[發明專利]基于SVM的制造過程多元質量診斷分類器

在審

• 申請號: 201711254548.9
• 申請日: 2017-12-01
• 公開（公告）號: CN107992006A
• 公開（公告）日: 2018-05-04
• 發明（設計）人: 金平艷
• 申請（專利權）人: 四川用聯信息技術有限公司
• 主分類號: G05B19/418
• 分類號: G05B19/418
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.基于SVM的制造過程多元質量診斷分類器，本發明涉及機械產品加工制造過程質量控制技術領域，具體涉及基于SVM的制造過程多元質量診斷分類器，其特征是，包括如下步驟：

步驟1：收集制造過程中質量特性的原始數據，并對該數據進行必要的整理、簡化及計算，其具體計算過程如下：

在生產過程中，當工序不存在系統性誤差時，產品的質量特性值符合正態分布；由于多元質量特性值得單位不統一，數值大小差距也較大，需對數據做進一步處理；

生產過程正常運行收集的數據矩陣為，為樣本的個數，為樣本質量屬性個數

上式為第個樣本第種質量屬性值，為第種質量屬性均值，第種質量屬性標準差

對預處理后的數據，進行比重計算如下：

假設維正態分布，即，其中為總體均值向量，為協方差矩陣，由于為對稱矩陣，因此存在對稱矩陣,使得

其中為協方差矩陣的特征值，其滿足，即維多元質量的權重分配可以表示為下式：

取前個主元的累計貢獻率達到80%以上，即貢獻率為：

則主元模型為

分別為個主元質量的屬性向量，為誤差

步驟2：對關鍵工序的多元質量特性進行過程分析，其具體計算過程如下：

這里主要對步驟1中的計算和估計；

，其中是質量特性值，是總體均值，是總體方差，當質量特性值服從正態分布時，其均值也服從正態分布，其中，n為樣本容量，依照正態分布的特性，則

即，無論和取何值，落在之間的概率是，也就是說，落在這個分布范圍之外的概率只有

對于過程修正的規格區域是一個橢球體，其體積計算公式為：

、分別為控制圖上第元質量因子的上下限

多元過程在置信度下實際分布區域的橢球體為：

為多元質量因子的協方差行列式

設其修正系數為；

、分別為規格圖、和實際過程的均值位置，為t維均值差值

另一影響因子為，為規格上下限的交點

即

綜上所述，表征過程能力函數如下：

為了完善上式的結果，這里整合下面的方法，具體過程如下：

錯判誤差的概率分為兩類，一是受控狀態判為失控狀態，概率即為，二是失控狀態判為受控狀態，概率即為

樣本，當處于受控狀態時，設其分布為正態分布；過程處于失控狀態時，其分布發生了變化，變化后的分布函數為

記控制圖的上、下控制限分別為、；

總誤差概率為

上式為標準正態分布的分布函數在點處的值，為控制圖中實際參數，這個具體情況可以具體確定

一元修正系數：

、分別為中心距離差值、誤判概率的權重分配值，這里，

表征過程能力函數：

多元表征過程能力函數：

表征

根據模型即可提取制造過程質量異常的主特征

步驟3：把觀測到的數據記錄到己經畫好控制限的控制圖上，根據判穩規則判斷過程是否出現異?，F象，其具體描述如下：

如果過程處于非統計過程受控狀態時用樣本點建立的控制圖控制后續的生產過程，不僅起不到良好的控制效果，反而會給企業帶來錯誤的預報，給企業造成損失

步驟4：根據識別結果，應用支持向量機方法查找出過程異常源所在；

步驟5：相關人員針對質量問題提出并實施改善的措施，解決過程異常情況；

步驟6：在改善實施后，維續使用控制圖對過程質量進行驗證確認，觀測是否仍有異常，若有則返問至（3），若無則繼續利用控制圖對制造過程進行監控。

2.根據權利要求1中所述的基于SVM的制造過程多元質量診斷分類器，其特征是，以上所述步驟4中的具體計算過程如下：

步驟4：根據識別結果，應用支持向量機方法查找出過程異常源所在，其具體計算過程如下：

設訓練集為

此時它所對應的優化問題為：

上述式子已經利用了拉格朗日優化方法，將上述命題變化為其對偶命題了

最優分類函數為：

是分類閾值，可以由支持向量進行求解，也可以通過支持向量對取中值得方法求得，為了增加容噪能力，通過引入松弛變量來改進模型，得到:

目標中的為懲罰系數

應用上式優化函數，即可找到最優的超平面將訓練樣本歸類，進而可以對測試樣本歸類，這樣就構成了一個分類器。