基于改进的BP神经网络在自相关过程控制中的应用

发布时间：2017-09-13 22:24

  本文关键词：基于改进的BP神经网络在自相关过程控制中的应用

  更多相关文章： 控制图 残差 BP神经网络 遗传算法 识别能力 偏移点位置

【摘要】：当代产品竞争力的核心是产品质量。以计算机为辅助实现质量管理监控是工业生产的常用方法。其中常规控制图、CUSUM控制图和EWMA控制图是日前最为普遍的监控方法,其基本假设前提是观测值独立同分布。然而在连续性的生产过程中,大多采集到的数据都存在自相关性,继续使用常用的控制图进行监控将发出错误报警,造成大量损失。因此,使用正确的方法对自相关过程进行监控显得尤为重要。目前调整常规控制图控制限、残差控制图等方法用于监控自相关过程,但效果都不是特别理想。本文研究了使用具有模式识别功能的BP神经网络,此方法不会受到数据是否独立同分布的制约,可以直接使用训练好的网络对数据是否失控进行预测。但是,因为神经网络中的初始权值和阈值是随机分配的,在训练次数一定的条件下,初始权值和阈值直接影响到网络的训练结果。本文针对以上问题,主要做了以下几方面的工作:(1)在阐述了常用控制图和残差控制图的基本理论上,通过实验进一步分析了几种方法在监控自相关过程时的优缺点。(2)针对观测值自相关性对控制图识别能力的影响,研究了将BP神经网络用于监控自相关过程的方法步骤,包括训练数据的选取和网络结构的确定,并用实例验证了使用BP神经网络进行识别的可行性。(3)针对标准神经网络收敛慢的缺点,采用遗传算法提高BP神经网络的收敛速度,且用遗传算法优化BP神经网络的初始权值和阈值,使用优化后的BP神经网络进行监控可以大幅度提高网络预测的准确性,同时还提出了利用预测结果确定偏移点位置的方法。(4)通过数值实验,详细对比了几种监控自相关过程方法的识别能力,结果表明本文提出的方法具有更强的识别能力和更精准锁定偏移点失控点位置的能力。
【关键词】：控制图 残差 BP神经网络 遗传算法 识别能力 偏移点位置
【学位授予单位】：长安大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：O213.1;TP183
【目录】：

• 摘要4-5
• ABSTRACT5-9
• 第一章 绪论9-12
• 1.1 研究背景及意义9-10
• 1.2 国内外研究现状10-11
• 1.3 论文结构安排11-12
• 第二章 统计过程控制与控制图12-21
• 2.1 统计过程控制概述12-13
• 2.2 几种常用控制图基本原理及应用准则13-17
• 2.2.1 常规控制图13-15
• 2.2.2 CUSUM控制图15-16
• 2.2.3 EWMA控制图16-17
• 2.3 控制图评价标准-ARL17-20
• 2.3.1 两类错误17-18
• 2.3.2 平均运行长度18-20
• 2.4 本章小结20-21
• 第三章 自相关过程控制图概述21-37
• 3.1 自相关过程与识别21-25
• 3.1.1 数据自相关及其影响21
• 3.1.2 自相关过程的识别21-23
• 3.1.3 平稳过程的相关函数23-25
• 3.2 时间序列分析25-28
• 3.2.1 常见的平稳时间序列模型25-26
• 3.2.2 时间序列模型的识别26-28
• 3.3 残差控制图28-30
• 3.3.1 残差控制图原理28-29
• 3.3.2 残差控制图实施步骤29-30
• 3.4 残差CUSUM控制图30-31
• 3.4.1 残差CUSUM控制图原理30
• 3.4.2 残差CUSUM控制图实施步骤30-31
• 3.5 数值实验31-36
• 3.6 本章小结36-37
• 第四章 BP神经网络对自相关过程控制的应用37-48
• 4.1 神经网络原理概述37-40
• 4.1.1 神经元模型37-39
• 4.1.2 神经网络结构39
• 4.1.3 神经网络学习算法39-40
• 4.2 BP神经网络的原理及架构40-42
• 4.3 BP神经网络应用于自相关过程控制中的设计42-45
• 4.3.1 网络层次和结构的选取42-43
• 4.3.2 网络训练43-45
• 4.3.3 网络输出界定值45
• 4.4 BP神经网络在自相关过程控制应用的性能评价45-47
• 4.4.1 BP神经网络的识别率46
• 4.4.2 BP神经网络识别自相关过程能力评价46-47
• 4.5 本章小结47-48
• 第五章 改进的BP神经网络预测方法及偏移点位置确定48-58
• 5.1 改进的BP神经网络48-53
• 5.1.1 遗传算法基本理论48-49
• 5.1.2 遗传算法优化BP神经网络49-52
• 5.1.3 改进的BP神经网络识别自相关过程能力评价52-53
• 5.2 偏移点确定方法53-55
• 5.2.1 偏移点位置与改进的BP神经网络识别率的关系53-54
• 5.2.2 偏移点位置的确定54-55
• 5.3 数值实验55-57
• 5.3.1 残差控制图和残差CUSUM控制图结果分析55-56
• 5.3.2 BP神经网络和改进的BP神经网络结果分析56-57
• 5.4 本章小结57-58
• 第六章 总结与展望58-60
• 6.1 总结58
• 6.2 展望58-60
• 参考文献60-64
• 攻读硕士学位期间取得的研究成果64-65
• 致谢65

【参考文献】

中国期刊全文数据库 前10条

1 奚婧;;基于时间序列模型的黄金价格预测[J];现代计算机(专业版);2014年28期

2 李辉;郭怡;;遗传算法及其优化[J];河南农业;2013年20期

3 刘春艳;凌建春;寇林元;仇丽霞;武俊青;;GA-BP神经网络与BP神经网络性能比较[J];中国卫生统计;2013年02期

4 胡芬;;时间序列在老龄人口预测中的应用[J];湖北成人教育学院学报;2011年06期

5 胡大红;姚志鹏;;自相关函数在时间序列模型识别中的应用[J];襄樊学院学报;2011年05期

6 郑鹏辉;单锐;陈静;;时间序列分析在我国财政收入预测中的应用[J];重庆文理学院学报(自然科学版);2008年02期

7 吴玫;陆金桂;;遗传算法的研究进展综述[J];机床与液压;2008年03期

8 王宏杰;魏先峰;陈静;韩义亭;;浅析人工神经网络[J];中国科技信息;2007年18期

9 何桢;刘冬生;;输入层神经元数对自相关过程控制的影响[J];工业工程;2007年04期

10 章义来;冯旖旎;;基于改进自适应遗传算法的BP神经网络模型研究[J];福建电脑;2007年01期

，

本文编号：846263