制造产品在线质量预测方法研究

摘要

针对制造过程的在线质量预测的实时性问题,提出了一种制造产品在线质量预测方法.该方法在分为在线和离线两个部分.离线部分基于粒子群(PSO)与极端学习机(ELM)建立了优化的产品质量预测模型.同时,在线端改进了k-means方法并将其应用于在线质量数据流聚类,引用模型预测产品的质量.仿真实验表明该方法实时性较贝叶斯方法和BP神经网络有较大优势,能应用于当前制造过程的在线质量预测.