一直以來,產(chǎn)品質(zhì)量都是復(fù)雜產(chǎn)品制造企業(yè)的生命線,做好復(fù)雜產(chǎn)品制造過程中的質(zhì)量控制成為保證產(chǎn)品最終質(zhì)量的根本途徑。然而隨著物聯(lián)網(wǎng)和大數(shù)據(jù)等新興信息技術(shù)的不斷創(chuàng)新發(fā)展,復(fù)雜產(chǎn)品制造過程質(zhì)量控制出現(xiàn)了技術(shù)瓶頸,致使復(fù)雜產(chǎn)品制造過程質(zhì)量控制成為國內(nèi)外一大研究熱點(diǎn)問題。本文擬對(duì)復(fù)雜產(chǎn)品制造過程質(zhì)量控制中的關(guān)鍵質(zhì)量特性(Critical-to-Quality,CTQ)識(shí)別和產(chǎn)品最終質(zhì)量水平預(yù)測展開研究,主要研究內(nèi)容如下:(1)考慮到復(fù)雜產(chǎn)品制造過程中通常包含大量質(zhì)量特性,為了能夠有效識(shí)別影響產(chǎn)品最終質(zhì)量的CTQ集,本文提出了一種基于改進(jìn)DE算法的特征選擇算法,并將其應(yīng)用于復(fù)雜產(chǎn)品CTQ識(shí)別之中。所提算法主要是通過改變?cè)蠨E算法的變異策略和交叉策略,從而提升算法的全局搜索和局部搜索能力。通過設(shè)計(jì)對(duì)比實(shí)驗(yàn),使用原始DE算法和IG算法作為對(duì)比算法來驗(yàn)證改進(jìn)算法在CTQ識(shí)別上的有效性。實(shí)驗(yàn)結(jié)果表明所提算法在識(shí)別CTQ集時(shí),不僅使得后續(xù)分類算法的預(yù)測精度更高,同時(shí)還能減少CTQ集的維度,這對(duì)于提升分類算法的性能上具有很大的作用。(2)本文構(gòu)建了一個(gè)多復(fù)雜制造過程的產(chǎn)品最終質(zhì)量水平預(yù)測框架,框架采用支持向量機(jī)(Support Vector Machine,SVM)技術(shù)作為核心預(yù)測算法。為了優(yōu)化SVM預(yù)測模型的訓(xùn)練過程,提出了一種基于兩階段啟發(fā)式的SVM參數(shù)選擇算法,并通過設(shè)計(jì)對(duì)比實(shí)驗(yàn)驗(yàn)證了該算法的高效性。為了驗(yàn)證所提框架的實(shí)用性,本文通過利用相關(guān)數(shù)據(jù)進(jìn)行了算例實(shí)驗(yàn),結(jié)果表明所提多制造過程產(chǎn)品最終質(zhì)量水平預(yù)測框架是有效的。
【學(xué)位單位】：合肥工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2018
【中圖分類】：F273.2
【部分圖文】：

合肥工業(yè)大學(xué)學(xué)術(shù)碩士研究生學(xué)位論文章，復(fù)雜產(chǎn)品制造過程質(zhì)量控制的流程分析。首先對(duì)相關(guān)概念進(jìn)了復(fù)雜產(chǎn)品制造過程質(zhì)量控制的一般流程并提煉出其中的關(guān)鍵流程進(jìn)行了相關(guān)技術(shù)分析。章，基于改進(jìn) DE 的復(fù)雜產(chǎn)品制造過程 CTQ 識(shí)別方法。本章主改進(jìn) DE 算法的特征選擇算法，并將該算法應(yīng)用在復(fù)雜產(chǎn)品制造問題上，最后通過設(shè)計(jì)對(duì)比實(shí)驗(yàn)對(duì)所提算法的有效性進(jìn)行了驗(yàn)章，基于 SVM 的復(fù)雜產(chǎn)品最終質(zhì)量水平預(yù)測方法。本章主要研制造過程的產(chǎn)品最終質(zhì)量水平預(yù)測問題。通過構(gòu)建一個(gè)多復(fù)雜終質(zhì)量水平預(yù)測框架，選用 SVM 作為其預(yù)測方法，并對(duì) SVM改進(jìn)優(yōu)化，最后同樣通過設(shè)計(jì)相關(guān)數(shù)值實(shí)驗(yàn)來驗(yàn)證該預(yù)測框架章，總結(jié)與展望。一方面對(duì)本文的研究內(nèi)容進(jìn)行了詳細(xì)總結(jié)，另領(lǐng)域進(jìn)一步的研究進(jìn)行了研究展望。的總體框架結(jié)構(gòu)如圖 1.1 所示。

合肥工業(yè)大學(xué)學(xué)術(shù)碩士研究生學(xué)位論文 基本模型早由 Vapnik 于 1995 年根據(jù)統(tǒng)計(jì)學(xué)習(xí)理論中的結(jié)構(gòu)風(fēng)險(xiǎn)最小[37]，該方法一經(jīng)提出便吸引了國內(nèi)外諸多研究者的關(guān)注。經(jīng)，SVM 理論逐漸成為數(shù)據(jù)挖掘領(lǐng)域一個(gè)很重要的分支，幾非常好的應(yīng)用效果。當(dāng)然這主要是由于 SVM 能有效提高學(xué)有限數(shù)據(jù)集得到的判別函數(shù)對(duì)獨(dú)立的測試集仍能保持較小的論的發(fā)展源于對(duì)線性可分問題的研究，目的是為了找到所集 鉢進(jìn)行分類的最大間隔超平面，其基本思想可用圖 2.1 來量機(jī)

1復(fù)雜產(chǎn)品制造過程質(zhì)量控制的一般流程

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王化強(qiáng);牛占文;;基于LASSO的復(fù)雜產(chǎn)品關(guān)鍵質(zhì)量特性識(shí)別[J];系統(tǒng)工程;2014年06期

2 閆偉;何楨;李岸達(dá);;基于CEM-IG算法的復(fù)雜產(chǎn)品關(guān)鍵質(zhì)量特性識(shí)別[J];系統(tǒng)工程理論與實(shí)踐;2014年05期

3 謝榮琦;何楨;何曙光;;基于ReliefF和k-modes聚類的復(fù)雜產(chǎn)品關(guān)鍵質(zhì)量特性識(shí)別[J];工業(yè)工程與管理;2014年01期

4 王寧;徐濟(jì)超;楊劍鋒;;多級(jí)制造過程關(guān)鍵質(zhì)量特性識(shí)別方法[J];計(jì)算機(jī)集成制造系統(tǒng);2013年04期

5 閆偉;何楨;田文萌;何曙光;;基于EM的不平衡數(shù)據(jù)關(guān)鍵質(zhì)量特性識(shí)別[J];工業(yè)工程與管理;2012年04期

6 閆偉;何楨;田文萌;;復(fù)雜產(chǎn)品關(guān)鍵質(zhì)量特性識(shí)別方法[J];工業(yè)工程;2012年03期

7 閆偉;何楨;田文萌;何曙光;;基于IG的復(fù)雜產(chǎn)品關(guān)鍵質(zhì)量特性識(shí)別[J];工業(yè)工程與管理;2012年01期

8 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(luò)內(nèi)螺紋冷擠壓成形質(zhì)量預(yù)測[J];中國機(jī)械工程;2012年01期

9 戚長松;余忠華;侯智;楊振生;;基于CART決策樹的復(fù)雜生產(chǎn)過程質(zhì)量預(yù)測方法研究[J];組合機(jī)床與自動(dòng)化加工技術(shù);2010年03期

10 謝紅梅;廖小平;盧煜海;;遺傳神經(jīng)網(wǎng)絡(luò)及其在制品質(zhì)量預(yù)測中的應(yīng)用[J];中國機(jī)械工程;2008年22期

本文編號(hào)：2823679