The multivariate quality diagnosis classifier based on the chi square value is used to collect the original data of the quality characteristics in the manufacturing process, to preprocess the data, and to apply the mixed algorithm to the analysis of the multiple quality characteristics of the key processes. In order to find out the source of process anomalies, we introduce the chi square value, the weight ratio and the similarity rule to make the classification results more accurate. The process capability coefficient of the invention is strict, the state is accurate, the complexity of the algorithm is low, the processing time is fast, the multivariate quality, the misjudgement factor, the principal component factor, the applicability more, the parameter processing standard and the data processing are perfect, the misjudgement probability is reduced, the data offset and the unit are not unified. It is more accurate than support vector machine, and can realize the technology of anomaly diagnosis.
【技术实现步骤摘要】
基于卡方值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
,具体涉及一种基于卡方值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。由于产品质量在现代工业中的重要地位,统计过程控制(SPC)在机械、纺织、电子产品、汽车灯离散制造业中取得了很大成功,并逐渐向造纸、炼油、化工、食品等间歇工业和连续制造业渗透。在实际的制造过程中,被加工零部件或产品往往具有多个质量特性,且这些质量特性之间存在一定的相关性,如何确定该过程的过程能力指数以及对过程质量进行诊断,是迫切需要解决的问题,该问题的研究不仅对多元制造过程能力分析研究具有重要的意义,而且对多元制造过程的质量进行监控和诊断均具有一定的理论意义和实用价值。基于上述需求,本专利技术提供了基于卡方值的制造过程多元质量诊断分类器。
技术实现思路
针对多元控制图在多元过程监控和异常诊断中的不足,本专利技术提供了基于卡方值的制造过程多元质量诊断分类器。为了解决上述问题,本专利技术是通过以下技术方案实现的:步骤1:收集制 ...
【技术保护点】
基于卡方值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,具体涉及一种基于卡方值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.基于卡方值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,具体涉及一种基于卡方值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,这里整合下面的方法,具体过程如下:错判误差的概率分为两类,一是受控状态判为失控状态,概率即为,二是失控状态...
【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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。