發(fā)布時(shí)間：2021-02-20 03:30

　　多元控制圖常用于對(duì)多個(gè)相關(guān)變量進(jìn)行監(jiān)控,用以發(fā)現(xiàn)制造過程中存在的系統(tǒng)性變異。當(dāng)多元過程的分布未知時(shí),常用非參數(shù)方法進(jìn)行過程監(jiān)控。針對(duì)多元過程監(jiān)控問題,提出了一種基于最小二乘支持向量機(jī)（least squares support vector machine,LSSVM）的多元過程非參數(shù)監(jiān)控方法。在僅有受控?cái)?shù)據(jù)（參考數(shù)據(jù)集）的條件下,采用移動(dòng)窗口技術(shù)對(duì)過程數(shù)據(jù)序列進(jìn)行預(yù)處理,并與參考數(shù)據(jù)集一起用于對(duì)LSSVM進(jìn)行動(dòng)態(tài)訓(xùn)練,進(jìn)而以移動(dòng)窗口中的數(shù)據(jù)與分類超平面之間的距離為控制變量進(jìn)行多元過程監(jiān)控。討論了監(jiān)控模型設(shè)計(jì)與參數(shù)選擇方法并通過仿真和實(shí)例進(jìn)行了性能評(píng)估。 

【文章來源】：工業(yè)工程. 2020,23(01)北大核心

【文章頁數(shù)】：6 頁

【部分圖文】：

參數(shù)σ2和γ對(duì)誤分類率的影響

從手機(jī)裝配過程中收集到的測(cè)試數(shù)據(jù)為例，對(duì)所提出的LSSVM控制圖進(jìn)行應(yīng)用和驗(yàn)證。在手機(jī)裝配完成后，需要對(duì)攝像頭的性能進(jìn)行測(cè)試。測(cè)試方法是對(duì)攝像頭在屏幕上的成像的聚焦度進(jìn)行測(cè)試，測(cè)試中心(x 1)、左上(x 2)、左下(x 3)、右上(x 4)和右下(x 5)共5個(gè)點(diǎn)的聚焦度。部分測(cè)試樣本的基本統(tǒng)計(jì)量如表3所示。表3的結(jié)果顯示，數(shù)據(jù)分布是左偏的。為進(jìn)一步對(duì)數(shù)據(jù)的分布特性進(jìn)行驗(yàn)證，繪制了變量x1的直方圖如圖2所示，圖2顯示數(shù)據(jù)存在明顯的左偏特性，即觀測(cè)數(shù)據(jù)不服從多元正態(tài)分布。依據(jù)第3.1節(jié)和3.2節(jié)討論的方法，確定LSSVM控制圖的參數(shù)為γ=1、σ2=0.4和h=-0.331 6。同時(shí)，受控樣本估計(jì)過程的均值和協(xié)方差矩陣分別是。根據(jù)估計(jì)的過程均值和協(xié)方差，構(gòu)建χ2控制圖。LSS-VM控制圖和χ2控制圖的ARL值如表2所示。

當(dāng)過程變量不服從多元正態(tài)分布時(shí)，現(xiàn)有基于多元正態(tài)分布假設(shè)的控制圖不再適用。針對(duì)這一問題，本文構(gòu)建了基于LSSVM的多元過程非參數(shù)監(jiān)控模型，并討論了LSSVM控制參數(shù)和控制閾值的確定方法。在此基礎(chǔ)上，通過仿真方法，分別針對(duì)多元正態(tài)過程和非正態(tài)過程對(duì)LSSVM控制圖的性能進(jìn)行了分析評(píng)估，并與傳統(tǒng)的基于正態(tài)分布假設(shè)的χ2控制圖進(jìn)行了比較。結(jié)果顯示，當(dāng)過程變量服從多元正態(tài)分布時(shí)，LSSVM控制圖比χ2具有更高的靈敏度，特別是當(dāng)偏移較小的時(shí)候，LSSVM控制圖的優(yōu)勢(shì)更加明顯；而當(dāng)過程變量為非正態(tài)時(shí)，χ2控制圖的性能明顯比LSSVM控制圖的性能要差。最后，通過手機(jī)裝配過程中攝像頭聚焦度的測(cè)試數(shù)據(jù)對(duì)LSSVM控制圖的性能進(jìn)行了驗(yàn)證，結(jié)果表明當(dāng)過程偏移時(shí)，LSSVM控制圖能夠有效檢測(cè)出過程偏移。

【參考文獻(xiàn)】：
期刊論文
[1]基于PSO的支持向量機(jī)多元控制圖均值偏移診斷模型[J]. 趙永滿,何楨,何曙光,張敏.  天津大學(xué)學(xué)報(bào)(自然科學(xué)與工程技術(shù)版). 2013(05)
[2]小批量多元控制圖建模方法研究[J]. 李鋼,代海飛.  計(jì)算機(jī)應(yīng)用. 2008(10)



本文編號(hào)：3042155