基于降噪平滑与Hausdorff距离的非线性轮廓统计过程控制方法研究.pdfVIP

摘要

统计过程控制(SPC)在质量管理等领域被众多学者广泛研究，在生产制造过

程中也发挥着重要作用。随着产品形式的复杂化和传感器等数据采集技术的应用，

产品的质量特征表现为轮廓形式，因此轮廓监控已经成为学者研究的重点领域。

且轮廓监控的研究已经从简单的线性模型扩展到复杂的非线性模型。

本文针对观测点数量较多的一元非线性模型进行实证研究，监控非线性轮廓

质量特征的过程包括两阶段：阶段I识别并移除异常的样本，建立受控模型；阶

段II分析处理数据，建立控制图，对样本实时监测。

本文针对阶段II进行研究，提出了基于降噪平滑技术和Hausdorff距离以及

改进Tukey控制图的阶段II监控方法。首先,利用小波降噪算法与高斯滤波器预

处理样本数据,消除噪声。其次，采用Hausdorff距离算法对降噪平滑处理后的数

据进行降维处理，获得可以代表轮廓特征的Hausdorff距离指标，由此获得

Hausdorff数据集。最后，基于Hausdorff数据集构建改进Tukey控制图，并将实

时获得的数据进行降维处理，并监控数据是否处于稳定受控状态。

仿真分析中，采用1指标作为对比方法性能的依据。本文选择了两种方法

[1]2[2]

进行对比：（1）Zhang和Albin提出的控制图方法；（2）Li,Pan和Liao提出

的采用M2、M3和M5度量指标的非参数EWMA控制图。结果显示，在指数型

轮廓的参数和参数变异时，观测点为50、100和300的情况下，本文方法的

01

性能明显优于其他两种方法。在参数变异时，不采用降噪平滑技术的方法性能

相比其他方法更有优势。此外，本文对纤维板的垂直密度轮廓数据集进行了实例

分析，检测出更多的异常轮廓，验证了本文方法在监控较为复杂的非线性轮廓监

控的优越性能。

关键词：非线性轮廓，小波降噪，高斯滤波，Hausdorff距离，改进Tukey控制

图

ABSTRACT

Statisticalprocesscontrol(SPC)iswidelystudiedbymanyscholarsinthefieldof

qualitymanagement.Itplaysanimportantroleintheproductionprocess.Withthe

complexityofproductsanddataacquisitiontechnologies,thequalitycharacteristicsof

productsareintheformofprofiles.So,profilemonitoringhasbecomethefocusof

research.Andtheresearchofprofilemonitoringhasbeenextendedfromsimplelinear

profilemodeltocomplexnonlinearprofilemodel.

Thisthesismakesanempiricalstudyontheunivariatenonlinearmodelwithalarge

numberofobservationpoints.Theprocessofmonitoringthequalitycharacteristicsof

nonlinearprofileincludestwophases.PhaseIidentifiesandremovesabnormalsamples,

andestablishesanin-controlmodel.PhaseIIanalyzesandprocessesdata,establishes

controlcharts,andmonitorssamplesinrealtim