在競(jìng)爭(zhēng)日益激烈的今天,企業(yè)提高自身的競(jìng)爭(zhēng)力變得越來(lái)越重要。要想這么做,企業(yè)一方面要設(shè)計(jì)生產(chǎn)出更適應(yīng)市場(chǎng)需要的產(chǎn)品,另一方面就是要生產(chǎn)出來(lái)的產(chǎn)品的質(zhì)量要合格。可以說(shuō)產(chǎn)品質(zhì)量是一個(gè)企業(yè)能發(fā)展的立身之本。產(chǎn)品質(zhì)量管理技術(shù)經(jīng)過(guò)多年的發(fā)展已經(jīng)很完善,可以實(shí)現(xiàn)從原材料到成品的全鏈條的質(zhì)量管理和追溯。而如果可以在產(chǎn)品生產(chǎn)過(guò)程中提前預(yù)測(cè)出產(chǎn)品最終完成時(shí)的質(zhì)量情況,進(jìn)而為產(chǎn)品的下一步生產(chǎn)提供預(yù)警信息,及時(shí)調(diào)整生產(chǎn)工藝,就可以最終減少不合格產(chǎn)品的產(chǎn)出,進(jìn)而達(dá)到降低企業(yè)的成本,增強(qiáng)企業(yè)競(jìng)爭(zhēng)力的目的。產(chǎn)品質(zhì)量預(yù)測(cè)的核心就是能找到一個(gè)準(zhǔn)確的數(shù)學(xué)模型。主要總結(jié)了幾種常用的預(yù)測(cè)模型,經(jīng)過(guò)模擬實(shí)驗(yàn),從中選出支持向量機(jī)模型進(jìn)行研究學(xué)習(xí)。提出使用遺傳算法來(lái)對(duì)支持向量機(jī)建模過(guò)程中需要的兩個(gè)參數(shù):徑向基核函數(shù)參數(shù)σ和錯(cuò)誤懲罰參數(shù)C進(jìn)行搜索優(yōu)化,選擇出最適合當(dāng)前問(wèn)題的參數(shù)組合使建立的模型預(yù)測(cè)效果更好。經(jīng)過(guò)模擬實(shí)驗(yàn),結(jié)果證明基于遺傳算法優(yōu)化的支持向量機(jī)模型比不進(jìn)行參數(shù)優(yōu)化的支持向量機(jī)模型的預(yù)測(cè)效果更好。設(shè)計(jì)和初步實(shí)現(xiàn)了基于遺傳算法優(yōu)化的支持向量機(jī)模型的產(chǎn)品質(zhì)量預(yù)測(cè)系統(tǒng),該系統(tǒng)可以根據(jù)當(dāng)前生產(chǎn)的產(chǎn)品的歷史生產(chǎn)數(shù)據(jù)訓(xùn)練并建立預(yù)測(cè)模型... 

【文章來(lái)源】：機(jī)械科學(xué)研究總院北京市

【文章頁(yè)數(shù)】：72 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖４－１基于遺傳算法的支持向量機(jī)算法流程圖??首先將支持向量機(jī)的兩個(gè)參數(shù)進(jìn)行編碼并給予初始值，將輸入數(shù)據(jù)的格式轉(zhuǎn)化??為算法需要的格式將輸入數(shù)據(jù)分為訓(xùn)練集和測(cè)試集

?機(jī)械科學(xué)研宂總院碩士學(xué)位論文???＾?Ｒｅｄ?ｗｉｎｅ??????Ｃ？?＿??由??ｔ?〇??ｉ??＜Ｄ?－??Ｃ??ｔ?〇??＆?８＇??３?”????ｇ??ｉｔ?８－??１???，??。－ｊ??ｉ??—ｊ??１??ｉ?ｉ?ｉ?ｉ?ｉ?ｉ??３?４?５?６?７?８??Ｓｅｎｓｏｒｙ?ｐｒｅｆｅｒｅｎｃｅ??圖４－２葡萄酒的質(zhì)量分?jǐn)?shù)分布??圖４－２給出了葡萄酒成酒的質(zhì)量分?jǐn)?shù)分布情況，質(zhì)量不好的酒分?jǐn)?shù)不大于４分，??質(zhì)量好的酒分?jǐn)?shù)髙于６分，這批酒中大多數(shù)質(zhì)量為５分或者６分可以認(rèn)為這些酒質(zhì)??量為良，從圖可以看出，酒的質(zhì)量分布符合統(tǒng)計(jì)分布規(guī)律。??４．?５．?２建模預(yù)測(cè)??將預(yù)處理后的數(shù)據(jù)按比例分成訓(xùn)練集和測(cè)試集，然后分別使用傳統(tǒng)的ＲＢＦ核函數(shù)的??支持向量機(jī)模型，參數(shù)為默認(rèn)參數(shù)，和使用遺傳算法優(yōu)化的ＲＢＦ核函數(shù)的支持向量??機(jī)模型進(jìn)行訓(xùn)練使用測(cè)試集進(jìn)行測(cè)試。??整個(gè)過(guò)程如下：??１）對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理。??２）按照實(shí)驗(yàn)的要求將樣本數(shù)據(jù)按設(shè)定好的比例分成訓(xùn)練集與測(cè)試集。??３）分別使用支持向量機(jī)模型和基于遺傳算法優(yōu)化的支持向量機(jī)模型進(jìn)行訓(xùn)練和預(yù)??測(cè)。??４）通過(guò)交叉驗(yàn)證來(lái)對(duì)模型的建模效果進(jìn)行驗(yàn)證。??５）為了保證準(zhǔn)確性，消除隨機(jī)帶來(lái)的誤差，重復(fù)進(jìn)行２０次。??４．６?實(shí)驗(yàn)結(jié)果??２６??

８９５４１７?０．８８１０４２?０．８９６２５?０．８７３７５??１６０??ＯＪＳ８?？?＇？一?????＿＿１＿藝■■■■＿■咖???????１．?Ｉ??０＾７５??????—￣—?礦???０．８５５?、、Ｊ?、＇?Ｖ、、Ｚ??ＯＳＳ???????０３４５??０＾４?｜??０．８３５??１?２?３?Ａ?５?６?７?８?９?１０?１１?１２?１３?１４?１５?１６?１７?１８?１９?２０??１＂?—?ＧＡ－ＳＶＭ?ＳＶＭ??圖４－３?ＧＡ－ＳＶＭ與ＳＶＭ模型１６０個(gè)樣本數(shù)據(jù)下的預(yù)測(cè)得分??２７??

【參考文獻(xiàn)】：
期刊論文
[1]基于MES的質(zhì)量信息化管理的實(shí)現(xiàn)[J]. 張毛,汪廣擴(kuò).  中小企業(yè)管理與科技(中旬刊). 2018(02)
[2]企改中基于MES的加工過(guò)程質(zhì)量控制與預(yù)測(cè)研究[J]. 辛梅.  經(jīng)濟(jì)研究導(dǎo)刊. 2017(21)
[3]基于遺傳算法-支持向量機(jī)的建材產(chǎn)品質(zhì)量預(yù)測(cè)方法研究[J]. 劉淑偉,郭順生.  機(jī)械制造. 2016(11)
[4]基于PCA&SVM的多品種小批量產(chǎn)品質(zhì)量預(yù)測(cè)方法研究[J]. 張炎亮,秦惜夢(mèng),崔慶安.  科技管理研究. 2016(14)
[5]基于改進(jìn)RBF神經(jīng)網(wǎng)絡(luò)的鋼構(gòu)件質(zhì)量預(yù)測(cè)研究[J]. 雷兆明,王東澤,花季偉,王軍.  自動(dòng)化與儀表. 2015(09)
[6]基于支持向量機(jī)的地鐵客流量預(yù)測(cè)[J]. 趙鈺棠,楊信豐,楊珂.  都市快軌交通. 2014(03)
[7]基于MES系統(tǒng)的離散制造業(yè)質(zhì)量信息管理研究[J]. 代緒強(qiáng),孫亞振,許自力,戚寶運(yùn).  機(jī)械制造與自動(dòng)化. 2014(02)
[8]葡萄酒的質(zhì)量預(yù)測(cè)模型[J]. 陳欣.  西安文理學(xué)院學(xué)報(bào)(自然科學(xué)版). 2013(02)
[9]基于GMC（1,n）模型的多品種、小批量產(chǎn)品質(zhì)量預(yù)測(cè)方法研究[J]. 張炎亮,胡琳琳.  機(jī)床與液壓. 2013(03)
[10]基于灰色理論與BP神經(jīng)網(wǎng)絡(luò)的工序質(zhì)量預(yù)測(cè)研究[J]. 王秋明,劉科成,高慧穎.  北京理工大學(xué)學(xué)報(bào). 2011(02)

博士論文
[1]基于人工智能及大數(shù)據(jù)技術(shù)對(duì)中藥飲片生產(chǎn)質(zhì)量管控的研究[D]. 周明.南京中醫(yī)藥大學(xué) 2018
[2]高爐冶煉復(fù)雜性分析及支持向量機(jī)擴(kuò)展建模預(yù)測(cè)研究[D]. 王義康.浙江大學(xué) 2012

碩士論文
[1]基于RFID技術(shù)的發(fā)動(dòng)機(jī)缸體制造過(guò)程質(zhì)量控制方法及系統(tǒng)研究[D]. 李曉靜.合肥工業(yè)大學(xué) 2017
[2]基于機(jī)器學(xué)習(xí)的蘭州市空氣質(zhì)量預(yù)報(bào)方法研究[D]. 李昊.蘭州大學(xué) 2017
[3]基于PSO-LS-SVM的發(fā)動(dòng)機(jī)多工序裝配質(zhì)量預(yù)測(cè)模型研究[D]. 呂旭澤.合肥工業(yè)大學(xué) 2016
[4]基于改進(jìn)支持向量機(jī)的產(chǎn)品質(zhì)量預(yù)測(cè)研究[D]. 靳江偉.東北林業(yè)大學(xué) 2016
[5]基于支持向量機(jī)的高爐鐵水硅含量預(yù)測(cè)[D]. 馬淑艷.浙江大學(xué) 2016
[6]基于優(yōu)化灰色SVM模型的航天A廠質(zhì)量控制研究[D]. 周小青.哈爾濱工業(yè)大學(xué) 2016
[7]偏最小二乘及稀疏偏最小二乘回歸的應(yīng)用研究[D]. 郭婷婷.昆明理工大學(xué) 2015
[8]基于支持向量機(jī)的產(chǎn)品合格率預(yù)測(cè)研究[D]. 趙奎領(lǐng).華南理工大學(xué) 2012
[9]基于神經(jīng)網(wǎng)絡(luò)的乳制品質(zhì)量預(yù)測(cè)研究[D]. 王輝.河北農(nóng)業(yè)大學(xué) 2012
[10]基于MES的質(zhì)量信息管理與質(zhì)量追溯系統(tǒng)研究[D]. 劉偉.山東大學(xué) 2012



本文編號(hào)：3624216