基于LSSVM的多元过程非参数监控方法研究

发布时间：2021-02-20 03:30

　　多元控制图常用于对多个相关变量进行监控,用以发现制造过程中存在的系统性变异。当多元过程的分布未知时,常用非参数方法进行过程监控。针对多元过程监控问题,提出了一种基于最小二乘支持向量机（least squares support vector machine,LSSVM）的多元过程非参数监控方法。在仅有受控数据（参考数据集）的条件下,采用移动窗口技术对过程数据序列进行预处理,并与参考数据集一起用于对LSSVM进行动态训练,进而以移动窗口中的数据与分类超平面之间的距离为控制变量进行多元过程监控。讨论了监控模型设计与参数选择方法并通过仿真和实例进行了性能评估。 

【文章来源】：工业工程. 2020,23(01)北大核心

【文章页数】：6 页

【部分图文】：

参数σ2和γ对误分类率的影响

从手机装配过程中收集到的测试数据为例，对所提出的LSSVM控制图进行应用和验证。在手机装配完成后，需要对摄像头的性能进行测试。测试方法是对摄像头在屏幕上的成像的聚焦度进行测试，测试中心(x 1)、左上(x 2)、左下(x 3)、右上(x 4)和右下(x 5)共5个点的聚焦度。部分测试样本的基本统计量如表3所示。表3的结果显示，数据分布是左偏的。为进一步对数据的分布特性进行验证，绘制了变量x1的直方图如图2所示，图2显示数据存在明显的左偏特性，即观测数据不服从多元正态分布。依据第3.1节和3.2节讨论的方法，确定LSSVM控制图的参数为γ=1、σ2=0.4和h=-0.331 6。同时，受控样本估计过程的均值和协方差矩阵分别是。根据估计的过程均值和协方差，构建χ2控制图。LSS-VM控制图和χ2控制图的ARL值如表2所示。

当过程变量不服从多元正态分布时，现有基于多元正态分布假设的控制图不再适用。针对这一问题，本文构建了基于LSSVM的多元过程非参数监控模型，并讨论了LSSVM控制参数和控制阈值的确定方法。在此基础上，通过仿真方法，分别针对多元正态过程和非正态过程对LSSVM控制图的性能进行了分析评估，并与传统的基于正态分布假设的χ2控制图进行了比较。结果显示，当过程变量服从多元正态分布时，LSSVM控制图比χ2具有更高的灵敏度，特别是当偏移较小的时候，LSSVM控制图的优势更加明显；而当过程变量为非正态时，χ2控制图的性能明显比LSSVM控制图的性能要差。最后，通过手机装配过程中摄像头聚焦度的测试数据对LSSVM控制图的性能进行了验证，结果表明当过程偏移时，LSSVM控制图能够有效检测出过程偏移。

【参考文献】：
期刊论文
[1]基于PSO的支持向量机多元控制图均值偏移诊断模型[J]. 赵永满,何桢,何曙光,张敏.  天津大学学报(自然科学与工程技术版). 2013(05)
[2]小批量多元控制图建模方法研究[J]. 李钢,代海飞.  计算机应用. 2008(10)



本文编号：3042155