基于PCA和SVM的控制图失控模式智能识别方法

被引:17
作者
杨世元
吴德会
苏海涛
机构
[1] 合肥工业大学
关键词
控制图; 模式识别; 主元分析; 支持向量机;
D O I
10.16182/j.cnki.joss.2006.05.055
中图分类号
TB114.2 [工程控制论];
学科分类号
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。
引用
收藏
页码:1314 / 1318
页数:5
相关论文
共 1 条
[1]   控制图异常模式的识别技术研究 [J].
乐清洪 ;
张锋铭 ;
李建文 ;
朱名铨 .
航空制造技术, 2003, (02) :43-46