基于神经网络方法的自相关过程控制研究

摘要

由于自相关过程的特性，其观测值不满足传统统计过程控制理论(SPC)对观测值的基本要求-观测值相互独立，所以使用传统休哈特控制图控制自相关过程会引发大量虚发报警，而且对过程异常的检测灵敏度也降低。本文尝试将神经网络方法引入自相关过程控制中来，并取得了良好效果。 首先通过时间序列模型建立自相关序列模型。以前的研究中，对于均值变动的研究只局限于阶越式均值突变。但渐进式均值漂移也是自相关过程均值变动的主要形式之一。本文建立了基于AR(1)模型的渐进式均值漂移模型。 国外已有研究使用BP神经网络控制自相关过程，但大多控制效果与残差控制图接近。为有效提高神经网络的控制能力，训练数据的选择非常关键。本文总结了选取训练数据的原则。使用依照该原则选取的训练数据对网络进行训练，取得了很好的训练效果，网络达到收敛。 将经过训练的BP神经网络应用于自相关过程控制，对过程处于稳态、过程发生阶越式均值突变和渐进式均值漂移的控制结果进行分析。为保证评价指标的一致性，本文定义了基于神经网络的ARL(平均链长)和识别率。将此结果与残差控制图对过程稳态和发生阶越式均值突变的控制结果相比较发现，本文所构造的BP神经网络比残差控制图对自相关过程的控制更有效。 为尽可能缩小过程控制的取样空间，提高反应速度，本文对BP神经网络输入层神经元数的选择进行了研究，给出了对应不同相关性程度和不同均值变动幅度的输入层神经元数的建议。根据该建议，可以在保证神经网络识别率的基础上针对不同情况选择尽可能小的输入层神经元数。 对隐层神经元数的研究使网络训练达到收敛，很大程度上提高了神经网络的识别率。总结出不同隐层数所对应的网络收敛情况和识别率。 最后通过陶瓷滤波器生产过程中镀银工艺的实例研究对比检验休哈特控制图、残差控制图和BP神经网络对实际生产过程中自相关过程的控制效果。结果证明BP神经网络对该自相关过程的控制最有效。

目录

文摘

英文文摘

声明

第一章绪论

1.1问题提出与研究目的和意义

1.1.1问题的提出

1.1.2研究的目的和意义

1.2国内外相关研究回顾

1.2.1 CUSUM、EWMA、时间序列残差控制图相关研究回顾

1.2.2神经网络相关研究回顾

1.3本文创新点

第二章自相关过程控制方法研究

2.1休哈特控制图

2.2时间序列残差控制图

2.3观测值的EWMA控制图与残差的EWMA控制图

第三章时间序列分析及自相关过程

3.1平稳过程的自相关函数

3.2自相关过程的检验

3.3时间序列分析及自回归模型AR(p)

3.4建立自相关过程均值变动模型

3.4.1自相关过程模型

3.4.2自相关过程均值变动形式

3.4.3自相关过程渐进式均值漂移模型

3.4.4自相关过程阶越式均值变动模型

第四章神经网络基本原理与BP神经网络特性

4.1神经网络基本原理

4.1.1神经元与单神经元模型

4.1.2转移函数

4.1.3神经元的向量输入

4.2神经网络基本结构

4.2.1单层神经元网络

4.2.2多层神经元网络

4.3 BP算法及BP神经网络工作原理

第五章BP神经网络结构设计及训练

5.1 BP神经网络结构设计

5.1.1输入层结构设计

5.1.2隐层结构设计

5.1.3输出层结构设计

5.2 BP神经网络的训练

5.2.1神经网络训练的原理

5.2.2 BP训练算法

5.2.3选取训练数据的一般原则

5.2.4训练数据的产生

5.2.5 BP神经网络的训练

5.3神经网络的输出界限值

第六章自相关过程均值变动检测效果分析

6.1 BP神经网络性能评价指标

6.1.1 BP神经网络的识别率

6.1.2 BP神经网络的ARL

6.2阶越式均值变动检测结果分析

6.2.1过程输入数据的产生

6.2.2网络输出与结果分析

6.3渐进式均值漂移检测结果分析

6.3.1过程输入数据的产生

6.3.2网络输出与结果分析

6.4输入层神经元数对神经网络识别率的影响

6.4.1建立实验模型

6.4.2实验结果分析

6.5隐层神经元数对神经网络识别率的影响

6.5.1建立实验模型

6.5.2实验结果分析

第七章实例研究

7.1陶瓷滤波器生产工艺过程和参数特性

7.2休哈特控制图检测镀银工艺过程

7.3残差控制图检测镀银工艺过程

7.4 BP神经网络检测镀银工艺过程

7.5结论

参考文献

发表论文和科研情况说明

致 谢