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
单位:重庆大学机械传动国家重点实验室; 重庆400030
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社