论文部分内容阅读
在当前产品和产品制造过程日渐复杂化的情况下,针对如何解决同时监测与诊断多个质量特性变量的问题,本文提出一种基于模糊支持向量机的制造过程多元质量诊断方法。该方法主要分为两个阶段,第一阶段利用可变抽样区间的多元加权移动平均控制图(VSI-MEWMA)来判断过程是否存在异常,若控制图发出报警信号,则进入第二阶段,采用优化算法模糊支持向量机(FSVM)分类器对造成控制图报警的过程数据流进行模式分类,最终将过程异常源诊断识别出来。首先,本文介绍了VSI-MEWMA控制图的相关理论,并建立了VSI-MEWMA的一维和二维Markov chain模型,分别计算了衡量受控状态和失控状态时的控制图性能的指标ATS0和SATS,利用数值实验,与传统的MEWMA作对比,验证其监测性能的优越性。然后,对FSVM的相关理论及其隶属度函数的相关研究进行了总结,提出了本文所采用的隶属度函数确定方法,并分别利用K折交叉验证法和粒子群算法(PSO)对FSVM中的参数进行优化,然后结合UCI数据库进行仿真实验,得出参数优化后的结果,并与未经参数优化的FSVM分类器对比分析其分类准确率。最后,本文针对多元控制图的质量诊断现状,将VSI-MEWMA控制图和FSVM方法结合,提出了基于FSVM的制造过程多元质量诊断方法。首先用VSI-MEWMA对过程监测,判断过程是否异常,若判断为异常,则对引起异常的过程数据流采用FSV M分类器进行分类,诊断出来过程异常源。然后利用仿真实验,将该方法与ANN等方法作对比训练,验证该方法的诊断效果;并结合实例验证本文所提方法的实用性和有效性。