發(fā)布時(shí)間：2017-12-22 07:30

  本文關(guān)鍵詞：基于神經(jīng)網(wǎng)絡(luò)的多響應(yīng)復(fù)雜過(guò)程參數(shù)優(yōu)化方法研究　出處：《鄭州航空工業(yè)管理學(xué)院》2017年碩士論文　論文類(lèi)型：學(xué)位論文

  更多相關(guān)文章： 多響應(yīng)過(guò)程 參數(shù)優(yōu)化 人工神經(jīng)網(wǎng)絡(luò) 預(yù)測(cè)能力 主成分分析 響應(yīng)曲面

【摘要】：在國(guó)家發(fā)展大局中,質(zhì)量強(qiáng)國(guó)彰顯越來(lái)越重要的地位,并在“十三五”規(guī)劃中將建設(shè)質(zhì)量強(qiáng)國(guó)作為重大方針政策。參數(shù)優(yōu)化是質(zhì)量改進(jìn)中的一個(gè)重要環(huán)節(jié),而現(xiàn)實(shí)生產(chǎn)過(guò)程中,由于生產(chǎn)工藝復(fù)雜,參數(shù)優(yōu)化普遍存在復(fù)雜多響應(yīng)參數(shù)優(yōu)化問(wèn)題,包括質(zhì)量特性數(shù)目多、響應(yīng)間的相關(guān)性、高度復(fù)雜的非線(xiàn)性和響應(yīng)之間映射的多極值問(wèn)題,使得傳統(tǒng)的參數(shù)優(yōu)化方法難以實(shí)施。目前該方面的研究主要利用智能算法建立因子與響應(yīng)間復(fù)雜的映射關(guān)系,但沒(méi)有考慮響應(yīng)預(yù)測(cè)能力、響應(yīng)相關(guān)性等問(wèn)題,因此,本文給出了處理復(fù)雜多響應(yīng)參數(shù)優(yōu)化問(wèn)題的改進(jìn)方法。研究了一種改進(jìn)的響應(yīng)曲面模型優(yōu)化方法,主要考慮響應(yīng)預(yù)測(cè)能力對(duì)結(jié)果的影響。利用響應(yīng)曲面法構(gòu)建因子與響應(yīng)間回歸模型,以響應(yīng)預(yù)測(cè)能力指數(shù)為權(quán)重得到綜合回歸模型,然后以綜合回歸模型為目標(biāo)函數(shù)在區(qū)間范圍內(nèi)搜索最優(yōu)參數(shù)組合,并給出參數(shù)改進(jìn)的方向。利用該方法可使參數(shù)優(yōu)化結(jié)果優(yōu)先優(yōu)化預(yù)測(cè)能力強(qiáng)的響應(yīng)。針對(duì)生產(chǎn)過(guò)程中存在的復(fù)雜多響應(yīng)問(wèn)題,給出一種基于神經(jīng)網(wǎng)絡(luò)的參數(shù)優(yōu)化方法。利用加權(quán)主成分分析方法將多個(gè)質(zhì)量指標(biāo)轉(zhuǎn)化為單一的質(zhì)量績(jī)效指標(biāo),并利用神經(jīng)網(wǎng)絡(luò)彌補(bǔ)響應(yīng)曲面法的不足,構(gòu)建良好的映射模型,利用神經(jīng)網(wǎng)絡(luò)模型的高泛化能力對(duì)最優(yōu)參數(shù)組合尋優(yōu)搜索,以較少的試驗(yàn)數(shù)據(jù)得到理想的參數(shù)設(shè)計(jì)。研究結(jié)果表明,該方法能夠較大程度地改善多響應(yīng)指標(biāo)。研究了一種基于神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)的改進(jìn)加權(quán)主成分分析法。對(duì)于生產(chǎn)過(guò)程中存在的復(fù)雜響應(yīng)問(wèn)題,回歸模型的擬合度達(dá)不到響應(yīng)預(yù)測(cè)能力指數(shù)的計(jì)算要求,本文利用神經(jīng)網(wǎng)絡(luò)建立非線(xiàn)性模型,使用神經(jīng)網(wǎng)絡(luò)模型的均方誤差計(jì)算響應(yīng)預(yù)測(cè)能力指數(shù),調(diào)整加權(quán)主成分分析,改善了工藝參數(shù)優(yōu)化效果。理論與實(shí)際相結(jié)合是本文研究的特色,理論方法研究以工程案例為依托,案例背景均來(lái)自于研究項(xiàng)目中的實(shí)際工程問(wèn)題,且試驗(yàn)數(shù)據(jù)多為項(xiàng)目中的實(shí)際試驗(yàn)數(shù)據(jù)。本文理論方法研究的創(chuàng)新之處在于對(duì)回歸模型構(gòu)建的多響應(yīng)參數(shù)優(yōu)化問(wèn)題以曲面擬合度作為響應(yīng)預(yù)測(cè)能力的評(píng)價(jià)指標(biāo)引入多響應(yīng)參數(shù)優(yōu)化,能夠達(dá)到強(qiáng)調(diào)預(yù)測(cè)能力的效果。對(duì)復(fù)雜多響應(yīng)參數(shù)優(yōu)化問(wèn)題,曲面擬合度不理想,以其擬合度作為響應(yīng)預(yù)測(cè)能力的評(píng)價(jià)指標(biāo)可能使結(jié)果出現(xiàn)偏差,利用神經(jīng)網(wǎng)絡(luò)模型建立良好的映射關(guān)系,以神經(jīng)網(wǎng)絡(luò)模型的均方誤差作為響應(yīng)預(yù)測(cè)能力的評(píng)價(jià)指標(biāo),并將其引入加權(quán)主成分分析法中,使得結(jié)果優(yōu)先優(yōu)化預(yù)測(cè)能力強(qiáng)的響應(yīng)。為解決全局優(yōu)化問(wèn)題,提出了一種基于神經(jīng)網(wǎng)絡(luò)建模的全局優(yōu)化方法,在全局預(yù)測(cè)的基礎(chǔ)上,優(yōu)化結(jié)果層層迭代,從而解決高度復(fù)雜的非線(xiàn)性及響應(yīng)的多極值條件下的參數(shù)優(yōu)化問(wèn)題。
【學(xué)位授予單位】：鄭州航空工業(yè)管理學(xué)院
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類(lèi)號(hào)】：TP183;F224;F203

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 張旭濤;何楨;;多響應(yīng)穩(wěn)健性?xún)?yōu)化的貝耶斯分析[J];系統(tǒng)工程;2015年09期

2 楊振凱;王海軍;劉明;王晶晨;;基于BP神經(jīng)網(wǎng)絡(luò)的Fe基合金粉末噴涂工藝參數(shù)優(yōu)化[J];表面技術(shù);2015年09期

3 錢(qián)國(guó)超;鄒德旭;顏冰;陳偉根;劉紅文;徐肖偉;劉光祺;;集成證據(jù)推理與多神經(jīng)網(wǎng)絡(luò)的電力變壓器故障綜合診斷[J];高壓電器;2015年09期

4 劉玉敏;趙利肖;;基于滿(mǎn)意度函數(shù)的多響應(yīng)穩(wěn)健優(yōu)化模型及實(shí)證研究[J];運(yùn)籌與管理;2015年04期

5 陶連金;安林軒;安軍海;袁松;許淇;;響應(yīng)曲面法優(yōu)化城市深埋隧道新意法設(shè)計(jì)參數(shù)[J];黑龍江科技大學(xué)學(xué)報(bào);2015年04期

6 張千;吉芳英;徐璇;;響應(yīng)曲面法在反硝化生物濾池運(yùn)行參數(shù)優(yōu)化中的應(yīng)用[J];環(huán)境科學(xué)研究;2015年07期

7 歐陽(yáng)林寒;馬義中;汪建均;劉健;;基于模型不確定性的響應(yīng)曲面建模[J];系統(tǒng)工程與電子技術(shù);2015年08期

8 李岸達(dá);何楨;何曙光;;基于GSA的復(fù)雜產(chǎn)品關(guān)鍵質(zhì)量特性識(shí)別[J];系統(tǒng)工程與電子技術(shù);2015年09期

9 匡芳君;張思揚(yáng);徐蔚鴻;;改進(jìn)混沌粒子群的動(dòng)態(tài)模糊神經(jīng)網(wǎng)絡(luò)參數(shù)優(yōu)化及應(yīng)用[J];微電子學(xué)與計(jì)算機(jī);2015年01期

10 王瑞海;孫鵬;呂振江;湯家升;劉鵬;;概率神經(jīng)網(wǎng)絡(luò)在水泵故障診斷中的應(yīng)用研究[J];煤礦機(jī)械;2014年10期

，

本文編號(hào)：1318956