基于选择性集成核高斯过程模型的质量预测研究

摘要：

新一轮工业革命带来的数字技术推动质量管理与数学建模仿真等工具结合,利用数据驱动方式对产品质量进行预测以保障最终产品质量已成为制造业转型升级的重要趋势.其中构建准确性高且稳定性好的质量模型是实施质量预测的前提与关键,高斯过程模型作为典型的质量模型之一,由于其在实践应用中表现出的优越性能得以广泛应用.然而,由于核函数类型选择的不确定性,可能导致似然函数中的超参数估计无法近似逼近真实值,进而难以获得可靠的质量预测结果.为此,针对高斯过程模型中的核函数选择问题,提出了基于选择性集成核学习算法的模型构建策略.首先,采用Bootstrap方法对训练样本进行重复抽取,利用各训练样本分别获得不同核函数下的超参数近似值,构建多维高斯过程模型.其次,利用质量工具Pareto图分析不同核情形下高斯过程模型的预测性能,从而确定集成核的元素.然后,将集成参数融入似然函数中,构建改进的似然函数,进而确定集成核高斯过程模型的超参数.最后,结合仿真测试和工业实例验证了所提方法的有效性.分析结果表明,基于选择性集成核高斯过程模型不仅为核选择的问题提供了可行的优化路径,而且也提升了质量预测的准确度和精确度,从而为后续的质量优化或贝叶斯优化提供模型基础.

关键词：质量预测、高斯过程模型、集成核学习、参数优化

所属期刊栏目：31

分类号：F253.3;O213.1(物资经济)

资助基金：国家自然科学基金;国家自然科学基金;国家自然科学基金;江苏高校青蓝工程资助项目

在线出版日期：2023-05-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：69-80