控制圖是一種成功應(yīng)用到實際生產(chǎn)過程質(zhì)量監(jiān)控和診斷的有效工具,特別是在生產(chǎn)過程中的監(jiān)控的應(yīng)用很大提高了生產(chǎn)質(zhì)量保證的水平。盡管控制圖對于生產(chǎn)過程中的質(zhì)量控制發(fā)揮了巨大作用,但它對生產(chǎn)過程中的混合異常模式難以識別,很大程度削弱了控制圖的識別效果。目前,很多研究都是基于基礎(chǔ)異常模式,對于混合異常模式的識別研究相對較少。同時小波分析和BP神經(jīng)網(wǎng)絡(luò)對控制圖模式識別已成為研究熱點。本文就小波分析和BP神經(jīng)網(wǎng)絡(luò)的結(jié)合對質(zhì)量控制圖混合異常模式進行探索研究。本文研究內(nèi)容如下:首先用蒙特卡洛方法生成基礎(chǔ)異常模式特征數(shù)據(jù),并用基礎(chǔ)模式數(shù)據(jù)的矩陣相互疊加作為相應(yīng)混合異常模式數(shù)據(jù)的來源。其次用BP神經(jīng)網(wǎng)絡(luò)對基礎(chǔ)異常模式進行訓(xùn)練并檢測網(wǎng)絡(luò)的正確識別率。之后利用一維離散小波對原始數(shù)據(jù)進行特征提取,建立小波分析的控制圖混合異常模式識別模型。最后對小波基函數(shù)的選擇和BP神經(jīng)網(wǎng)絡(luò)參數(shù)作出相應(yīng)分析,將重構(gòu)細節(jié)信號和近似信號作為原數(shù)據(jù)的基礎(chǔ)異常模式數(shù)據(jù)輸入到訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)進行識別研究,得出模式識別結(jié)論。如何選定基礎(chǔ)小波以及提取控制圖混合異常模式的特征是本文研究的關(guān)鍵。本文根據(jù)小波函數(shù)的特性選用DbN、SymN和CoifN三種小波函數(shù)。然后利用MATLAB工具箱將三種小波函數(shù)系列在不同層數(shù)的分解系數(shù)進行對比,選擇最好表達原數(shù)據(jù)特征的小波函數(shù)以及分解層數(shù)。然后用選定的小波函數(shù)和分解層數(shù)進行小波重構(gòu),將生成數(shù)據(jù)輸入到訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)進行識別。識別研究表明:Coif4小波三層分解重構(gòu)特征數(shù)據(jù)時,網(wǎng)絡(luò)識別率較高。本文對控制圖混合異常模式識別研究提供了理論支持,并且為其他控制圖異常模式的識別研究提供分析方法。
【學(xué)位單位】：中北大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2017
【中圖分類】：O213.1
【文章目錄】：
摘要
ABSTRACT
1 緒論
    1.1 研究的背景以及意義
        1.1.1 論文的研究背景
        1.1.2 論文研究的意義
    1.2 控制圖識別國內(nèi)外研究現(xiàn)狀及發(fā)展趨勢
    1.3 小波分析的應(yīng)用現(xiàn)狀
    1.4 論文研究的主要內(nèi)容
    1.5 本章小結(jié)
2 質(zhì)量控制圖異常模式
    2.1 質(zhì)量控制圖的描述
    2.2 統(tǒng)計控制圖原理
        2.2.1 正態(tài)分布的知識介紹
        2.2.2 控制圖的設(shè)計原理
    2.3 控制圖監(jiān)控的兩類錯誤
    2.4 控制圖對所處狀態(tài)的判斷準則
        2.4.1 判斷穩(wěn)態(tài)的準則
        2.4.2 判斷異常的準則
        2.4.3 接近完全合格率產(chǎn)品過程的判異準則
    2.5 質(zhì)量控制圖模式
        2.5.1 質(zhì)量控制圖基本模式
        2.5.2 質(zhì)量控制圖混合異常模式
        2.5.3 常見基本異常模式的識別方法
    2.6 本章小結(jié)
3 神經(jīng)網(wǎng)絡(luò)識別控制圖模式
    3.1 神經(jīng)網(wǎng)絡(luò)基本理論
        3.1.1 神經(jīng)元模型
        3.1.2 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
    3.2 BP網(wǎng)絡(luò)
        3.2.1 BP網(wǎng)絡(luò)的結(jié)構(gòu)
        3.2.2 BP算法的數(shù)學(xué)描述
        3.2.3 BP算法存在的缺陷
        3.2.4 改進的BP算法
    3.3 MATLAB神經(jīng)網(wǎng)絡(luò)工具箱介紹
        3.3.1 MATLAB簡介
        3.3.2 MATLAB神經(jīng)網(wǎng)絡(luò)工具箱介紹
    3.4 對混合異常模式識別的設(shè)計方案
    3.5 本章小結(jié)
4 BP神經(jīng)網(wǎng)絡(luò)對基礎(chǔ)異常模式的識別
    4.1 控制圖模式識別樣本數(shù)據(jù)的產(chǎn)生
    4.2 樣本的選取原則
    4.3 控制圖基本模式樣本數(shù)據(jù)產(chǎn)生
    4.4 建立質(zhì)量控制圖模式識別模型
    4.5 本章小結(jié)
5 基于小波分析的質(zhì)量控制圖混合異常模式識別
    5.1 小波基礎(chǔ)理論
        5.1.1 小波分析的原理
        5.1.2 小波變換的概念
        5.1.3 小波提取特征的算法
    5.2 特征提取小波函數(shù)的選擇
        5.2.1 常用小波函數(shù)
        5.2.2 小波函數(shù)的選取
    5.3 基于小波分析的控制圖模式識別
        5.3.1 DWNN控制圖模式識別特點
        5.3.2 DWNN控制圖模式識別模型
    5.4 DWNN模型識別分析
        5.4.1 小波提取特征
        5.4.2 小波分解函數(shù)以及重組系數(shù)的確定
    5.5 識別效果對比
    5.6 本章小結(jié)
6 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻
攻讀碩士期間發(fā)表的論文及所取得的研究成果
致謝
附錄

【相似文獻】

相關(guān)期刊論文 前10條

1 周桂海;;控制圖在輝光光譜分析過程中的應(yīng)用[J];梅山科技;2013年02期

2 安東尼·D·伯恩斯;邁克爾·麥克萊恩;希文;;控制圖:保持簡單[J];上海質(zhì)量;2019年01期

3 黃虎;柯華;王晶;;基于逆加權(quán)參數(shù)估計方法的改進型Q控制圖研究[J];系統(tǒng)工程學(xué)報;2016年04期

4 陳袁鳴;;電氣安裝工程質(zhì)控實踐中控制圖的應(yīng)用意義略述[J];科技與創(chuàng)新;2015年21期

5 王偉民;;控制圖建立階段常見問題及審核思路[J];中國質(zhì)量;2015年08期

6 屈云利;朱永忠;張艷;;幾種多元累計和控制圖的比較研究[J];青島科技大學(xué)學(xué)報(自然科學(xué)版);2012年04期

7 張開文;;將p控制圖引入血站過程控制的探討[J];中國輸血雜志;2010年11期

8 孫小素;;國標《常規(guī)控制圖》中的幾個問題探析[J];統(tǒng)計與信息論壇;2009年01期

9 普濟;;統(tǒng)計技術(shù)方法入門第6講 控制圖(2)——控制圖的制作方法[J];中國質(zhì)量;2008年05期

10 黃誠;盧麗明;劉國平;;常規(guī)控制圖在標準物質(zhì)期間核查中的應(yīng)用[J];職業(yè)與健康;2008年18期

相關(guān)博士學(xué)位論文 前10條

1 萬強;自適應(yīng)控制圖優(yōu)化設(shè)計與設(shè)備維護管理研究[D];華南理工大學(xué);2017年

2 常志遠;統(tǒng)計過程控制中參數(shù)自適應(yīng)型控制圖的研究[D];南京理工大學(xué);2016年

3 張斌;基于非正態(tài)分布的最優(yōu)過程均值確定和控制圖優(yōu)化設(shè)計的研究[D];南京理工大學(xué);2008年

4 梁文娟;關(guān)于多元控制圖的若干問題研究[D];華東師范大學(xué);2016年

5 孫秋霞;基于時間序列模型的控制圖性能評價及應(yīng)用[D];青島大學(xué);2011年

6 郭志芳;帶有轉(zhuǎn)換規(guī)則的動態(tài)（？）控制圖的設(shè)計及其推廣與應(yīng)用[D];南京理工大學(xué);2011年

7 羅隕曌;參數(shù)自適應(yīng)型統(tǒng)計質(zhì)量控制圖的研究[D];南開大學(xué);2010年

8 趙永滿;多元過程監(jiān)控與異常診斷研究[D];天津大學(xué);2012年

9 Aamir Saghir;統(tǒng)計過程監(jiān)控中靈活而穩(wěn)健的控制圖[D];浙江大學(xué);2014年

10 白瑩;基于貼近度指標的模糊質(zhì)量控制圖研究[D];中國礦業(yè)大學(xué)(北京);2012年

相關(guān)碩士學(xué)位論文 前10條

1 王慧;基于小波分析的控制圖混合異常模式識別研究[D];中北大學(xué);2017年

2 任冰;有偏分布自相關(guān)過程殘差控制圖的設(shè)計與應(yīng)用[D];北京工商大學(xué);2018年

3 余小悅;考慮維護影響的均值控制圖設(shè)計[D];西安理工大學(xué);2019年

4 于海嬌;具有穩(wěn)健參數(shù)估計的記憶型控制圖的比較研究[D];遼寧大學(xué);2018年

5 張安桂;t型控制圖的性能研究[D];遼寧大學(xué);2018年

6 岳進;復(fù)雜數(shù)據(jù)中的統(tǒng)計過程控制[D];四川師范大學(xué);2018年

7 顧麗君;帶轉(zhuǎn)換規(guī)則的動態(tài)T~2控制圖的統(tǒng)計性和經(jīng)濟性研究[D];南京理工大學(xué);2018年

8 朱曉琳;基于SPC的薯條生產(chǎn)過程質(zhì)量控制研究[D];東北林業(yè)大學(xué);2017年

9 劉春明;Bayesian理論在小批量生產(chǎn)質(zhì)量控制中的應(yīng)用研究[D];天津科技大學(xué);2017年

10 武艷華;基于改進錯誤發(fā)現(xiàn)率方法的多元指數(shù)加權(quán)滑動平均控制圖的研究[D];山東財經(jīng)大學(xué);2017年

本文編號：2867045