基于优化多核支持向量回归的制造过程均值偏移幅度估计

摘要：

为更加准确地估计制造过程均值偏移幅度,提出了一种基于多核函数支持向量回归(SVR)的估计方法.多核函数由线性核、多项式核和径向基核3种基本核函数凸组合而成,并通过粒子群优化算法(PSO)对核参数、组合权重系数以及SVR的惩罚系数C进行联合优化,以五折交叉验证求得训练样本的决定系数均值作为粒子适应度值,使生成的多核SVR获得良好的泛化能力.将该多核SVR与累积和(CUSUM)控制图集成构建了过程均值偏移监测模型,仿真实验结果表明,该方法相对人工神经网络(ANN)方法估计精度明显提高,比采用单一径向基核函数的SVR更为优越;在实际齿轮加工过程中进行应用验证,进一步证实了该方法的有效性和实用性.

关键词：统计过程控制、偏移幅度、支持向量回归、多核函数、粒子群优化

所属期刊栏目：25

分类号：TP391.4;TH165.4(计算技术、计算机技术)

资助基金：国家高技术研究发展计划863计划资助项目2012AA041306;国家科技重大专项2011ZX04001-041-06

在线出版日期：2014-04-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：630-635,641