基于PCA和SVM的控制图失控模式智能识别方法

作     者：杨世元 吴德会 苏海涛 YANG Shi-yuan;WU De-hui;SU Hai-tao

作者机构：合肥工业大学安徽合肥230009 

基　　金：国家自然科学基金资助(项目批准号:70272032) 

出 版 物：《系统仿真学报》 (Journal of System Simulation)

年 卷 期：2006年第18卷第5期

页      码：1314-1318页

摘      要：控制图是在线质量控制的重要工具,而利用控制图进行异常过程模式识别却是个困难问题。该文在分析现有控制图识别技术在实际应用中存在缺陷的基础上,提出了一种基于主元分析(PCA)和支持向量机(SVM)的控制图失控模式识别方法。首先,将控制图作为信息图用于趋势模式数据集提取;然后,通过对数据集的高维特征进行线性组合并向低维空间投影的方法,降低了分类器的输入维数,提高了各维特征的敏感性;最后,为了克服神经网络方法速度慢和泛化能力弱的缺陷,利用SVM小样本学习能力,有针对性地设计SVM多分类器进行模式识别。用一个含有6种趋势的20维特征仿真数据集对该方法进行检验,通过主元分析后,数据集的特征被降到了3维并保留了88%的分类信息。进一步的识别结果表明,该方法相对现有的BP、SLFM识别方法达到更高的识别率和识别速度,适合质量控制图在线实时识别。

主 题 词：控制图 模式识别 主元分析 支持向量机 

学科分类：08[工学] 0835[0835] 0802[工学-机械学] 080201[080201] 

核心收录：

D　O　I：10.3969/j.issn.1004-731X.2006.05.055

馆 藏 号：203788626...