基于模糊支持向量机的制造过程多元质量诊断技术研究

摘要

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FSVM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。

目录

声明

致谢

摘要

第一章 绪论

1．1 研究背景与研究意义

1．1．1 研究背景

1．1．2 研究意义

1．2 质量诊断技术

1．2．1 统计过程控制(SPC)研究方法

1．2．2 控制图应用的步骤

1．2．3 质量诊断内容

1．2．4 质量诊断的方法

1．3 课题的研究现状

1．3．1 多元质量控制图研究概况

1．3．2 多元质量诊断技术研究概况

1．4 课题研究的主要内容

1．5 论文的组织结构

1．6 本章小结

第二章 可变抽样区间的MEWMA控制图概述

2．1 MEWMA控制图

2．1．1 指数加权移动平均(EWMA)控制图

2．1．2 MEWMA控制图

2．1．3 可变抽样区间VSI-MEWMA控制图动态理论

2．2 控制图性能优劣判定指标

2．2．1 控制图性能优劣判定指标

2．2．2 VSI-MEWMA的Markov chain模型

2．3 VSI-MEWMA性能对比分析

2．3．1 VSI-MEWMA的参数优化步骤

2．3．2 VSI-MEWMA性能对比分析

2．4 本章小结

第三章 模糊支持向量机及其参数优化

3．1 支持向量机(SVM)原理

3．1．1 统计学习理论

3．1．2 支持向量机模型

3．2 模糊支持向量机(FSVM)概述

3．2．1 模糊支持向量机(FSVM)模型

3．2．2 隶属度函数的确定

3．3 参数优化

3．3．1 K折交叉验证法

3．3．2 粒子群算法概述

3．4 仿真实验

3．4．1 基于K折交叉验证法的参数优化

3．4．2 基于粒子群算法的参数优化

3．4．3 FSVM方法训练

3．5 本章小结

第四章 基于FSVM的制造过程多元质量诊断技术

4．1 模型构建

4．2 二元过程数据模型

4．2．1 二元变量相关性

4．2．2 二元过程模式类别

4．3 基于FSVM的多元质量诊断技术

4．3．1 训练模式参数设计

4．3．2 模型性能分析

4．4 实例应用

4．4．1 案例介绍

4．4．2 案例分析

4．5 本章小结

第五章 总结与展望

5．1 总结

5．2 展望

参考文献

攻读硕士学位期间的学术活动及成果情况