基于數(shù)據(jù)挖掘的制造過程質(zhì)量異常診斷方法研究.pdf

1、隨著世界經(jīng)濟的全球化，企業(yè)對產(chǎn)品制造過程中的質(zhì)量控制日益重視。質(zhì)量診斷是質(zhì)量控制過程中的重要環(huán)節(jié)，及時、準(zhǔn)確地發(fā)現(xiàn)過程質(zhì)量異常，并定位引起質(zhì)量異常的質(zhì)量影響因素，能夠有效提高產(chǎn)品質(zhì)量，減少質(zhì)量缺陷，對提高企業(yè)市場競爭力具有十分重要的意義。
　　通過對制造過程質(zhì)量異常診斷過程分析，建立了制造過程質(zhì)量異常診斷體系框架；對該框架下的質(zhì)量診斷知識的表達、控制圖模式識別和質(zhì)量異常診斷等關(guān)鍵技術(shù)進行了分析。
　　基于本體論對質(zhì)量診斷知識

2、進行知識表達，結(jié)合粗糙集理論對質(zhì)量診斷知識中的質(zhì)量特性知識與質(zhì)量影響因素之間的關(guān)系進行分析，從而建立產(chǎn)品質(zhì)量診斷知識庫，為質(zhì)量控制圖模式識別和質(zhì)量診斷提供依據(jù)。
　　通過對控制圖模式分析，將控制圖的統(tǒng)計特征與形狀特征進行融合，并以其作為控制圖模式分類的統(tǒng)計量；構(gòu)造基于深度學(xué)習(xí)的卷積神經(jīng)網(wǎng)絡(luò)分類模型，對控制圖的正常模式與異常模式進行識別；通過Monte Carlo仿真，驗證了該方法在小樣本條件下，具有較強的泛化能力和較高的識別精度。

3、
　　通過控制圖的有效控制，可以實現(xiàn)對制造過程質(zhì)量的實時監(jiān)控；針對控制圖模式發(fā)生異常問題，在分析貝葉斯網(wǎng)絡(luò)推理基礎(chǔ)上，構(gòu)建了貝葉斯故障診斷網(wǎng)絡(luò)，實現(xiàn)制造過程質(zhì)量異常的診斷，發(fā)現(xiàn)引起質(zhì)量異常的因素。
　　以活塞桿外圓精磨工序為例，分析該工序所包含的質(zhì)量診斷知識，建立質(zhì)量診斷知識庫；結(jié)合建立的控制圖模式識別方法，實現(xiàn)精磨外圓尺寸值的有效監(jiān)控；利用貝葉斯網(wǎng)絡(luò)質(zhì)量診斷模型，當(dāng)活塞桿外圓精磨尺寸出現(xiàn)異常時，推理引起質(zhì)量故障的異常因素。