论文部分内容阅读
当前全球制造业不断寻求升级、国内正在推进产业结构调整,市场需求也趋向于个性化、差异化,制造企业由大批量生产转为多品种、小批量柔性化生产模式。开发有效适用于当前生产模式的质量控制技术成为当前亟需解决的问题。而随着智能化技术发展日益成熟,引入人工智能和机器学习技术,构建起质量智能控制和预测体系已成为多品种、小批量产品质量控制方法研究的热点。本文分析了多品种、小批量生产模式的形成过程、特点,构建了适用于多品种小批量生产的质量控制流程。并以R公司某型轴套产品为例,采用复杂网络以及灰色理论、最小二乘支持向量机(LS-SVM)方法对该流程中的质量特性识别与预测阶段进行了详细论证和重点研究。(1)提出了基于图论思想的复杂网络方法以识别零件关键质量特性。依据工艺流程及设计要求描述零件各个加工特征之间的内在联系,建立零件加工特征网络;计算网络拓扑参数确定网络节点的重要度,进而得出关键质量特性为轴套左端外圆尺寸,为零件加工质量预测工作奠定了基础。(2)采用了对小样本数据有良好适应性,且学习能力与预测性能均较好的灰色预测理论建立GM(1,1)质量预测模型,并从灰色动态模型群和灰色关联度加权两个方面进行改进,提出了优化的灰色关联加权模型群预测方法。预测结果表明,对比GM(1,1)预测模型平均绝对误差降低了约57.4%,平均相对误差降低了约7.3%。为组合模型的建立做了准备。(3)粒子群算法(PSO)优化LS-SVM预测模型。分析了LS-SVM算法用于小样本预测的优越性以及缺点,在研究群体智能的算法特点的基础上,提出以PSO算法进行LS-SVM参数寻优。(4)构建了质量预测组合模型。以灰色关联加权模型群结合PSO-LS-SVM预测模型,建立残差补偿的组合预测模型实现对产品质量的有效预测,改善单一模型的预测精度。对比GM(1,1)模型,预测值均方差由0.6604降至2.58e-04,平均相对误差由12.96%降至0.2144%。证明了组合预测模型的有效性,能够适用于多品种小批量生产的质量控制工作。