基于神經(jīng)網(wǎng)絡(luò)的產(chǎn)品質(zhì)量預(yù)測控制模型研究.pdf

1、在生產(chǎn)過程中，提高產(chǎn)品的質(zhì)量是企業(yè)永恒的目標(biāo)。為了提高產(chǎn)品質(zhì)量，企業(yè)在長時(shí)間的生產(chǎn)運(yùn)行中積累了大量生產(chǎn)數(shù)據(jù)和產(chǎn)品質(zhì)量特征參數(shù)數(shù)據(jù)。而且，隨著計(jì)算機(jī)技術(shù)的快速發(fā)展和廣泛應(yīng)用，企業(yè)在生成、收集、存儲(chǔ)和處理數(shù)據(jù)方面的能力大大提高，數(shù)據(jù)量與日劇增。然而，如何有效利用這些數(shù)據(jù)，保證產(chǎn)品質(zhì)量在理想的控制范圍內(nèi)，是現(xiàn)代質(zhì)量控制的發(fā)展方向之一?；谥R(shí)發(fā)現(xiàn)的產(chǎn)品質(zhì)量控制理論與方法研究就是從這些海量數(shù)據(jù)中挖掘出有用的信息，建立產(chǎn)品輸入?yún)?shù)和質(zhì)量特征參數(shù)之

2、間的模型，并根據(jù)該模型來實(shí)現(xiàn)產(chǎn)品質(zhì)量預(yù)測和控制，以幫助質(zhì)量工程師來改善產(chǎn)品質(zhì)量和進(jìn)行新產(chǎn)品的輔助設(shè)計(jì)。本文以神經(jīng)網(wǎng)絡(luò)建模方法為研究內(nèi)容，以BP網(wǎng)絡(luò)和RBF網(wǎng)絡(luò)的質(zhì)量預(yù)測模型為研究重點(diǎn)，系統(tǒng)深入地探討了機(jī)械加工質(zhì)量預(yù)測和控制模型的建模方法，主要內(nèi)容如下： (1)綜述了國內(nèi)外關(guān)于質(zhì)量控制理論與方法和基于神經(jīng)網(wǎng)絡(luò)質(zhì)量預(yù)測控制模型的研究和發(fā)展現(xiàn)狀，介紹了幾種常見的建模方法和手段，分析了其各自的優(yōu)、缺點(diǎn)，為基于BP和RBF神經(jīng)網(wǎng)絡(luò)的建模方

3、法打下基礎(chǔ)。 (2)研究了BP網(wǎng)絡(luò)模型的結(jié)構(gòu)、學(xué)習(xí)算法、設(shè)計(jì)方法以及BP網(wǎng)絡(luò)的不足，提出了改進(jìn)的L-M算法，并以機(jī)械加工產(chǎn)品質(zhì)量控制為例子，利用BP網(wǎng)絡(luò)改進(jìn)算法構(gòu)建了一個(gè)單隱層BP網(wǎng)絡(luò)機(jī)械加工質(zhì)量預(yù)測模型，預(yù)測了加工后徑向誤差大小；同時(shí)，針對多輸入多輸出的機(jī)械加工過程，運(yùn)用BP網(wǎng)絡(luò)改進(jìn)算法構(gòu)建了一個(gè)兩隱層的質(zhì)量預(yù)測逆模型即質(zhì)量控制模型，用工藝系統(tǒng)剛度、工件硬度、加工前徑向誤差、加工后徑向誤差來控制總進(jìn)給量、第一次進(jìn)給量和第二次進(jìn)

4、給量的值，起到提高機(jī)械加工產(chǎn)品質(zhì)量的作用。 (3)研究了RBF網(wǎng)絡(luò)模型的結(jié)構(gòu)、學(xué)習(xí)算法等，構(gòu)建了基于RBF網(wǎng)絡(luò)的機(jī)械加工質(zhì)量預(yù)測模型，預(yù)測了加工后徑向誤差大小，并將其測試結(jié)果與BP網(wǎng)絡(luò)測試結(jié)果作比較，分析了各自的優(yōu)、缺點(diǎn)，指出了每個(gè)模型適合的場合。 (4)采用LABVIEW和MATLAB編制了幾種質(zhì)量預(yù)測模型軟件系統(tǒng)，使得質(zhì)量預(yù)測模型計(jì)算、輸出較為直觀和方便。 最后對全文作了總結(jié)和回顧，指出了基于神經(jīng)網(wǎng)絡(luò)的質(zhì)量預(yù)