本文關鍵詞：壓力容器質(zhì)量過程控制中數(shù)據(jù)挖掘方法及應用研究　出處：《天津工業(yè)大學》2017年碩士論文　論文類型：學位論文

  更多相關文章： 壓力容器 決策樹 神經(jīng)網(wǎng)絡 Logistic回歸分析 質(zhì)量過程控制

【摘要】：隨著數(shù)據(jù)挖掘技術(shù)的發(fā)展,將數(shù)據(jù)挖掘方法應用于質(zhì)量控制中越來越受到人們的關注,壓力容器質(zhì)量控制中質(zhì)量分類預測問題的解決方式也逐漸從傳統(tǒng)的統(tǒng)計過程控制向數(shù)據(jù)挖掘技術(shù)轉(zhuǎn)變。針對壓力容器質(zhì)量過程控制中的問題,本文著重研究了壓力容器質(zhì)量過程控制中質(zhì)量分類預測模型,主要從決策樹模型、神經(jīng)網(wǎng)絡模型、Logistic回歸分析模型對生產(chǎn)過程進行質(zhì)量控制和質(zhì)量預測,為企業(yè)優(yōu)化壓力容器的生產(chǎn)工藝提供指導和參考。首先,基于決策樹算法建立的數(shù)據(jù)挖掘質(zhì)量預測模型,本文通過分析壓力容器焊縫質(zhì)量數(shù)據(jù),選擇了 20個屬性變量作為決策樹模型的輸入變量,并對這些變量做離散化處理,優(yōu)化決策樹算法中的相關參數(shù),建立了合理有效的壓力容器質(zhì)量過程控制中焊縫質(zhì)量分類預測模型。其次,本文將相同原始樣本數(shù)據(jù)經(jīng)過數(shù)據(jù)準備使輸入變量轉(zhuǎn)化為0-1變量,利用多層訓練法建立隱含層數(shù)目為2的BP神經(jīng)網(wǎng)絡模型。然后,基于二項回歸分析方程的基礎上,建立預測壓力容器焊縫質(zhì)量分類的多元Logistic回歸分析模型。最后,全方位地對三個數(shù)據(jù)挖掘分類預測模型比較和分析,找到解決壓力容器質(zhì)量過程控制中焊縫質(zhì)量分類的最佳預測模型。從模型質(zhì)量分類預測的正確率、準確率比較模型預測的結(jié)果,之后從增益圖、響應圖、提升圖三方面評估模型的規(guī)則概括能力、規(guī)則置信度和對樣本特征的涵蓋捕捉能力。通過模型比較得知決策樹模型在上述比較角度方面都有明顯的優(yōu)勢,在建立模型過程中,同時得到影響壓力容器焊縫質(zhì)量分類的主要因素有Z角度、厚度、外周長允差、展開長度。
【學位授予單位】：天津工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TH49;TP311.13

【參考文獻】

相關期刊論文 前10條

1 趙紅;王增輝;;一種Logistic模型參數(shù)估計的新方法及應用[J];經(jīng)濟數(shù)學;2014年03期

2 陳梅;;數(shù)據(jù)挖掘技術(shù)及其在生產(chǎn)過程質(zhì)量控制中的應用[J];價值工程;2014年16期

3 郭龍波;韋俊;;SAS數(shù)據(jù)挖掘在冷軋酸洗卷質(zhì)量缺陷分析中的應用[J];計算機與現(xiàn)代化;2012年04期

4 張敏;黎向鋒;左敦穩(wěn);繆宏;;基于主成分分析的BP神經(jīng)網(wǎng)絡內(nèi)螺紋冷擠壓成形質(zhì)量預測[J];中國機械工程;2012年01期

5 王建勛;初冠南;于昌利;王國學;桂洪斌;;船舶與海洋工程中的焊接變形預測方法研究[J];船舶工程;2011年S2期

6 孫林;楊世元;;最小二乘支持向量機構(gòu)造的函數(shù)鏈接型神經(jīng)網(wǎng)絡在滾動軸承故障診斷中的應用[J];中國電機工程學報;2010年08期

7 蔣云燕;成長生;;基于數(shù)據(jù)挖掘的入侵檢測[J];計算機應用與軟件;2006年11期

8 施伯樂,汪衛(wèi);數(shù)據(jù)倉庫與數(shù)據(jù)挖掘研究進展[J];計算機應用與軟件;2003年11期

9 楊海瀾,吳毅雄;焊接質(zhì)量控制的主成分分析人工神經(jīng)網(wǎng)絡[J];上海交通大學學報;2003年10期

10 張雪英;國外先進數(shù)據(jù)挖掘工具的比較分析[J];計算機工程;2003年16期

，

本文編號：1326853