本文關(guān)鍵詞：基于改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)在自相關(guān)過(guò)程控制中的應(yīng)用

  更多相關(guān)文章： 控制圖 殘差 BP神經(jīng)網(wǎng)絡(luò) 遺傳算法 識(shí)別能力 偏移點(diǎn)位置

【摘要】：當(dāng)代產(chǎn)品競(jìng)爭(zhēng)力的核心是產(chǎn)品質(zhì)量。以計(jì)算機(jī)為輔助實(shí)現(xiàn)質(zhì)量管理監(jiān)控是工業(yè)生產(chǎn)的常用方法。其中常規(guī)控制圖、CUSUM控制圖和EWMA控制圖是日前最為普遍的監(jiān)控方法,其基本假設(shè)前提是觀測(cè)值獨(dú)立同分布。然而在連續(xù)性的生產(chǎn)過(guò)程中,大多采集到的數(shù)據(jù)都存在自相關(guān)性,繼續(xù)使用常用的控制圖進(jìn)行監(jiān)控將發(fā)出錯(cuò)誤報(bào)警,造成大量損失。因此,使用正確的方法對(duì)自相關(guān)過(guò)程進(jìn)行監(jiān)控顯得尤為重要。目前調(diào)整常規(guī)控制圖控制限、殘差控制圖等方法用于監(jiān)控自相關(guān)過(guò)程,但效果都不是特別理想。本文研究了使用具有模式識(shí)別功能的BP神經(jīng)網(wǎng)絡(luò),此方法不會(huì)受到數(shù)據(jù)是否獨(dú)立同分布的制約,可以直接使用訓(xùn)練好的網(wǎng)絡(luò)對(duì)數(shù)據(jù)是否失控進(jìn)行預(yù)測(cè)。但是,因?yàn)樯窠?jīng)網(wǎng)絡(luò)中的初始權(quán)值和閾值是隨機(jī)分配的,在訓(xùn)練次數(shù)一定的條件下,初始權(quán)值和閾值直接影響到網(wǎng)絡(luò)的訓(xùn)練結(jié)果。本文針對(duì)以上問(wèn)題,主要做了以下幾方面的工作:(1)在闡述了常用控制圖和殘差控制圖的基本理論上,通過(guò)實(shí)驗(yàn)進(jìn)一步分析了幾種方法在監(jiān)控自相關(guān)過(guò)程時(shí)的優(yōu)缺點(diǎn)。(2)針對(duì)觀測(cè)值自相關(guān)性對(duì)控制圖識(shí)別能力的影響,研究了將BP神經(jīng)網(wǎng)絡(luò)用于監(jiān)控自相關(guān)過(guò)程的方法步驟,包括訓(xùn)練數(shù)據(jù)的選取和網(wǎng)絡(luò)結(jié)構(gòu)的確定,并用實(shí)例驗(yàn)證了使用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行識(shí)別的可行性。(3)針對(duì)標(biāo)準(zhǔn)神經(jīng)網(wǎng)絡(luò)收斂慢的缺點(diǎn),采用遺傳算法提高BP神經(jīng)網(wǎng)絡(luò)的收斂速度,且用遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的初始權(quán)值和閾值,使用優(yōu)化后的BP神經(jīng)網(wǎng)絡(luò)進(jìn)行監(jiān)控可以大幅度提高網(wǎng)絡(luò)預(yù)測(cè)的準(zhǔn)確性,同時(shí)還提出了利用預(yù)測(cè)結(jié)果確定偏移點(diǎn)位置的方法。(4)通過(guò)數(shù)值實(shí)驗(yàn),詳細(xì)對(duì)比了幾種監(jiān)控自相關(guān)過(guò)程方法的識(shí)別能力,結(jié)果表明本文提出的方法具有更強(qiáng)的識(shí)別能力和更精準(zhǔn)鎖定偏移點(diǎn)失控點(diǎn)位置的能力。
【關(guān)鍵詞】：控制圖 殘差 BP神經(jīng)網(wǎng)絡(luò) 遺傳算法 識(shí)別能力 偏移點(diǎn)位置
【學(xué)位授予單位】：長(zhǎng)安大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類(lèi)號(hào)】：O213.1;TP183
【目錄】：

• 摘要4-5
• ABSTRACT5-9
• 第一章 緒論9-12
• 1.1 研究背景及意義9-10
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀10-11
• 1.3 論文結(jié)構(gòu)安排11-12
• 第二章 統(tǒng)計(jì)過(guò)程控制與控制圖12-21
• 2.1 統(tǒng)計(jì)過(guò)程控制概述12-13
• 2.2 幾種常用控制圖基本原理及應(yīng)用準(zhǔn)則13-17
• 2.2.1 常規(guī)控制圖13-15
• 2.2.2 CUSUM控制圖15-16
• 2.2.3 EWMA控制圖16-17
• 2.3 控制圖評(píng)價(jià)標(biāo)準(zhǔn)-ARL17-20
• 2.3.1 兩類(lèi)錯(cuò)誤17-18
• 2.3.2 平均運(yùn)行長(zhǎng)度18-20
• 2.4 本章小結(jié)20-21
• 第三章 自相關(guān)過(guò)程控制圖概述21-37
• 3.1 自相關(guān)過(guò)程與識(shí)別21-25
• 3.1.1 數(shù)據(jù)自相關(guān)及其影響21
• 3.1.2 自相關(guān)過(guò)程的識(shí)別21-23
• 3.1.3 平穩(wěn)過(guò)程的相關(guān)函數(shù)23-25
• 3.2 時(shí)間序列分析25-28
• 3.2.1 常見(jiàn)的平穩(wěn)時(shí)間序列模型25-26
• 3.2.2 時(shí)間序列模型的識(shí)別26-28
• 3.3 殘差控制圖28-30
• 3.3.1 殘差控制圖原理28-29
• 3.3.2 殘差控制圖實(shí)施步驟29-30
• 3.4 殘差CUSUM控制圖30-31
• 3.4.1 殘差CUSUM控制圖原理30
• 3.4.2 殘差CUSUM控制圖實(shí)施步驟30-31
• 3.5 數(shù)值實(shí)驗(yàn)31-36
• 3.6 本章小結(jié)36-37
• 第四章 BP神經(jīng)網(wǎng)絡(luò)對(duì)自相關(guān)過(guò)程控制的應(yīng)用37-48
• 4.1 神經(jīng)網(wǎng)絡(luò)原理概述37-40
• 4.1.1 神經(jīng)元模型37-39
• 4.1.2 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)39
• 4.1.3 神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法39-40
• 4.2 BP神經(jīng)網(wǎng)絡(luò)的原理及架構(gòu)40-42
• 4.3 BP神經(jīng)網(wǎng)絡(luò)應(yīng)用于自相關(guān)過(guò)程控制中的設(shè)計(jì)42-45
• 4.3.1 網(wǎng)絡(luò)層次和結(jié)構(gòu)的選取42-43
• 4.3.2 網(wǎng)絡(luò)訓(xùn)練43-45
• 4.3.3 網(wǎng)絡(luò)輸出界定值45
• 4.4 BP神經(jīng)網(wǎng)絡(luò)在自相關(guān)過(guò)程控制應(yīng)用的性能評(píng)價(jià)45-47
• 4.4.1 BP神經(jīng)網(wǎng)絡(luò)的識(shí)別率46
• 4.4.2 BP神經(jīng)網(wǎng)絡(luò)識(shí)別自相關(guān)過(guò)程能力評(píng)價(jià)46-47
• 4.5 本章小結(jié)47-48
• 第五章 改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)方法及偏移點(diǎn)位置確定48-58
• 5.1 改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)48-53
• 5.1.1 遺傳算法基本理論48-49
• 5.1.2 遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)49-52
• 5.1.3 改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)識(shí)別自相關(guān)過(guò)程能力評(píng)價(jià)52-53
• 5.2 偏移點(diǎn)確定方法53-55
• 5.2.1 偏移點(diǎn)位置與改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)識(shí)別率的關(guān)系53-54
• 5.2.2 偏移點(diǎn)位置的確定54-55
• 5.3 數(shù)值實(shí)驗(yàn)55-57
• 5.3.1 殘差控制圖和殘差CUSUM控制圖結(jié)果分析55-56
• 5.3.2 BP神經(jīng)網(wǎng)絡(luò)和改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)結(jié)果分析56-57
• 5.4 本章小結(jié)57-58
• 第六章 總結(jié)與展望58-60
• 6.1 總結(jié)58
• 6.2 展望58-60
• 參考文獻(xiàn)60-64
• 攻讀碩士學(xué)位期間取得的研究成果64-65
• 致謝65

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 奚婧;;基于時(shí)間序列模型的黃金價(jià)格預(yù)測(cè)[J];現(xiàn)代計(jì)算機(jī)(專(zhuān)業(yè)版);2014年28期

2 李輝;郭怡;;遺傳算法及其優(yōu)化[J];河南農(nóng)業(yè);2013年20期

3 劉春艷;凌建春;寇林元;仇麗霞;武俊青;;GA-BP神經(jīng)網(wǎng)絡(luò)與BP神經(jīng)網(wǎng)絡(luò)性能比較[J];中國(guó)衛(wèi)生統(tǒng)計(jì);2013年02期

4 胡芬;;時(shí)間序列在老齡人口預(yù)測(cè)中的應(yīng)用[J];湖北成人教育學(xué)院學(xué)報(bào);2011年06期

5 胡大紅;姚志鵬;;自相關(guān)函數(shù)在時(shí)間序列模型識(shí)別中的應(yīng)用[J];襄樊學(xué)院學(xué)報(bào);2011年05期

6 鄭鵬輝;單銳;陳靜;;時(shí)間序列分析在我國(guó)財(cái)政收入預(yù)測(cè)中的應(yīng)用[J];重慶文理學(xué)院學(xué)報(bào)(自然科學(xué)版);2008年02期

7 吳玫;陸金桂;;遺傳算法的研究進(jìn)展綜述[J];機(jī)床與液壓;2008年03期

8 王宏杰;魏先峰;陳靜;韓義亭;;淺析人工神經(jīng)網(wǎng)絡(luò)[J];中國(guó)科技信息;2007年18期

9 何楨;劉冬生;;輸入層神經(jīng)元數(shù)對(duì)自相關(guān)過(guò)程控制的影響[J];工業(yè)工程;2007年04期

10 章義來(lái);馮旖旎;;基于改進(jìn)自適應(yīng)遺傳算法的BP神經(jīng)網(wǎng)絡(luò)模型研究[J];福建電腦;2007年01期

，

本文編號(hào)：846263