融合云加端的制造产品在线质量预测研究

发布时间：2018-01-27 01:32

本文关键词： 制造过程在线质量预测数据流 K-means　出处：《组合机床与自动化加工技术》2017年05期 　论文类型：期刊论文

【摘要】：针对制造过程的在线质量预测的实时性问题,提出了一种融合云加端的在线质量预测架构。该架构在云加端提出一种基于遗传算法(GA)参数优化的隐含层节点自适应增长极端学习机(AGELM)方法,建立了优化的产品质量预测模型。同时,该架构在终端改进了k-means方法并将其应用于在线质量数据流聚类,并将聚类中心序列输入产品质量预测模型,预测产品的质量。通过点焊过程的实验表明该产品质量预测模型方法实时性较BP神经网络和贝叶斯方法有较大优势,能应用于当前制造过程的在线质量预测。
[Abstract]:The real-time problem of on-line quality prediction for manufacturing process. In this paper, an on-line quality prediction architecture with cloud adders is proposed, in which a hidden layer node adaptive growth extreme learning machine (AGELM) based on genetic algorithm (GA) parameter optimization is proposed. Method. An optimized product quality prediction model is established. At the same time, the k-means method is improved in the terminal and applied to the online quality data stream clustering. The cluster center sequence is input into the product quality prediction model. The experiments of spot welding process show that the real-time performance of the model is superior to that of BP neural network and Bayesian method, and can be applied to the on-line quality prediction of current manufacturing process.
【作者单位】：贵州大学现代制造技术教育部重点实验室;贵州大学机械工程学院;贵州省公共大数据重点实验室;
【基金】：贵州省重大科技专项(黔科合重大专项字[2013]6019,黔科合重大专项字[2012]6018) 贵州省基础研究重大项目(黔科合JZ字[2014]2001)
【分类号】：TH16;TP18
【正文快照】： 据重点实验室,贵阳550025)0引言随着人们对质量水平要求的不断提高,使得企业对于产品质量的控制不再仅仅满足于质量检验,而纷纷转向对生产制造过程的监控和分析,希望改善、消除不良的质量影响因素来确保生产过程顺利运行,同时生产成本得以减少。制造过程作为一种复杂生产过程,

【相似文献】