一种新型的神经网络及其在智能质量诊断分析中的应用

提出了一种适用于模式识别的新型神经网络模型———局部有监督特征映射 (RegionalSupervisedFeatureMapping, RSFM)网络,将其应用到质量控制图的模式识别中,为基于统计过程控制(SPC)的智能工序质量诊断分析系统提供了技术支持。文中研究了网络的基本性能并对其参数进行优化,提出了采用欧氏距离判别法作为混合型多特征异常模式的识别方法。实验证明,所提出的模型对控制图的基本模式和混合型多特征异常模式都能够有效识别,网络收敛速度快、识别精度高,可进行大样本训练,适用于控制图的在线实时模式识别。     

基于神经网络的控制图模式识别和参数估计

建立了神经网络模型，使其可以估计趋势模式的斜率，阶跃模式的幅度以及周期模式的振幅和周期，为了避免不同模式间的相互干扰，分别采用3个网络对各种模式的参数进行估计，仿真结果表明该方法具有很高的识别能力和很快的识别速度。     

基于支持向量机的控制图在线检测和分析系统的研究

针对控制图在线检测和分析的要求，提出了系统基本框架。利用一对一算法的多类分类支持向量机进行控制图模式识别和异常模式下参数估计。在模型构造中，采用混合核函数，并利用遗传算法优化混合核函数支持向量机参数。仿真结果和实际应用表明：该方法结构简单、收敛速度快，识别准确率高，能够满足控制图在线检测和分析的需要。     

神经网络在在线产品质量控制中的应用

介绍一种用在SPC实时控制系统的人工神经网络模式识别方法,在此系统中,设置了一个虚拟的移动窗口,需要查询的生产过程数据将会不断地从此移动窗口中得到,从而数据不断更新,生产状态模式同时在更新,人工神经网络模式识别系统同时也在识别生产状态模式,当有异常模式出现时,系统就会报警,从而达到控制整个生产系统的目的。     

质量控制图及其工序质量控制

简要介绍了质量控制图的基本特点,论述了质量控制图的选择方法,对比分析了四种计量值质量控制图的应用特点,以实例详细分析了应用控制图进行工序质量控制的方法.     

利用VB实现质量控制图系统

介绍了利用VB开发工具,在Windows平台上实现质量控制图的绘制和分析。以锻造活塞环工序为例,说明了质量控制图系统的应用,证明了该系统可提高作控制图的准确性与效率,具有很强的实用性。     

改进的BP算法用于控制图模式识别

研究3种改进的BP算法在控制图模式识别中的应用。应用Matlab神经网络工具箱对神经网络进行仿真，为了提高网络的运行速度，对样本数据进行预处理。仿真结果表明尺度共轭梯度下降算法的训练速度最快，识别的准确率也最高。     

质量控制图在COD快速在线测定仪中的应用

阐述了质量控制图在COD快速在线测定仪中的应用原理及其实现方法。利用在线测定仪提供的数据管理和质量控制图绘制功能，给现场管理人员提供了一种快速评定污水水质的工具，及一种简单的区分仪器测量问题和污水本身COD变化的判别规则，给出了判别规则及其结果的准确概率。该方法在实际使用中得到用户的好评。     

基于神经网络的质量控制图异常诊断

针对质量控制图异常模式到异常原因的映射存在模糊不确定性,采用4层前馈BP神经网络,实现从控制图异常模式到异常原因的推理诊断,构建质量控制图异常模式异因推理诊断系统。首先,将控制图异常模式进行归类,构建控制图异常模式集;其次,针对每种异常模式,确定与之对应的异常原因集;最后,针对每一种异常模式,利用其模式数据作为输入,与之对应的异常原因的异常度作为输出,构建与其对应的神经网络,实现质量控制图异常模式到异常原因的推理诊断,并在此基础上将神经网络输出异常度按大小进行排序,缩小异常原因查找范围,提高查找效率。     

基于LS-SVM残差控制图的失控信号诊断

针对多变量统计过程控制中失控信号的诊断问题,提出了一种基于最小二乘支持向量机（LS-SVM）残差控制图的诊断方法,给出了基于LS-SVM残差控制图的构造方法与诊断程序,进行了实例分析与模拟分析,并与基于主成分分析的诊断方法进行了对比。研究结果表明：基于LS-SVM残差控制图的方法可以准确地诊断出失控变量,同时在小样本情况下依然适用。     

电动机控制系统的智能化故障诊断技术

电动机控制系统运行中的故障诊断问题可视为特殊的模式识别问题,而ANN是处理模式识别最有效的技术之一。对用于故障诊断器的BP网络应用了改进算法,并提供了常见故障样本,读者可进一步扩充完善。实际使用证明该方法完全能完成故障的在线诊断。     

基于神经网络的可重组制造系统质量控制方法研究

为提高可重组制造系统的可诊断性并缩短系统重组后的斜升时间,提出了基于神经网络的可重组制造系统工序质量控制方法。首先,结合x-R控制图质量控制方法和神经网络技术分别建立了用于控制图模式识别和质量缺陷原因诊断的两个神经网络模型;然后,开发出基于神经网络的工序质量控制系统,以加工件的质量特征数据作为数据源,可对生产过程进行快速诊断和及时反馈。最后,通过实例验证了基于神经网络的可重组制造系统工序质量控制方法的有效性。     

Pattern recognition for statistical process control charts

Control charts are important statistical process control tools for determining whether a process is run in its intended mode or in the presence of unnatural patterns. Patterns displayed on control charts can provide information about the process. This paper describes the development of a pattern recognition system designed to detect and analyse various patterns that can occur on statistical quality control charts. The system looks not only for simple patterns, such as trend, shift and stratification, but also for superimposed patterns, such as trend + shift. The effect of noise associated with individual patterns is also analysed. The benefits of the approach compared with the alternatives are discussed.Notation N _i ith value of the noise series - N _T noise tolerance - x _i ith data item from a number sequence - r _i seed for random number simulation - adjacent difference - standard deviation - mean of the data - A slope of a straight line - B constant - C constant - i indexing integer - j indexing integer - k total number of samples - l starting point of a pattern on control chart - m ending point of a pattern on control chart - n size of samples - ptn pointer to the pattern identified - slope slope for trend patterns - X normally distributed variate arising from simulation - CL centre-line - LCL lower control limit - LOSL lower one-sigma limit - LWL lower warning limit - UCL upper control limit - UOSL upper one-sigma limit - UWL upper warning limit     

针对纯滞后系统的RBF神经网络智能控制的研究

针对工业控制过程中普遍存在的大惯性、纯滞后、时变性、非线性对象的控制问题,采用传统的控制方法不能达到满意的控制效果,提出了基于RBF神经网络的PID自适应控制方案。采用神经网络辨识器在线辨识系统模型,自动调整PID控制器参数,从而实现系统的智能控制。仿真结果表明：该方法对于纯滞后控制系统能进行有效的控制并且具有很好的自适应性和鲁棒性。     

智能控制的发展前景

介绍了智能控制的发展历史和现状,并通过分析现有智能控制的主要方法和总结它们的特点及不足,指出智能控制当前的研究热点及发展前景.     

基于神经网络与遗传算法的悬臂式掘进机智能控制系统

由于煤矿巷道内煤层的分布是不均匀的,并且是时时变化的,这就给高效开采带来了难度。悬臂式掘进机在巷道中作业时,会因为煤层分布的不确定性,导致所受的截割阻力不停地变化,因此,要求掘进机可以根据不同的工况,能够快速地、实时地调整悬臂的摆动速度。该文提出了基于神经网络与遗传算法的复合控制理论的悬臂式掘进机的控制模式。该控制系统能有效地提高生产效率,并且安全可靠。     

基于PID神经网络的智能车舵机控制系统研究

针对传统PID控制算法在电磁导航智能车舵机偏差处理中存在比例、积分、微分参数一经确定,不能在线调整,不具有自适应能力的缺点,提出了将PID神经元网络（ PIDNN）控制器及其算法应用到智能车的舵机控制系统中来对传统PID控制进行改进。 PIDNN控制系统不依赖智能车舵机的数学模型,能够根据控制效果在线训练和学习,调整网络连接权重值,最终使系统的目标函数达到最小来实现智能车的舵机控制。仿真测试表明,PIDNN控制系统的响应快,无超调,无静差,与传统PID控制算法相比,大大提高了智能车舵机控制系统的性能。     

一种用于激光加工系统的智能化精密平台的研制

根据在实际工业生产中对激光加工的要求和激光加工自身的特点，把激光加工技术与计算机技术、精密机械传动等溶为一体形成激光加工系统的智能化精密平台，从而提高了该系统的自动化程度和加工质量。在平台的研制中主要解决以下几个关键问题：步进电机和激光电源的智能化控制；机械传动系统精度的保证；加工过程中适时监控与定位、运动精度的检测技术。     

分层流速控制水槽的模拟及智能化控制

设计了一种多路循环分层流速控制水槽,并建立了用于模拟分层控制的数学模型及实验平台. 通过建立的实验平台,采用实验和模拟结合的方法研究喷口流速组合对水槽中水体流速分布形态的影响. 针对同一种水流形态,通过改变其速度大小来观察水流形态的变化以及速度大小的分布和有效区域的范围变化. 通过改变进水口初始速度,得到不同的水流形态. 研究中模拟了常见的几种水流形态(直线型、上快下慢型和抛物线型),利用模拟所得各形态特征的数据,结合神经网络实现对实验平台智能化控制,从而实现对水槽的智能化控制.