基于神經(jīng)網(wǎng)絡(luò)的智能化工序質(zhì)量診斷技術(shù)研究.pdf

1、產(chǎn)品質(zhì)量是生產(chǎn)企業(yè)參與市場競爭并賴以生存和發(fā)展的基礎(chǔ),而工序質(zhì)量是形成產(chǎn)品最終質(zhì)量的關(guān)鍵。在先進制造技術(shù)(Advanced ManufacturingTechnology,AMT)環(huán)境下,生產(chǎn)過程具有自動化、柔性化、集成化和智能化的特點,許多傳統(tǒng)上由人工完成的工作已經(jīng)被機器所替代,如何實現(xiàn)工序質(zhì)量的智能化診斷、實現(xiàn)實時在線工序質(zhì)量控制,已成為當前產(chǎn)品質(zhì)量控制領(lǐng)域的研究熱點。本文在對現(xiàn)有工序質(zhì)量診斷方法分析的基礎(chǔ)上,提出采用神經(jīng)網(wǎng)絡(luò)技術(shù)進

2、行質(zhì)量診斷,從而實現(xiàn)工序質(zhì)量控制的思路。主要工作包括:
　　 (1)分析當前的質(zhì)量控制技術(shù)和方案,提出從提高工序質(zhì)量診斷水平的角度進行工序質(zhì)量控制的思路。結(jié)合工序質(zhì)量診斷的特點和神經(jīng)網(wǎng)絡(luò)技術(shù)的優(yōu)勢,建立基于神經(jīng)網(wǎng)絡(luò)技術(shù)的工序質(zhì)量診斷模型。在此基礎(chǔ)上,構(gòu)建了基于質(zhì)量診斷的智能化工序質(zhì)量控制系統(tǒng),闡述了系統(tǒng)的主要功能模塊和應(yīng)用流程。
　　 (2)對控制圖異常模式進行分類,并采用不同的識別方法。重點研究控制圖模式識別的神經(jīng)網(wǎng)絡(luò)

3、方法,設(shè)計基于小波變換的概率神經(jīng)網(wǎng)絡(luò),并詳細闡述了網(wǎng)絡(luò)的參數(shù)選擇、訓練樣本產(chǎn)生及網(wǎng)絡(luò)訓練方案,最后仿真檢驗了網(wǎng)絡(luò)的性能。
　　 (3)設(shè)計了用于控制圖異常模式參數(shù)估計的BP神經(jīng)網(wǎng)絡(luò),并詳述了網(wǎng)絡(luò)的設(shè)計過程和訓練方案。運用該網(wǎng)絡(luò)可實現(xiàn)對控制圖異常模式特征參數(shù)值的提取,為進一步工序質(zhì)量診斷提供依據(jù)。最后仿真檢驗了網(wǎng)絡(luò)的性能。
　　 (4)分析比較了當前常見的工序質(zhì)量診斷方案,將神經(jīng)網(wǎng)絡(luò)技術(shù)引入工序質(zhì)量診斷中,設(shè)計了基于BP神