基于多分类支持向量机智能辅助质量诊断研究.pdfVIP

第21 卷第6 期 系 统 仿 真 学 报© Vol. 21 No. 6 2009 年3 月 Journal of System Simulation Mar., 2009 基于多分类支持向量机的智能辅助质量诊断研究 吴德会1,2 （1.九江学院数字控制技术与应用江西省重点实验室，九江 332005 ；2.清华大学电机工程与应用电子技术系，北京 100084 ） 摘 要：在分析比较目前常用的质量辅助诊断方法局限性的基础上，提出了一种基于多分类支持 向量机(SVM)的质量控制图智能诊断新方法。该方法以 SVM 技术为智能核心，较好地解决小样本 学习问题，避免了人工神经网络等智能方法在对小批量生产过程质量诊断时所表示出的过学习、泛 化能力弱等缺点。另一方面，通过结合投票法和决策树的基本思想，所提方法拓展出对控制图混 合型异常模式的识别能力，从而提高了对质量过程诊断的全面性和准确性。与其它几种常见人工 智能方法质量诊断的效果进行对比，实验表明，所提方法容易实现、诊断精度高，为实现小批量加 工过程的在线质量诊断与控制提供可行的思路。 关键词：小批量；质量诊断；多分类支持向量机；决策树 中图分类号：TH165 文献标识码：A 文章编号：1004-731X (2009) 06-1689-04 Intelligent Quality Diagnosis Based on Multi-class SVM WU De-hui1,2 (1. Key Laboratory of Numerical Control of Jiangxi Province, Jiujiang University, Jiujiang 332005, China; 2. Department of Electrical Engineering, Tsinghua University, Beijing 100084, China) Abstract: After analysis and comparison of the limitation of assistant quality diagnosis methods used in practice, a novel intelligent diagnosis method for quality control chart was proposed based on multi-class support vector machine (MSVM) . This method takes SVM technology as the intelligent core, which solves the small sample learning problems well. And it can overcome the shortcoming of over-fitting, longtime training and frail generalization power of artificial neural network (ANN) in the small-batch production process quality diagnosis. Moreover, combining the basic thought of voting method and decision tree, the presented method has the capability to rec