基于主元分析的動(dòng)態(tài)過程質(zhì)量異常模式識(shí)別研究.pdf

1、生產(chǎn)過程的質(zhì)量控制是確保產(chǎn)品質(zhì)量的重要手段。隨著生產(chǎn)制造過程不斷向大型化、連續(xù)化、復(fù)雜化發(fā)展，動(dòng)態(tài)過程的質(zhì)量監(jiān)控與診斷顯得愈來愈重要。國內(nèi)外的研究顯示：人工智能技術(shù)打破了傳統(tǒng)的統(tǒng)計(jì)控制方法的局限，已逐步形成動(dòng)態(tài)過程質(zhì)量智能控制與診斷新的發(fā)展方向。主元分析方法能夠有效地對(duì)數(shù)據(jù)進(jìn)行降維、去噪，因而，主元分析方法與支持向量機(jī)相結(jié)合已成為動(dòng)態(tài)過程質(zhì)量智能監(jiān)控與診斷的研究熱點(diǎn)。如何利用主元分析方法對(duì)動(dòng)態(tài)過程質(zhì)量異常模式進(jìn)行特征提取，進(jìn)而構(gòu)建合適的

2、多支持向量機(jī)對(duì)異常模式進(jìn)行診斷時(shí)是動(dòng)態(tài)過程質(zhì)量異常模式識(shí)別的關(guān)鍵。
　　本文在收集整理大量國內(nèi)外文獻(xiàn)的基礎(chǔ)上，以主元分析和支持向量機(jī)為理論依據(jù)，系統(tǒng)地研究了基于主元分析的動(dòng)態(tài)過程質(zhì)量異常模式識(shí)別方法。首先，在國內(nèi)外動(dòng)態(tài)過程模式識(shí)別、主元分析方法以及支持向量機(jī)研究綜述的基礎(chǔ)上，對(duì)動(dòng)態(tài)過程的質(zhì)量異常模式進(jìn)行界定；然后,提出基于主元分析的動(dòng)態(tài)過程質(zhì)量異常模式識(shí)別框架；進(jìn)而，采用粒子群算法對(duì)支持向量機(jī)分類器的參數(shù)進(jìn)行優(yōu)化；最后,在MATL

3、AB軟件平臺(tái)下利用LIBSVM工具箱對(duì)動(dòng)態(tài)過程質(zhì)量異常模式識(shí)別模型進(jìn)行實(shí)證分析。研究結(jié)果表明：①本文提出的基于主元分析方法的動(dòng)態(tài)過程質(zhì)量異常識(shí)別框架相比于傳統(tǒng)的識(shí)別方法更有效率；②基于主元分析的動(dòng)態(tài)過程質(zhì)量異常識(shí)別模型的整體識(shí)別精度高于單獨(dú)使用多支持向量機(jī)的識(shí)別模型；③該模型中在利用主元分析提取特征時(shí)，在方差貢獻(xiàn)率為45％的主元分解水平下，模型識(shí)別的整體精度最好。
　　本文的研究特色與創(chuàng)新之處主要表現(xiàn)在：①提出了基于主元分析方法的