隨著信息化技術(shù)的不斷發(fā)展,人工智能逐漸應(yīng)用于各行各業(yè),在智能推薦、自動識別和趨勢預(yù)測等領(lǐng)域都展現(xiàn)出了強大的能力。目前,制造行業(yè)也在積極探索人工智能的落地場景,以助力實現(xiàn)現(xiàn)代化生產(chǎn)的更高標(biāo)準(zhǔn)水平,物聯(lián)網(wǎng)的應(yīng)用可以幫助制造企業(yè)有效記錄制造過程數(shù)據(jù),實時可視化監(jiān)控產(chǎn)品加工過程,結(jié)合大數(shù)據(jù)和云計算等技術(shù)施行智能質(zhì)量管理方法,做到及時的故障診斷和產(chǎn)品故障全過程溯源,以提高產(chǎn)品質(zhì)量水平。近年來,以統(tǒng)計學(xué)為基礎(chǔ)的機器學(xué)習(xí)理論被廣泛的應(yīng)用在數(shù)據(jù)挖掘、模式識別和自然語言處理等領(lǐng)域,展現(xiàn)出良好的分類和預(yù)測能力。在工業(yè)物聯(lián)網(wǎng)的實施背景下,制造企業(yè)產(chǎn)品質(zhì)量管理也成為了機器學(xué)習(xí)理論的主要應(yīng)用場景,利用工業(yè)大數(shù)據(jù),機器學(xué)習(xí)可通建立故障預(yù)測模型,構(gòu)建智能防差錯系統(tǒng),助力企業(yè)實現(xiàn)質(zhì)量零缺陷。通過對W公司凸輪軸加工過程現(xiàn)狀進行梳理,發(fā)現(xiàn)其主要存在質(zhì)量問題溯源困難和制造過程關(guān)鍵工序的質(zhì)量預(yù)測難以落地等問題,主要原因是由于未能充分挖掘制造過程數(shù)據(jù)中的有效信息來簡化復(fù)雜的質(zhì)量特性和質(zhì)量結(jié)果之間的關(guān)系,零部件加工過程的關(guān)鍵質(zhì)量特性識別和質(zhì)量預(yù)測是實現(xiàn)降本增效的有效方法,本文基于數(shù)據(jù)驅(qū)動的思想,針對現(xiàn)存問題設(shè)計了適用于W公司凸輪... 

【文章來源】：山東大學(xué)山東省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：75 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖３－１凸輪軸有心工藝加工流程??質(zhì)量特性是指產(chǎn)品、過程或體系與要求有關(guān)的固有屬性

?山東大學(xué)碩士學(xué)位論文???（６）得到ｎ個父代種群和ｎ個子代種群的各目標(biāo)函數(shù)值，進行非支配快速排序，??得到帕累托最優(yōu)前沿。??（７）計算各層種群的擁擠度，通過選擇保留ｎ個種群進入下一輪迭代，重新編碼??染色體。??（８）重復(fù)步驟（２）?－?（７），直至達(dá)到迭代次數(shù)。??ｊｆｍ?Ｊ?輸出結(jié)果??Ｉ?否??—??輸入數(shù)據(jù)集??ｉｒ???＋?“??交叉變成子代卜獅，雛鱗??分離數(shù)據(jù)集測試集Ｑ?／?１＾種?／＇??？ｉｚｒ?ｌ—ｔ－’??卜＿?〇??＾ｚｚｉｚｉＺ—＾?＾??訓(xùn)練ｇｂｄｔ?￣＾驗證模型｜———ｙ?／??圖３－３基于ＮＳＧＡＩＩ?－ＧＢＤＴ的關(guān)鍵質(zhì)量特性識別模型??其中各目標(biāo)結(jié)果可以表示為：??ｍｉｎＦ⑷＝｛八⑷，八⑷…／Ｊｑ）｝?ｓ．ｔ．?ｑＥＱ?（３．１）??其中／Ｋｑ）表示第ｉ個目標(biāo)函數(shù)，／２代表可行解集，在本研宄中，第一個目標(biāo)函??數(shù)／Ｕｑ：）為整體預(yù)測錯誤率Ｅｒｒｏｒ＿ｌ，第二個目標(biāo)函數(shù)／２（的是特征維數(shù)，其余的目??標(biāo)函數(shù)為各質(zhì)量水平的預(yù)測錯誤率，ＧＢＤＴ構(gòu)建分類器以得到預(yù)測精度，而??ＮＳＧＡＩＩ算法則提供了一種選擇方式，旨在尋找一組非支配解構(gòu)成解決多目標(biāo)問題??的帕累托最優(yōu)前沿。??３０??

個元素；，將其對應(yīng)的支配解集合＾中的每個??個體的被支配解個數(shù)減１，即＆?＝?ｎ；?－?１，若ｎｙ?＝?０，則將個體／歸于非支配層級Ｆ２。??（４）若６矣０，則循環(huán)第３步，若朽＝０，停止迭代。??Ｎｏｎ－ｄｏｍｉｎａｔｅｄ?Ｃｒｏｗｄｉｎｇ?ｄｉｓｔａｎｃｅ??ｓｏｒｔｉｎｇ?ｓｏｒｔｉｎｇ?＾ｔ＋ｉ??Ｆｉ??＂ＭＢ??．．父代：＆?．．．．．．．．—————————｜??—■…Ｔ＝＾???ｉ??ｗ?（？ｔ?｜?｜￣￣丄??＞?Ｒｅｊｅｃｔｅｄ??圖４－１?ＮＳＧＡＩＩ算法步驟??在對父代和子代組成的待篩選種群進行非支配排序之后，再分別對每一層級??的個體進行擁擠度排序，計算同一非支配層級之間個體的擁擠距離。在二維空間??中，個體Ｚ的擁擠距離可以看作是其相鄰兩點構(gòu)成的長方形的長和寬分別進行歸一??化之后求和，利用求和結(jié)果作為排序標(biāo)準(zhǔn)。當(dāng)存在Ｗ個目標(biāo)函數(shù)時，擁擠距離公??式表不為：??（〇〇，?Ａ（０?＝?Ａ?ｍａｘ?ｏｒ?ｆｘ?ｍｉｎ??＾?ｌ／ｎａ＞Ｄ－／ｎａ－ＤＩ?，?ｏｔｈｅｒｗｉｓｅ?⑷）??／ｎ？ｎａ；ｃ?一／ｎ？ｎｍ??考慮到ＧＢＤＴ自帶的特征重要度排序也可以作為一種特征選擇方法，通過本??文算法和ＧＢＤＴ自帶的特征重要度排序算法對比，展示本文提出的組合算法在以??整體精度為目標(biāo)時進行特征選擇的優(yōu)勢，然后通過對比組合算法和自帶特征選擇??算法在解決多維優(yōu)化問題時的結(jié)果（各質(zhì)量水平缺陷的分類精度），以展示組合算??法在面對多種質(zhì)量水平缺陷的非平衡數(shù)據(jù)集時解決多目標(biāo)優(yōu)化問題的優(yōu)勢。本文??模型需要對種群規(guī)模、迭代次數(shù)等參數(shù)進行設(shè)置，其主要參數(shù)具體設(shè)置如表４－１??３６??

【參考文獻】：
期刊論文
[1]基于GBDT和新型P-GBDT算法的催化裂化裝置汽油收率尋優(yōu)模型的構(gòu)建與應(yīng)用[J]. 王偉,汪坤,楊帆,戴超男,金繼民,金寶寶.  石油學(xué)報(石油加工). 2020(01)
[2]新陳代謝GM（1,1）冪模型在病毒性肝炎發(fā)病率預(yù)測中的應(yīng)用[J]. 劉雁靈,曹文君,李菲.  中國衛(wèi)生統(tǒng)計. 2019(06)
[3]PM2.5濃度預(yù)測與影響因素分析[J]. 彭巖,趙梓如,吳婷嫻,王潔.  北京郵電大學(xué)學(xué)報. 2019(06)
[4]基于SARIMA-SVR組合模型的空氣質(zhì)量指數(shù)預(yù)測[J]. 鄭洋洋,白艷萍,續(xù)婷.  河北工業(yè)科技. 2019(06)
[5]豬肉板塊指數(shù)的波動性分析及預(yù)測——基于ARMA-GARCH模型[J]. 洪紹應(yīng),張青龍.  中國物價. 2019(11)
[6]基于HP濾波-ARMA的湖北省居民個人存款預(yù)測[J]. 王艷.  金融理論與教學(xué). 2019(05)
[7]基于改進GM（1,1）模型的中國脫貧攻堅進展分析[J]. 劉震,謝玉梅,黨耀國.  系統(tǒng)工程理論與實踐. 2019(10)
[8]基于Prophet-隨機森林優(yōu)化模型的空氣質(zhì)量指數(shù)規(guī)模預(yù)測[J]. 常恬君,過仲陽,徐麗麗.  環(huán)境污染與防治. 2019(07)
[9]基于NSGA-Ⅱ的DP船舶推力分配方法研究[J]. 夏國清,劉彩云,陳興華,李娟.  華中科技大學(xué)學(xué)報(自然科學(xué)版). 2019(05)
[10]基于改進精英策略的PCA-NSGAⅡ的高維目標(biāo)調(diào)度優(yōu)化[J]. 劉瓊,熊書平,湛夢夢.  計算機集成制造系統(tǒng). 2020(09)

博士論文
[1]介觀尺度薄板高速精密沖裁的應(yīng)用基礎(chǔ)研究[D]. 胡道春.南京航空航天大學(xué) 2016

碩士論文
[1]基于灰色神經(jīng)網(wǎng)絡(luò)組合模型的空氣質(zhì)量預(yù)測[D]. 司志娟.天津大學(xué) 2012



本文編號：3597503