用于spc控制图识别的神经网络训练并行算法研究 research on neural network parallel algorithm for spc control charts identification.pdfVIP

I髓盈_墨-—嘲 Research．Development 用于SPC控制图识别的 神经网络训练并行算法研究 Researchon NetworkParallel for Neural Algorithm SPCControlCharts’Identification 王家海1 谭光瑞2 潘慧子3 (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dx--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 aneuralnetworkmodelforcontrolchartidentificationbasicontheresearchofstatistical Abstract：Design process contr01．Aftertheforwardneuralnetwork a swami with analysis，designparticle optimizationalgorithmLevenberg- methodof ofthe of Marquardt complextrainingalgorithm．Useparallelcomputingimplementationoptimizationcomplex basedonthe of resultsshowthatthe the algorithms principleparallelcomputing．Experimentalcompoundthrough enhancethe parallel algorithmgreatly trainingspeed． optimization controlchart neuralnetwork Keywords：SPC parallelcomputing。 0引言 是国标¨1中的判异准则。针对异常模式的不同形态，将 统计过程控制(statisticalcontrol，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、 process 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¨1。