基于質量信息集成的智能質量控制技術研究.pdf

1、本論文是國家自然科學基金資助項目“基于質量信息技術集成的‘全質量’管理系統研究”（資助號：70272032，起止日期：2003.1-2005.12）研究內容的一部分。 隨著科學技術的進步和發(fā)展，智能質量控制技術已成為質量工程的發(fā)展趨勢之一。本文對基于質量信息集成的質量控制自動化及智能化的理論、方法及其關鍵技術進行了深入的研究。與“全質量”將工程與管理相結合，將信息集成和質量控制相結合的主旨相一致，重點研究了質量信息的智能獲取、傳

2、輸、處理及集成等技術與方法，討論了過程質量控制的智能化方法，并建立相關的智能質量控制模型。 主要工作包括如下兩大部分──質量信息采集與集成技術研究；過程質量控制方法及其智能化技術研究。 第一個部分──質量信息采集與集成技術研究主要包括： （1）提出一種基于SVR-FLANN的傳感測試系統的智能靜態(tài)校正與動態(tài)補償方法。在對常規(guī)FLANN構造方法的認識基礎上，討論了一種基于SVR技術的FLANN構造新方法，并對實際的

3、電容壓力傳感測試系統進行智能溫度補償與非線性校正。從理論上證明了FLANN建立的動態(tài)模型與SVR在特定參數取值下辨識結果的一致性，以此為基礎提出了一種能保證全局收斂、結果唯一和魯棒性的SVR-FLANN動態(tài)補償方法。 （2）研究了測試系統的非線性動態(tài)建模與補償技術。將測試系統的非線性動態(tài)特性分解為動態(tài)線性子環(huán)節(jié)和靜態(tài)非線性子環(huán)節(jié)串聯──維納（Wiener）模型；并利用LS-SVM對等價的類線性中間模型參數求解，從理論上推導中間模

4、型參數與補償器兩個子模型參數之間的關系，由該關系實現非線性靜態(tài)校正和線性動態(tài)補償環(huán)節(jié)的同時辨識。這種新方法只需進行一次動態(tài)標定實驗就能給出非線性動態(tài)補償器的數學解析表達式并具有較強的魯棒性。 （3）提出了一種基于LS-SVM的高維質量信息的智能集成與提取技術。該方法先將線性特征提取公式表達成與LS-SVM回歸算法中相同的形式，再遵循核方法將數據集由原輸入空間映射到高維特征空間，進而使用核技巧通過線性方程實現非線性特征提取。從理論

5、上證明了提出的特征提取方法的結果與PCA及KPCA方法的一致性。特別是對于高維質量信息，本文所提方法更具適合性。 第二個部分──過程質量控制方法及其智能化技術研究主要包括： （1）提出了一種新的PCA-SVM的控制圖趨勢的智能識別方法。在分析現有控制圖識別、診斷技術在實際應用中存在缺陷的基礎上，將PCA方法引入該領域，通過對數據集的高維特征進行線性組合并向低維空間投影的方法，降低了分類器的輸入維數，提高了各維特征的敏感性

6、。再根據過程質量控制的實際特點，有針對性地設計了一種特殊的SVM多分類結構，實踐證明該結構相對現有方法更適合質量控制圖的在線實時診斷。 （2）討論了適應小批量制造模式的動態(tài)質量控制圖。通過對抽樣樣本數量與控制圖虛發(fā)警報概率之間的函數對應關系的分析，建立了一組能使虛發(fā)警報概率保持相對穩(wěn)定的動態(tài)控制限；并用t分布代替?zhèn)鹘y的gauss分布分析方法，建立控制界限值隨樣本數量變化的數學模型，并將該模型應用于休哈特控制圖。理論分析表明，用t

7、分布建立的動態(tài)控制限在小批量生產模型下更接近理想結果。 （3）探討了6σ質量水平下的智能連續(xù)合格鏈長控制圖。針對6σ質量水平下常規(guī)SPC方法的局限性，探討了以連續(xù)合格鏈長（CCR）為控制對象的CCR控制圖的可行性。通過分析CCR圖控制限和兩類錯誤所造成總損失之間的關系，建立了基于兩類損失最小思想的CCR控制界優(yōu)化數學模型。實際算例表明，該控制方法能適應PPM級不合格率的生產過程。 （4）建立了一種基于準動態(tài)指數平滑的過程

8、質量預測模型。對傳統指數平滑預測方法局限性進行分析，引入準動態(tài)平滑參數和準動態(tài)平滑初值的概念，建立一種能自動適應預測進程的“準動態(tài)”指數平滑預測模型，并將其應用于生產過程質量預測。實驗結果表明，該模型相較傳統指數平滑模型具有一定的優(yōu)越性。 本論文以ANN、FLANN、SVM等新型人工智能工具為主要手段，對基于信息集成的過程智能質量控制技術及其實施過程中的關鍵技術展開研究。該研究為現代企業(yè)實施先進的質量管理與質量控制引入了新思路、