收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

复杂生产过程质量控制的智能方法研究

张敏  
【摘要】:质量作为社会经济发展的关键因素之一,越来越受到社会各界的重视。随着科学技术的发展,实现日渐复杂生产过程的质量管理成为研究者们关注的重大课题。质量管理是根据所制定的质量方针,通过质量策划、质量控制、质量保证和质量改进来实现产品或服务的全部活动。过程质量控制作为质量控制的关键部分,是实现产品创造的主要阶段,因而保证过程质量是实现质量管理的一种有效途径。随着现代生产过程的日益复杂,其过程具有数据高维、非线性,过程模型不确定和各子过程相互干扰并呈现强耦合等特点,因而比传统生产过程质量控制更为困难。本文通过复杂系统理论结合多元化、智能化等方向发展的质量控制方法,实现复杂生产过程的质量控制。 支持向量机是建立在统计学习理论的VC维理论和最小结构风险基础上的一种机器学习智能方法。通过核函数实现非线性问题向线性问题的转化,能较好的解决小样本、非线性、高维数、局部最小等问题,具有很强的泛化能力。粒子群算法模拟鸟群捕食行为,其算法概念简单,控制参数少,易于实现,同时兼有进化计算和群智能优化的特点,通过个体间的协作与竞争,实现对复杂空间最优解的搜索。粒子群算法是解决整数非线性优化问题、非线性连续优化问题和组合优化问题等方面的有效优化工具。本文利用支持向量机作为建立复杂生产过程质量模型的工具,将粒子群算法及其改进算法应用于支持向量机参数优化、模型最优解选择等问题中,从而实现复杂生产过程的质量控制。 针对复杂生产过程故障检测问题,本文将小波包分析方法作为过程样本数据的消噪工具,通过多层次划分逼近原信号的方法消除样本数据中的噪音和干扰,提取高效的数据样本,建立基于核主元分析的多变量统计过程监控模型,实现非线性问题向线性问题的转化,从而进行复杂生产过程的故障检测。本文通过1个数值算例和TE复杂化工过程故障分析进行故障检测研究,并与PCA和KPCA故障检测方法进行对比研究,证明所提出方法的可行性和有效性。 控制图作为统计过程控制的有效工具,控制图模式的识别在处理复杂生产过程质量问题中发挥着重要的作用。针对目前识别较难的控制图混合模式,本文首先提取样本数据的统计特征和形状特征值作为质量信息特征值,再利用主元分析方法进行第二次特征提取,得到高效的样本数据信息。利用支持向量机泛化能力强、识别精度高的特点实现控制图模式的多分类识别,同时采取自适应变异粒子群算法进行多分类支持向量机的参数优化。本文提出利用六种控制图基本模式和四种控制图混合模式对所提出的模型进行分析,通过与神经网络、支持向量机和主元分析-支持向量机这三种方法的对比试验,结果表明本文所建立的控制图模式识别方法能取得更高的分类识别率,为控制图模式识别研究提供一定的参考价值。 针对复杂生产过程的多输入、多输出、非线性的特点,提出了一种基于局部模型的多工况过程质量预测方法。首先利用K均值聚类方法进行复杂数据处理,实现复杂生产过程工况的划分,利用所需样本小、学习能力强的支持向量机回归原理建立各工况下的局部模型,再利用自适应粒子群算法求得各局部模型最优加权值,建立预测全局多模型,从而实现复杂生产过程的质量预测。通过TE过程的正常模式这一复杂过程对所建立的多模型预测方法进行仿真预测,并与局部模型、BP神经网络模型和支持向量机模型进行对比研究,结果表明本模型的预测效果相对其他预测方法较好,相对误差控制在1%左右,同时表明其预测方法的可行性和有效性。 复杂生产过程很难用单纯抽象的数学模型进行描述,生产商希望通过虚拟仿真的方式动态模拟生产过程,对生产过程的各质量因素进行分析,得到影响其质量问题的因素。本文在沥青混合料生产过程的级配控制的数学模型框架下,利用Arena仿真软件建立人机交互式界面,根据实际生产情况进行参数设定,模拟特定情况下的沥青混合料生产情况。并通过Arena软件内嵌的编译模块,编写不同的控制方法,实现沥青混合料质量控制的多因素控制逻辑,并利用图像输出实时观察生产状态的变化。模型试验结果表明系统优化控制与控制策略相关,适合的控制策略能使系统大幅度降低质量问题,仿真控制方法为沥青混合料级配的质量控制提供了很好的途径,极大地缩短产品的试验时间,及时控制级配偏差,有利于提高产品的整体质量,表明虚拟过程质量控制方法是复杂生产过程质量控制的一种有效途径。 本文利用支持向量机、粒子群算法、核主元分析、小波包分析等智能方法以及仿真技术进行复杂生产过程质量控制研究,主要从故障检测、控制图模式识别、质量预测和虚拟控制四个方面实现复杂生产过程质量的智能控制。文中所提的方法具有较高的理论价值和生产实践意义,并为后续的研究奠定了坚实的基础。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 黄国宏,邵惠鹤;核主元分析及其在人脸识别中的应用[J];计算机工程;2004年13期
2 何国辉,甘俊英;基于核主元分析和支持向量机的人脸识别[J];计算机工程与设计;2005年05期
3 史东承,于德海,周佳伟,高静;基于协同神经网络人脸信息联想记忆算法[J];吉林大学学报(信息科学版);2003年S1期
4 黄宴委,彭铁根;基于核主元分析的非线性动态故障诊断[J];系统仿真学报;2005年09期
5 李蓉一;赵瑾;申忠宇;;基于粒子群优化的核函数参数选优[J];江南大学学报(自然科学版);2010年04期
6 张燕昆,刘重庆;基于核独立成分分析的人脸识别[J];光学技术;2004年05期
7 刘显贵;陈志新;;基于核主元分析的支持向量机识别方法研究[J];微计算机信息;2006年25期
8 张国云;彭仕玉;;核PCA支持向量机算法研究[J];湖南理工学院学报(自然科学版);2006年04期
9 刘显贵;谢云敏;陈无畏;;一种基于核主元分析的支持向量机识别方法[J];南昌大学学报(理科版);2007年01期
10 徐晔;杜文莉;钱锋;;基于核主元分析和最小二乘支持向量机的软测量建模[J];系统仿真学报;2007年17期
11 周林成;杨慧中;;基于KPCA和最小二乘支持向量机的软测量建模[J];计算机仿真;2008年10期
12 于春梅;潘泉;程咏梅;张洪才;;基于核主元提取的支持向量机辨识[J];数学的实践与认识;2009年01期
13 陶玲;王豪;徐文艳;;基于KPCA和LSSVM的软测量建模与应用[J];控制工程;2009年S1期
14 祝志博;宋执环;;融合FDA-PCMC样本分类的KPCA故障检测新算法[J];控制与决策;2010年04期
15 成传亮;王淑娟;罗德超;;基于KPCA-LSSVM的公路软基路堤沉降预测[J];重庆理工大学学报(自然科学版);2010年06期
16 王华忠;俞金寿;;核函数方法及其模型选择[J];江南大学学报(自然科学版);2006年04期
17 李晓鹏;;基于PSO训练SVM的人脸识别[J];电脑知识与技术(学术交流);2007年08期
18 淦新富;郭立;;基于核主元统计的音频隐写分析[J];计算机工程与应用;2007年26期
19 颜学峰;陈佳;胡春平;钱锋;;KPCA-RVM组合建模方法及其在软测量中的应用[J];石油化工高等学校学报;2009年01期
20 罗键;庄进发;李波;吴长庆;黄春庆;;一种改进支持向量域数据描述方法及其应用[J];厦门大学学报(自然科学版);2009年05期
中国重要会议论文全文数据库 前4条
1 甘俊英;张有为;;核主元分析特征提取法的研究[A];第十一届全国信号处理学术年会(CCSP-2003)论文集[C];2003年
2 陈定三;杨慧中;;基于SVC-KNN的多模型软测量建模[A];PCC2009—第20届中国过程控制会议论文集[C];2009年
3 叶波;文玉梅;李平;;基于核主元分析和支持向量机的步态识别算法[A];第十三届全国图象图形学学术会议论文集[C];2006年
4 陈松;蔡建立;;基于小波特征与KPCA的人脸识别方法[A];江苏省现场统计研究会第十次学术年会论文集[C];2006年
中国博士学位论文全文数据库 前6条
1 何学文;基于支持向量机的故障智能诊断理论与方法研究[D];中南大学;2004年
2 张敏;复杂生产过程质量控制的智能方法研究[D];西南交通大学;2013年
3 张曦;基于统计理论的工业过程综合性能监控、诊断及质量预测方法研究[D];上海交通大学;2008年
4 王新峰;机电系统BIT特征层降虚警技术研究[D];国防科学技术大学;2005年
5 关山;基于声发射信号多特征分析与融合的刀具磨损分类与预测技术[D];吉林大学;2011年
6 柴艳有;基于核学习理论的船舶柴油机故障诊断研究[D];哈尔滨工程大学;2012年
中国硕士学位论文全文数据库 前9条
1 王笑;基于支持向量机分类的步态识别方法研究[D];西安电子科技大学;2007年
2 陶玲;石油树脂粘度的软测量研究[D];上海交通大学;2009年
3 山艳;基于支持向量机的人脸识别[D];江南大学;2007年
4 马彩君;基于数据分析的传感器故障诊断方法研究[D];中国石油大学;2007年
5 朱义;基于CHMM的设备性能退化评估方法研究[D];上海交通大学;2009年
6 周林成;小波支持向量机在数据建模中的研究及应用[D];江南大学;2008年
7 王心怡;基于核函数方法的机械故障诊断方法研究[D];郑州大学;2008年
8 向阳辉;基于信息融合技术的旋转机械故障诊断研究[D];中南大学;2007年
9 张新鹏;直升机传动链故障诊断与健康管理系统设计及关键技术研究[D];国防科学技术大学;2011年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978