基于One-class SVM的自相关线性轮廓监控研究

摘要：

在复杂产品的制造过程中,轮廓(profile)数据是一类广泛存在的质量数据类型.为了能够尽快监测出线性轮廓内自相关过程中的异常,针对质量数据仅存在正常样本的情况,提出了基于一类支持向量机(one-class Support Vector Machine,OCSVM)的监控方法.首先,介绍OCSVM方法原理;其次,构建OCSVM监控模型,通过数值仿真实验模拟得到平均运行长度,并给出详细的仿真过程;再次,以平均运行长度为准则,分析高斯核函数与多项式核函数对OCSVM方法监控性能的影响,结果表明:监控AR(1)模型时,多项式核函数具有优势;最后,将多项式核函数的仿真结果与传统的一些控制图进行对比,结果表明:当标准差以及斜率、截距同时发生变化时,OCSVM方法监控效果优于其他控制图;当自相关系数ρ=0.1(弱相关)截距发生较大偏移以及ρ=0.9(强相关)截距发生偏移时,OCSVM方法监控效果优于其他控制图.

关键词：线性轮廓;一类支持向量机;自相关过程;平均运行长度

所属期刊栏目：40

分类号：TH122

资助基金：教育部人文社会科学研究项目;中国博士后科学基金;河南省科技攻关计划;郑州航空工业管理学院研究生教育创新计划;郑州航空工业管理学院研究生教育创新计划

在线出版日期：2022-03-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：89-98