基于神经网络的控制图模式识别

《基于神经网络的控制图模式识别》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、摘要日益激烈的市场竞争和日趋复杂的生产过程，促进了企业将信息技术、计算机技术、智能控制等先进技术引入生产过程控制之中，为企业实现现代化质量管理与质量保证奠定了基础。随着计算机集成技术，数据采集技术的发展，统计过程控制已经成为自动化领域的一个重要的发展方向。本文首先简介了在质量控制系统中的过程定义及控制图，阐明了控制系统中过程控制的复杂性。统计过程控制的基本元素是控制图，控制图的自动识别是统计过程自动控制的前提条件。研究的主要内容包括以下几个方面：(1)研究了基本的BP网络理论和其基本的缺陷，阐述了几种改进的BP算法。提出了一种复合型神经网络解决控制图识别问题，它具有较强的网络

2、适用范围及精度。通过仿真实验对比，结果表明其识别准确率高，并可同时用于识别多个复杂的不同模式。(2)研究了基于尺度化共扼梯度算法的质量控制图模式识别方法，同时引入了频谱分析来近一步加强识别精度，比单纯通过神经网络来识别提高了一个档次。所提出的模型能够识别出基本的六种控制图模式，包括正常模式、上升趋势模式、下降趋势模式、上升阶跃模式、下降阶跃模式和周期模式。仿真结果表明所构建的复合神经网络模型具有收敛速度快、识别精度高、容错能力强的特点。各种控制图参数的识别为统计过程控制自动化系统的诊断提供●1北京化工人学研究生学位论文了定量分析的依据，所建立的神经网络网络可以识别趋势模式的倾

3、斜度，阶跃模式的幅值以及周期模式的幅值与周期长度。论文研究了在MATLAB、VB、VC语言环境下质量控制图自动识别系统。通过开发系统的人机界面，用户可以方便地在系统界面上修改网络的结构和参数，选择不同的算法。同时，用户也可以修改样本数据，对于不同的样本，用户可以重新对网络进行训练，以达到最好的训练结果。所设计的系统通用性较强，使用方便，为系统应用于在线实时检测打下良好的基础。本文提出了控制图模式及参数的智能识别系统，该系统的提出，为统计过程自动化控制系统的实现打下了良好的基础。关键词：控制图；神经网络；模式识别摘要AbstractDaybyday，theintensemark

4、etcompetitionandthecOmplexproductionprocess，promotedtheente印risetobringadVancedtechnologiesasinfomationtecllIlolo鼢computertecllIlology，intelligentcontrolandsoonintomaImfacturequalitycontrolsystem，whichlaidfourldationofrealizingmodemqualitycontrolandqualityguaranteeforthem．ThecompetitiVecoIn

5、petenceOfanente叩rised印endsontheproductsquality'whichisproducedinproductsprocess．Thusitisnecessa巧tomanageproductsquali哆duringthewholeproductionprocess．StatisticalProcessCon仃ol(SPC)callmanagesproduCtsqual时e虢ctivel弘andincreasemequali妙managementcompetenceoftheente印rises．WiththedevelopmentofComp

6、uterinte铲atedmanufacturingenvirollIllentandtheadvancedindatac01leCtionsyste驰theautomationofSPCimplementationisconsideredunavoidable．Controlchansarethekeyf．actorofSPC．Thisp印erstudiescontrolch撕sreco伊ition，whichispanoftheSPCautomationsystem，includingthreetasks，nlonitoringtheprocess，diagnosingt

7、hedeViatedprocessandta：kingcon?ectiVeactionifisnecessary．Thepapermainlyincludesfourpartsasfollowing：Backprorogation(BP)neuralnec、7l，orkanditsdef．ectsarestudied，andthreekindsofimprovedBPalgoritllmarediscussed，andfindawaytobuildamultipleneuralnetworkmodelt