基于特征選擇算法的復雜產(chǎn)品關鍵質(zhì)量特性識別研究.pdf

1、復雜產(chǎn)品包含大量質(zhì)量特性，識別影響產(chǎn)品質(zhì)量的關鍵質(zhì)量特性（CTQ）是產(chǎn)品質(zhì)量改進中必不可少的一步。實際生產(chǎn)中，大量質(zhì)量特性數(shù)據(jù)從生產(chǎn)線收集，為后續(xù)分析提供了基礎。本文針對復雜產(chǎn)品數(shù)據(jù)的高維性、數(shù)據(jù)非平衡性、質(zhì)量特性時序性等特點，建立基于特征選擇算法的CTQ識別算法。
　　首先，針對數(shù)據(jù)高維性，建立了兩個平衡數(shù)據(jù)CTQ識別算法。分別是基于ReliefF改進的識別算法和基于遺傳模擬退火算法的識別算法。在基于ReliefF改進的方法中，

2、提出一個新的CTQ數(shù)確定方法。結(jié)果表明，改進方法能夠比傳統(tǒng)ReliefF更加有效過濾無關、冗余質(zhì)量特性。在基于遺傳模擬退火算法的方法中，建立了結(jié)合質(zhì)量特性數(shù)和質(zhì)量特性重要性兩個度量的綜合適應度函數(shù)用于特征優(yōu)化。實驗結(jié)果表明，綜合適應度函數(shù)能夠增強算法降維能力。
　　其次，針對非平衡制造數(shù)據(jù)，建立了一個兩階段CTQ識別框架。第一階段，使用多目標優(yōu)化算法識別出一組備選關鍵質(zhì)量特性集。第二階段，使用理想點法從備選解中選擇最佳調(diào)和解，即C

3、TQ集。基于該框架，分別使用多目標優(yōu)化算法——改進 NSGA-II和改進 DMS，建立兩個識別算法。在這兩個算法中，分別定義了兩種基于非平衡數(shù)據(jù)的質(zhì)量特性重要性度量。實驗結(jié)果表明，兩個算法能夠在數(shù)據(jù)非平衡條件下有效識別CTQ。
　　最后，質(zhì)量特性對應于產(chǎn)品加工各個階段，具有時序性的特點?？紤]各質(zhì)量特性的時序性，并提出兩階段非平衡數(shù)據(jù)CTQ識別算法。在第一階段，利用基于遺傳算法和 DMS的混合多目標優(yōu)化算法選擇備選關鍵質(zhì)量特性集。第