基于支持向量机的多变量过程监控研究
发布时间：2021-01-19 00:01
为满足市场对于多样化产品的需求,制造过程逐渐朝着复杂化的方向发展,这导致了生产过程中信息量剧增。在这样的多变量度过程中,传统控制图的问题愈加突出。近年来,随着信息技术和数据处理方法的发展,机器学习迅速发展成为处理大量数据的重要方法,基于机器学习方法的控制图也成为研究的热点。在基于机器学习方法的控制图研究中,基于支持向量机的控制图具有所需样本量小、统计量连续、不依赖数据分布等优点,但是存在参考数据选择随机、监控效果受模型参数影响显著等问题,个体支持向量机参数是固定的,无法保证在所有的测试中提供全局最佳分类性能。本文以多变量过程监控问题为研究对象,基于支持向量机方法,结合参考数据筛选和集成学习方法,提出了较为系统的多变量过程监控方案以达到快速识别过程异常的目的。本文提出的控制图模型建立过程分为三个阶段,第一阶段提出了利用支持向量数据描述的方法从受控数据中筛选出具有代表性的参考样本集,取代原有的随机选择的方式;第二阶段以支持向量机作为实时对比方法的分类器,利用支持向量机将参考数据和窗口数据分类,并通过转化得到相应的统计量;第三阶段将集成学习与支持向量机结合建立基于集成支持向量机的控制图,通过...
【文章来源】：天津大学天津市 211工程院校 985工程院校 教育部直属院校
【文章页数】：61 页
【学位级别】：硕士
【部分图文】：
图１－１技术路线图??１．４．３主要创新??
?第２章支持向量机理论???ｆ（ｘ）?＝?ｓｉｇｎ（ｗｘ?＋?ｂ）?（２－１１）??间隔最大化的直观解释是以充分大的确信度对训练样本集进行分类，简单的??说就是不仅要将训练样本集准确分离，而且要对最难分离的样本点（即距离超平??面最近的点）以足够大的确信度将其分离，这样得到的最大间距分类超平面对于??未来的数据有很好的预测和分析能力。??ｘ２ｌ?１?ｗＴｘ?４－?＆?＝?１?．?Ｔ?－?２??＋?．／?Ｖｙ）?Ｗｌ??＋?＋??細＝—１??？—：?ｒ??图２－２最优分类超平面??对于给定的训练样本集ｒ和超平面（ｗ，＆），定义超平面（ｗ，６）关于样本点??（ｘ；，＿ｙ，．）的函数间隔为：??ｒ，＝ｙ＾）＋ｂ）?（２－ｉ２）??对于给定的训练样本集ｒ和超平面（ｗ，＾，定义超平面幻关于样本点??（＼，火）的几何间隔为：??ｒ?ｗ?ｂ、??ｙ｛?＝?ｖ－?ｘ．?＋??（２－１３）??ｌｌｋｌｌ?ＩｋｌｌＪ??那么函数间隔ｆ和几何间隔，的关系为：??ｒ?＝?Ｔ＾－］?（２－１４）??Ｍ??支持向量机的基本思想是求解能够准确分类训练样本集且几何间隔最大的??分类超平面，那么分类问题可以转化为约束条件下的最优化问题：??Ｍａｘ?ｙ??１５??
天津大学硕士学位论文???广????第?第一阶段样本总体?，?——??｜＾＿?ＳＶＤＤ数据筛选＾?窗口数据集＼（ｆ）??段卜?｜参考数据集？＇?？?？?Ｘ／?－Ｎｖ?｜?＾ｔ－Ｎｗ＋ｌ?Ｘ卜ｉ?｜?Ｘｆ‘?？?？??Ｉ?ｆ??第?ｉ?ｒ?头时监ｔｅ??二?｜?ＳＶＭ?１?｜?｜?ＳＶＭ２?｜?？?？?？?｜?ＳＶＭｎ?｜??统计量１?统计量２?统计量ｎ??第卜?＇??三?计量?＞?控制线??段?ＹｅｓＴ??＾?状态失控??图３－１控制图建立的过程??本文提出的控制图建立的流程主要可以划分为三个阶段：基于支持向量数据??描述的数据筛癣基于支持向量机的统计量的计算和基于集成支持向量机的控制??图建立。??第一阶段：基于支持向量数据描述的数据筛选建立分类器需要的参考数据??＆来自第一阶段的受控数据，若第一阶段受控数据量较多，则需要选择部分数据??作为控制图建立的输入数据。这是因为在ＲＴＣ方法中，移动窗口的宽度（移动??窗口中包含的样本量）一般较小，此时若作为分类器输入的另一类数据一一参考??数据＆的数量远远多于移动窗口中的数据量，则分类器训练过程中会产生严重??的不平衡现象，从而使监控效果受到影响。因此需要从所有第一阶段数据中选择??部分数据作为分类器的输入，在现存的研宄中［２９，Ｍ，３５］，都是随机从第一阶段数据??中进行选择，随机选择的数据不一定能够很好的代表第一阶段数据的分布情况，??从而使得分类边界的建立时产生偏差，导致错误分类的现象。因此提出了利用支??持向量数据描述的方法进行数据筛选，通过支持向量数据描述方法建立由第一阶??段数据构成的超球体，根据样
本文编号：2985923
【文章来源】：天津大学天津市 211工程院校 985工程院校 教育部直属院校
【文章页数】：61 页
【学位级别】：硕士
【部分图文】：
图１－１技术路线图??１．４．３主要创新??
?第２章支持向量机理论???ｆ（ｘ）?＝?ｓｉｇｎ（ｗｘ?＋?ｂ）?（２－１１）??间隔最大化的直观解释是以充分大的确信度对训练样本集进行分类，简单的??说就是不仅要将训练样本集准确分离，而且要对最难分离的样本点（即距离超平??面最近的点）以足够大的确信度将其分离，这样得到的最大间距分类超平面对于??未来的数据有很好的预测和分析能力。??ｘ２ｌ?１?ｗＴｘ?４－?＆?＝?１?．?Ｔ?－?２??＋?．／?Ｖｙ）?Ｗｌ??＋?＋??細＝—１??？—：?ｒ??图２－２最优分类超平面??对于给定的训练样本集ｒ和超平面（ｗ，＆），定义超平面（ｗ，６）关于样本点??（ｘ；，＿ｙ，．）的函数间隔为：??ｒ，＝ｙ＾）＋ｂ）?（２－ｉ２）??对于给定的训练样本集ｒ和超平面（ｗ，＾，定义超平面幻关于样本点??（＼，火）的几何间隔为：??ｒ?ｗ?ｂ、??ｙ｛?＝?ｖ－?ｘ．?＋??（２－１３）??ｌｌｋｌｌ?ＩｋｌｌＪ??那么函数间隔ｆ和几何间隔，的关系为：??ｒ?＝?Ｔ＾－］?（２－１４）??Ｍ??支持向量机的基本思想是求解能够准确分类训练样本集且几何间隔最大的??分类超平面，那么分类问题可以转化为约束条件下的最优化问题：??Ｍａｘ?ｙ??１５??
天津大学硕士学位论文???广????第?第一阶段样本总体?，?——??｜＾＿?ＳＶＤＤ数据筛选＾?窗口数据集＼（ｆ）??段卜?｜参考数据集？＇?？?？?Ｘ／?－Ｎｖ?｜?＾ｔ－Ｎｗ＋ｌ?Ｘ卜ｉ?｜?Ｘｆ‘?？?？??Ｉ?ｆ??第?ｉ?ｒ?头时监ｔｅ??二?｜?ＳＶＭ?１?｜?｜?ＳＶＭ２?｜?？?？?？?｜?ＳＶＭｎ?｜??统计量１?统计量２?统计量ｎ??第卜?＇??三?计量?＞?控制线??段?ＹｅｓＴ??＾?状态失控??图３－１控制图建立的过程??本文提出的控制图建立的流程主要可以划分为三个阶段：基于支持向量数据??描述的数据筛癣基于支持向量机的统计量的计算和基于集成支持向量机的控制??图建立。??第一阶段：基于支持向量数据描述的数据筛选建立分类器需要的参考数据??＆来自第一阶段的受控数据，若第一阶段受控数据量较多，则需要选择部分数据??作为控制图建立的输入数据。这是因为在ＲＴＣ方法中，移动窗口的宽度（移动??窗口中包含的样本量）一般较小，此时若作为分类器输入的另一类数据一一参考??数据＆的数量远远多于移动窗口中的数据量，则分类器训练过程中会产生严重??的不平衡现象，从而使监控效果受到影响。因此需要从所有第一阶段数据中选择??部分数据作为分类器的输入，在现存的研宄中［２９，Ｍ，３５］，都是随机从第一阶段数据??中进行选择，随机选择的数据不一定能够很好的代表第一阶段数据的分布情况，??从而使得分类边界的建立时产生偏差，导致错误分类的现象。因此提出了利用支??持向量数据描述的方法进行数据筛选，通过支持向量数据描述方法建立由第一阶??段数据构成的超球体，根据样
本文编号：2985923
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/2985923.html
