10.3969/j.issn.1001-2303.2003.04.003
主成分分析结合人工神经网络用于焊接过程质量控制
主成分分析是一种多元统计方法,对处理大量过程参数间的关系与变化,排除次要因素,提取主要参数具有独到的优势.神经网络作为一种有效的建模方法,已广泛应用于生产过程.问题在于当神经网络模型输入变量维数过高,网络规模过于复杂时,往往导致网络训练精度下降,建模效果变差.基于主成分分析的人工神经网络通过对神经网络训练样本集进行主成分分析来改进样本的输入因子数,消除网络输入间的相关性,同时减少网络的输入数,简化网络结构,从而提高网络的学习速率及精度.以大电流MAG焊熔宽控制为例,通过对6个焊接过程参数(送丝速度、干伸长、焊接速度、气体流量、焊接电压及焊接电流)进行主成分分析,提取出影响熔宽的4个主要因素,形成新的训练样本集,送入神经网络进行计算,输出结果令人满意.
主成分分析、神经网络:BP算法、质量控制
33
TG44;TP391(焊接、金属切割及金属粘接)
2004-01-08(万方平台首次上网日期,不代表论文的发表时间)
共4页
5-8