| 第一作者： | 蔡亚军;陈书宏;王宇 |
|---|---|
| 发表年度： | 2017 |
| 期： | 18 |
| 卷： | 17 |
| 页： | 277-281 |
| 摘要： | 质量监测可以有效地提高产品质量和生产效率。在复杂产品的生产过程当中,多个质量特性之间相互作用,共同对产品的生产质量产生影响。由于质量特性的数量较多、有些特性的关系是耦合的,因此准确诊断出异常变量是研究的难点。为了高效、准确地诊断出异常变量,提高产品的质量和生产效率,提出了基于改进网格优化的principal component analysis(PCA)-support vector machines(SVM)多元控制图均值偏移诊断模型。在模型训练之前,使用主元分析(PCA)算法对数据进行预处理,降低数据维数和提取数据特征信息;再用改进网格算法对支持向量机(SVM)的参数进行优化,最终得到优化的SVM模型。仿真结果表明,采用的方法与传统方法相比,训练时间更短,且拥有更高的分类准确率。 |
| 刊物名称： | 科学技术与工程 |
