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

1、在當(dāng)前產(chǎn)品和產(chǎn)品制造過程日漸復(fù)雜化的情況下，針對如何解決同時監(jiān)測與診斷多個質(zhì)量特性變量的問題，本文提出一種基于模糊支持向量機的制造過程多元質(zhì)量診斷方法。該方法主要分為兩個階段，第一階段利用可變抽樣區(qū)間的多元加權(quán)移動平均控制圖(VSI-MEWMA)來判斷過程是否存在異常，若控制圖發(fā)出報警信號，則進入第二階段，采用優(yōu)化算法模糊支持向量機(FSVM)分類器對造成控制圖報警的過程數(shù)據(jù)流進行模式分類，最終將過程異常源診斷識別出來。
　　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，分別計算了衡量受控狀態(tài)和失控狀態(tài)時的控制圖性能的指標(biāo)ATS0和SATS，利用數(shù)值實驗，與傳統(tǒng)的MEWMA作對比，驗證其監(jiān)測性能的優(yōu)越性。
　　然后，對FSVM的相關(guān)理論及其隸屬度函數(shù)的相關(guān)研究進行了總結(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折交叉驗證法和粒子群算法(PSO)對FSVM中的參數(shù)進行優(yōu)化，然

3、后結(jié)合UCI數(shù)據(jù)庫進行仿真實驗，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分類器對比分析其分類準(zhǔn)確率。
　　最后，本文針對多元控制圖的質(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的制造過程多元質(zhì)量診斷方法。首先用VSI-MEWMA對過程監(jiān)測，判斷過程是否異常，若判斷為異常，則對引起異常的過程數(shù)據(jù)流采用FSVM分類器進行分類，診斷出來過程異常源。然后利用仿真實驗，將該方法與ANN等方法作對比訓(xùn)