基于粗糙集与神经网络集成的制造过程质量诊断技术研究.pdfVIP

学兔兔 Application of Information Technology信息技术应用 基于粗糙集与神经网络 集成的制造过程质量诊断技术研究 江大伟 1，周 平2，李丽华2 (1．威高集团，山东威海 264300；2．济南铸造锻压机械研究所有限公司，山东济南 250022) 摘要：结合粗糙集理论和神经网络在信息处理方面的优势，建立了一个基于粗糙集理论和神经网络结合 的机械制造过程质量诊断模型；并以42CrMo轴高硬度磨削工序为例分析各因素对其粗糙度的影响程度，表 明可以简化网络训练样本，优化神经网络结构，提高质量诊断效率，验证了模型的可行性与有效性。 关键词：质量诊断；粗糙集；可辨识矩阵；神经网络 中图分类号：TH1 65 ．4：文献标识码：A；文章编号：1 006—96 58(20l4)02—0063—03 D0 I：1 0．3969／．1．1 S S n．1 006—9658．2014．02．020 0 前言 息或者先验知识就能有效地分析和处理不精确、不 机械制造质量诊断过程中，在保证质量诊断精 完整和不一致等各种不完备数据，从中发现隐藏的 度大致不变的情况下，如何尽可能减少特征维数， 知识、揭示潜在的规律。 降低计算工作量和减少不确定性因素的影响，是一 1．1 知识表达系统 个亟待解决的问题。质量问题产生的机理不甚清 知识表达系统在智能数据处理中占有十分重要 楚，故障的表现形式不唯一，有时甚至是含糊的，在 的地位。形式上，四元组5=( ，A， 厂)是一个知识 提取故障特征时也时常带有盲目性，从而导致了实 表达系统。 际描述的质量问题不够分明。诊断推理是根据特定 ：对象的非空有限集合，称为论域； 的映射关系由故障征兆域到故障原因域的计算求 A：属性的非空有限集合； 解问题，神经网络㈦具有强大的模式分类能力，在智 = U V。，V 是属性口的值域； nE ^ 能故障诊断中得到了广泛应用。但当神经网络规模 厂：UxA— 是一个信息函数，它为每个对象的 较大、样本较多时，会含有大量冗余信息，导致网络 每个属性赋予一个信息值，即Va∈A， ∈U 厂( ，口) 学习复杂，训练时间过长。这些对神经网络的精度 ∈V 。 及泛化能力均会产生影响。粗糙集(RS，Rough Set) 知识表达系统的数据以关系表的形式表示。关 的知识约简有利于提高前者的学习能力，并能求出 系表的行对应要研究的对象，列对应对象的属性，对 各影响因素的重要程度，而神经网络的良好抗噪性 象的信息是通过制定对象的各屙『生来表达。 能可以很好地弥补后者的缺陷。因此，基于两者有 决策表是一类特殊的重要的知识表达系统。 机结合进行制造过程质量诊断研究对提高质量诊 A=cuD，cnD=‘D，C为条件属性集，D为决策 断效率及产品质量具有重要意义。 属性集。具有条件屙l生和决策詹I生的知识表达系统