改进模糊支持向量机的制造过程多元质量诊断分类器制造技术

改进模糊支持向量机的制造过程多元质量诊断分类器，收集制造过程中质量特性的原始数据，进行数据预处理，应用混合算法对关键工序的多元质量特性进行过程分析，根据控制图记录的数据判稳以及是否出现异常现象，应用改进模糊支持向量机方法查找出过程异常源所在，为了使分类结果更加准确，目标函数中增添了隶属度因子以及中心点、边界点修正。本发明专利技术过程能力系数条件严谨、判定状态准确，算法复杂度低，处理的时间快，综合了多元质量、误判因子、主成分因子，适用性更强，参数处理规范，数据处理完善，降低了误判概率，解决了数据偏置、单位不统一的问题，可以实现异常诊断技术。

Multivariate quality diagnosis classifier for manufacturing process based on improved fuzzy support vector machine

Improved multivariate quality diagnosis classifier manufacturing process of fuzzy support vector machine, the original data collection quality characteristics in the manufacturing process, data preprocessing, process analysis of multiple quality characteristics of hybrid algorithm of key process, according to the control chart data recorded on stability criterion, and whether the abnormal phenomenon, the application of improved fuzzy support vector machine method lookup a process where abnormal source, in order to make more accurate classification result, the objective function was added to the membership factor and center point, boundary point correction. The invention process capability coefficient of rigorous, accurate judging state, the algorithm complexity is low, processing time, comprehensive quality, multi factor, misjudgment of the principal component factors, more applicable, parameter specification, data processing to improve, reduce the probability of false positives, solves the data unit bias, is not the problem of unity can be achieved fault diagnosis technology.

【技术实现步骤摘要】
改进模糊支持向量机的制造过程多元质量诊断分类器
本专利技术涉及机械产品加工制造过程质量诊断
，具体涉及一种改进模糊支持向量机的制造过程多元质量诊断分类器。
技术介绍
现代制造过程是多变量高度相关的，对这类生产过程的过程监控称为多元质量控制(MQC)或者多元统计过程控制(MSPC)。寻找失控原因的过程被称为MSPC诊断或异常识别。主要有两类方法：一是统计分解技术；二是基于机器学习的技术。主流分解技术包括了主成分分析(PCA)，特征空间比较法，MTY方法、步降方法、多向核主成分分析方法。然而，这些方法通常都包含了复杂统计过程，不利于应用。随着计算机技术的发展，机器学习成为这一领域的研究热点。人工神经网络(ANN)和决策树(DT)算法已经被应用于MSPC领域。生产过程的质量特性一般具有两个可能引起波动的分量。一个是由于过程本身的原因而必然存在的较稳定的分量，另一个则是由于异常原因而造成的间断性的分量。通常情况下，第二类波动(间断分量)能够通过一些方法加以监控，从而得到发现和规避，而第一类波动是过程进行时必然存在的，是不可能被消除的。控制图的作用就是可以把正常波动和异常波动区分开来。基本文档来自技高网...

【技术保护点】
改进模糊支持向量机的制造过程多元质量诊断分类器，本专利技术涉及机械产品加工制造过程质量控制技术领域，具体涉及一种改进模糊支持向量机的制造过程多元质量诊断分类器，其特征是，包括如下步骤：步骤1：收集制造过程中质量特性的原始数据，并对该数据进行必要的整理、简化及计算，其具体计算过程如下：在生产过程中，当工序不存在系统性误差时，产品的质量特性值

【技术特征摘要】
1.改进模糊支持向量机的制造过程多元质量诊断分类器，本发明涉及机械产品加工制造过程质量控制技术领域，具体涉及一种改进模糊支持向量机的制造过程多元质量诊断分类器，其特征是，包括如下步骤：步骤1：收集制造过程中质量特性的原始数据，并对该数据进行必要的整理、简化及计算，其具体计算过程如下：在生产过程中，当工序不存在系统性误差时，产品的质量特性值符合正态分布；由于多元质量特性值得单位不统一，数值大小差距也较大，需对数据做进一步处理；生产过程正常运行收集的数据矩阵为，为样本的个数，为样本质量属性个数上式为第个样本第种质量属性值，为第种质量属性均值，第种质量属性标准差对预处理后的数据，进行比重计算如下：假设维正态分布，即，其中为总体均值向量，为协方差矩阵，由于为对称矩阵，因此存在对称矩阵,使得其中为协方差矩阵的特征值，其满足，即维多元质量的权重分配可以表示为下式：取前个主元的累计贡献率达到80%以上，即贡献率为：则主元模型为分别为个主元质量的属性向量，为误差步骤2：对关键工序的多元质量特性进行过程分析，其具体计算过程如下：这里主要对步骤1中的计算和估计；，其中是质量特性值，是总体均值，是总体方差，当质量特性值服从正态分布时，其均值也服从正态分布，其中，n为样本容量，依照正态分布的特性，则即，无论和取何值，落在之间的概率是，也就是说，落在这个分布范围之外的概率只有对于过程修正的规格区域是一个椭球体，其体积计算公式为：、分别为控制图上第元质量因子的上下限多元过程在置信度下实际分布区域的椭球体为：为多元质量因子的协方差行列式设其修正系数为；、分别为规格图、和实际过程的均值位置，为t维均值差值另一影响因子为，为规格上下限的交点即综上所述，表征过程能力函数如下：为了完善上式的结果，这里整合下面...

【专利技术属性】
技术研发人员：金平艳，
申请(专利权)人：四川用联信息技术有限公司，
类型：发明
国别省市：四川,51