)CTQ識(shí)別算法。在第一階段，利用基于遺傳算法和 DMS的混合多目標(biāo)優(yōu)化算法選擇備選關(guān)鍵質(zhì)量特性集。第