基于智能方法的產(chǎn)品制造過(guò)程質(zhì)量診斷.pdf

1、對(duì)制造過(guò)程的質(zhì)量狀態(tài)進(jìn)行監(jiān)控，是實(shí)施過(guò)程質(zhì)量連續(xù)改進(jìn)的起點(diǎn)，質(zhì)量診斷可以為過(guò)程質(zhì)量連續(xù)改進(jìn)指明方向。通過(guò)質(zhì)量診斷發(fā)現(xiàn)過(guò)程異常并采取糾正措施，可以使過(guò)程恢復(fù)并保持穩(wěn)定受控狀態(tài)。隨著制造過(guò)程現(xiàn)代化和復(fù)雜程度的提高，對(duì)過(guò)程控制和質(zhì)量診斷提出了更高的要求，單純使用傳統(tǒng)的質(zhì)量診斷技術(shù)并不能很好地滿(mǎn)足這些要求。在進(jìn)行質(zhì)量診斷的過(guò)程中引進(jìn)并綜合使用包括計(jì)算機(jī)、人工智能等其它技術(shù)領(lǐng)域的最新技術(shù)成果，是質(zhì)量診斷技術(shù)的重要發(fā)展方向。本文針對(duì)制造過(guò)程的質(zhì)量診

2、斷問(wèn)題進(jìn)行了如下研究：
　　 1)基于概率神經(jīng)網(wǎng)絡(luò)的控制圖模式識(shí)別。傳統(tǒng)單變量控制圖是診斷過(guò)程異常的重要工具，但對(duì)過(guò)程中出現(xiàn)的控制圖模式現(xiàn)象卻無(wú)法加以正確判斷。本文提出使用概率神經(jīng)網(wǎng)絡(luò)進(jìn)行控制圖模式識(shí)別，對(duì)概率神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)特點(diǎn)和參數(shù)進(jìn)行了研究和設(shè)計(jì)，通過(guò)仿真實(shí)驗(yàn)對(duì)使用神經(jīng)進(jìn)行控制圖模式識(shí)別的性能進(jìn)行了評(píng)估，解決了使用其它類(lèi)型神經(jīng)網(wǎng)絡(luò)識(shí)別控制圖模式時(shí)存在的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)困難且識(shí)別率低的問(wèn)題。
　　 2)基于最小二乘支持

3、向量機(jī)的控制圖模式識(shí)別。傳統(tǒng)的SPC(Statistical ProcessControl)過(guò)程異常診斷方法只在大樣本條件下才有效，使用神經(jīng)網(wǎng)絡(luò)診斷過(guò)程異常也需要使用大量的訓(xùn)練樣本，當(dāng)樣本數(shù)量有限時(shí)，這兩種方法并不適用。為此，本文提出使用最小二乘支持向量機(jī)技術(shù)對(duì)控制圖模式進(jìn)行識(shí)別，并對(duì)其性能進(jìn)行評(píng)估。同時(shí)，為提高模式識(shí)別的性能，提出使用粒子群算法和遺傳算法優(yōu)化選擇最小二乘支持向量機(jī)的參數(shù)，實(shí)現(xiàn)了在有限樣本條件下控制圖模式的有效識(shí)別。

4、r>　　 3)Cuscore(Cumulative Score)統(tǒng)計(jì)量對(duì)過(guò)程中預(yù)期異常信號(hào)的診斷。根據(jù)制造過(guò)程積累的先驗(yàn)知識(shí)，某些過(guò)程異常信號(hào)具有可預(yù)期的特征。使用Cuscore統(tǒng)計(jì)量診斷過(guò)程中的預(yù)期異常信號(hào)，可以有效利用以往積累下來(lái)的關(guān)于過(guò)程異常的先驗(yàn)知識(shí)。本文研究并評(píng)估了Cuscore統(tǒng)計(jì)量用于診斷非線性二次預(yù)期異常信號(hào)時(shí)的性能；提出使用移動(dòng)窗口和最小二乘支持向量機(jī)模式識(shí)別技術(shù)進(jìn)行變點(diǎn)檢測(cè)的方法，解決了標(biāo)準(zhǔn)Cuscore技術(shù)中存在

5、的失配問(wèn)題，提高了Cuscore統(tǒng)計(jì)量對(duì)于預(yù)期異常信號(hào)的檢測(cè)能力。
　　 4)多元過(guò)程質(zhì)量診斷及異常變量識(shí)別。實(shí)際的制造過(guò)程多數(shù)屬于多元過(guò)程且變量之間存在相關(guān)性。目前的多元SPC技術(shù)只能診斷過(guò)程的整體狀態(tài)，不能對(duì)異常變量進(jìn)行分離和定位。結(jié)合傳統(tǒng)多元SPC技術(shù)，本文分別構(gòu)建了多元過(guò)程均值矢量和協(xié)方差矩陣的智能診斷模型，將均值矢量和協(xié)方差矩陣的異常變量識(shí)別問(wèn)題轉(zhuǎn)化為模式識(shí)別問(wèn)題來(lái)加以解決；設(shè)計(jì)了最小二乘支持向量機(jī)模式識(shí)別器；對(duì)提出的