基于模糊支持向量機(jī)的制造過(guò)程多元質(zhì)量診斷技術(shù)研究.pdf

1、在當(dāng)前產(chǎn)品和產(chǎn)品制造過(guò)程日漸復(fù)雜化的情況下，針對(duì)如何解決同時(shí)監(jiān)測(cè)與診斷多個(gè)質(zhì)量特性變量的問(wèn)題，本文提出一種基于模糊支持向量機(jī)的制造過(guò)程多元質(zhì)量診斷方法。該方法主要分為兩個(gè)階段，第一階段利用可變抽樣區(qū)間的多元加權(quán)移動(dòng)平均控制圖(VSI-MEWMA)來(lái)判斷過(guò)程是否存在異常，若控制圖發(fā)出報(bào)警信號(hào)，則進(jìn)入第二階段，采用優(yōu)化算法模糊支持向量機(jī)(FSVM)分類器對(duì)造成控制圖報(bào)警的過(guò)程數(shù)據(jù)流進(jìn)行模式分類，最終將過(guò)程異常源診斷識(shí)別出來(lái)。
　　首先

2、，本文介紹了VSI-MEWMA控制圖的相關(guān)理論，并建立了VSI-MEWMA的一維和二維Markov chain模型，分別計(jì)算了衡量受控狀態(tài)和失控狀態(tài)時(shí)的控制圖性能的指標(biāo)ATS0和SATS，利用數(shù)值實(shí)驗(yàn)，與傳統(tǒng)的MEWMA作對(duì)比，驗(yàn)證其監(jiān)測(cè)性能的優(yōu)越性。
　　然后，對(duì)FSVM的相關(guān)理論及其隸屬度函數(shù)的相關(guān)研究進(jìn)行了總結(jié)，提出了本文所采用的隸屬度函數(shù)確定方法，并分別利用K折交叉驗(yàn)證法和粒子群算法(PSO)對(duì)FSVM中的參數(shù)進(jìn)行優(yōu)化，然

3、后結(jié)合UCI數(shù)據(jù)庫(kù)進(jìn)行仿真實(shí)驗(yàn)，得出參數(shù)優(yōu)化后的結(jié)果，并與未經(jīng)參數(shù)優(yōu)化的FSVM分類器對(duì)比分析其分類準(zhǔn)確率。
　　最后，本文針對(duì)多元控制圖的質(zhì)量診斷現(xiàn)狀，將VSI-MEWMA控制圖和FSVM方法結(jié)合，提出了基于FSVM的制造過(guò)程多元質(zhì)量診斷方法。首先用VSI-MEWMA對(duì)過(guò)程監(jiān)測(cè)，判斷過(guò)程是否異常，若判斷為異常，則對(duì)引起異常的過(guò)程數(shù)據(jù)流采用FSVM分類器進(jìn)行分類，診斷出來(lái)過(guò)程異常源。然后利用仿真實(shí)驗(yàn)，將該方法與ANN等方法作對(duì)比訓(xùn)