基于PLS-Aenet的多工序制造过程关键质量特性识别

复杂多工序制造过程包含较多质量特性,且质量特性具有多重共线性、高维度及群组效应等特点,这些特点使得关键质量特性识别较为困难。为解决此问题,本文运用偏最小二乘回归改进自适应弹性网(Aenet)方法并结合状态空间模型进行建模分析,从而进行复杂多工序制造过程关键质量特性识别,并给出了基于PLS-Aenet方法的关键质量特性识别具体步骤,最后通过仿真分析对比PLS-Aenet方法与岭回归、Lasso、弹性网以及PLSLasso等变量选择方法在复杂多工序制造过程关键质量特性识别中的适用性与有效性。仿真与实例结果表明,相比于岭回归等变量选择方法,本文所提改进的PLS-Aenet方法在关键质量特性间具有较强相关性时识别效果更佳,特别是对具有群组效应的关键质量特性具有更优的识别精确性和完整性。