用于SPC控制图识别的神经网络训练并行算法研究.pdfVIP

Research·Development《 用于 SPC控制 图识别的 神经网络训练并行算法研究 Research onNeuralNetworkParallelAlgorithm for SPC ControlCharts’Identification 王家海 谭光瑞 潘慧子 (1同济大学机械工程学院，上海 200092； 2同济大学 中德学院，上海200092； 3中环光伏系统有限公司，南京210008) 摘 要 ：在研究统计过程控制基础上建立控制图识别的神经网络模型。通过对前向型神经网络分析，设计 了粒子群优化算法与阻尼最小二乘法相结合的复合训练算法，基于并行运算原理对上述复合算法进行优化。实 验结果表明，该复合算法经过并行优化后训练速度明显提高，具有较大的实用价值。 关键词：统计过程控制 控制图 神经网络 并行运算 DOI：10．3969／j．issn．1007—080X．2011．08．001 Abstract：Designaneuralnetworkmodelforcontrolchartidentificationbasicontheresearchofstatisticalprocess contro1．Aftertheforward neuralnetwork analysis，design a particleswarm optimization algorithm with Levenberg． Marquardtmethodofcomplextrainingalgorithm．Useparallelcomputingimplementationoftheoptimizationofcomplex algorithmsbased on theprincipleofparallelcomputing．Experimentalresultsshow thatthecompound through the paralleloptimizationalgorithm greatlyenhancethetrainingspeed． Keywords：SPC controlchart neuralnetwork parallelcomputing 0 引 言 是国标 中的判异准则。针对异常模式的不同形态，将 统计过程控制(statisticalprocesscontrol，SPC)是当 控制图划分为正常模式、向上阶越异常、向下阶越异常、 今最有效的质量改进控制方法之一，其本质是利用产品 上升趋势异常、下降趋势异常以及周期模式等6种情况。 检测数据的样本统计信息来判断产品生产过程的状态， 基于神经网络的控制图模式识别是 目前常用的自 借助数理统计分析，及时动态地发现生产过程中的异常 ， 动化识别方法之一。神经网络方法是利用了神经网络 采取相应措施减少异常因素对生产过程的影响，以提高 并行计算、自适应学习能力、学习训练等特点，建立分 产品质量水平 。控制图作为SPC有效的控制手段，得 布式并行信息处理的算法数学模型。神经网络在控制 到广泛应用。对控制图异常模式的判断识别是实现统计 图模式识别的速度和精度上都要优于传统的识别方 过程控制的关键。目前控制图异常模式判断的主要依据 法，并且不受被控对象限制，具有较好的通用性。为提 作者简介 ：王家海 1964年生，副教授 ，工学博士。研究方向为现代集成制造、网络化制造和数字化制造过程。 谭光瑞 1983年生 ，硕士研 究生。研究方向为机械制造信息化 。 2011．8I机电一体化 13 用于 SPC控制图识别的神经网络训练并行算法研究 高控制图识别的速度 ，降低误报警率，本文分析神经网 propagationalgorithm，BP算法)，是一种有导师学 习算