基于RBF神经网络的MMSE控制器优化设计

现代复杂产品制造过程的输出数据表现出高度自相关性,致使过程的输出偏离设计目标值或使得传统控制图监控过程时的假警报增加。研究一种基于径向基(Radial Basis Function,RBF)神经网络的MMSE控制器,用全面实验方法对径向基神经网络的径向基函数分布密度和网络训练精度两个参数进行优化设计,得到基于最优径向基神经网络预测的MMSE控制器。仿真实验结果表明,将基于优化径向基神经网络预测的MMSE控制器应用于自相关过程的过程调整,可提高RBF神经网络的预测精度,改善MMSE控制器的调整效果,有效地消除过程输出的自相关性。

基于BP神经网络预测的自相关过程MMSE控制

自相关过程的质量控制,常采用基于MMSE控制器的SPC/APC整合方法进行监测.而MMSE的设计,依赖于自相关过程预测的精度.对自相关过程采用BP神经网络进行预测,APC过程采用MMSE控制器进行过程调整,最后采用SPC进行过程监测.仿真实验表明:该方法能够有效去除自相关的影响,是一种有效的自相关过程监测方法,有实际应用价值.

基于两种反馈控制的过程质量监控

统计过程控制和自动过程调整的集成是减少生产过程中波动的一种有效方法。本文分别讨论了应用MMSE控制器和PI控制器进行自动过程调整后的监控问题,比较了用过程输出和调整量2种数据流建立的控制图的效率,并以一个简单的算例说明监控方法的使用。

基于MMSE和PI控制器的过程质量控制

研究了运用MMSE控制器和PI控制器进行自动过程调整后的监控问题.通过比较分析针对过程输出和调整量两种数据流建立的控制图的效率,分别给出了对于这两种不同控制器的最优监控策略,并通过一个简单的算例说明该方法的使用.

基于多步延迟自动反馈控制的过程质量监控

研究了具有多步延迟特性的反馈控制进行自动过程调整后的质量监控问题.建立了多步延迟自动反馈控制的过程质量监控模型,分别给出了基于多步延迟的MMSE控制器反馈调整后对过程输出和调整量两种数据流建立的控制图平均运行长度的计算方法,用以评价控制图的效率.最后通过一个简单的算例说明该方法的使用.