一种多变量制造过程中的关键变量检测算法

提出了一种基于机器学习的多变量制造过程中的关键变量检测算法.该算法利用机器学习分类器对多变量制造过程进行数学建模,以随机打乱过程变量后分类器的性能变化作为评价指标,检测导致产品质量相对异常的关键变量.设计并生成了多变量制造过程的仿真数据集,在仿真数据集和基于中国某工厂的2个实际生产案例数据集上对算法的检测性能进行了性能验证,2次验证结果均表明算法检测性能良好.

基于自组织混合模型的多变量航天产品加工过程控制方法研究

为解决航天产品因制造过程的随机性和动态性而在复杂的多变量加工过程中表现出非线性或多模态等特性,用传统多变量过程控制方法无法有效监控的困难,提出了一种基于自组织混合模型(SOMM)的过程监控方法,以实现非线性和多模态等过程的状态建模和在线异常监控。采用自组织映射结合混合模型,对非线性和多模态等过程状态进行建模,设置控制图阈值;提出了基于最小欧氏距离和负对数似然值的制造过程控制图,在线识别和评估制造过程运行状态。设计的基于SOMM的制造过程监控系统由离线建模和在线监控两部分组成。为验证所提方法在非线性和多模态制造过程中的监控效果,进行了两个仿真实验,并与主元分析、自组织映射等传统监控方法性能进行比较。实验结果表明所提方法在非线性及多模态过程中均有更好的过程监控性能,可用于航天产品加工过程的质量控制。