[发明专利]一种基于改进遗传算法优化的质量控制图模式识别方法

摘要

本发明提供的一种基于改进遗传算法优化的质量控制图模式识别方法，包括使用蒙特卡罗方法模拟控制图各种模式特点；通过参数取值生成相应模式的数据；采用PCA主成分分析法对原始数据进行降维去噪，提取出数据的主要特征，减少模型的训练时间，提高了识别准确率；建立概率神经网络模型，利用其结构简单训练方便的特点进行模式分类识别；依靠改进的单目标优化遗传算法对概率神经网络的主要参数平滑因子进行优化；根据识别结果从不同的方面查找可能的异常原因；本发明解决了现有的企业在进行质量控制时不能监测和识别出所有的异常情况，难以从控制图上发现有效的异常信息，无法采取适当的措施修正生产过程中的异常状况。

主权项

1.一种基于改进遗传算法优化的质量控制图模式识别方法，其特征在于，包括以下步骤：步骤1，由蒙特卡罗方法生成六种控制图模式的特征数据，包括正常模式、周期模式、趋势模式和阶跃模式，其中趋势模式和阶跃模式分为上升和下降两种；步骤2，对步骤1得到的数据进行预处理，提取特征，降低数据维度；步骤3，建立用于控制图模式识别的概率神经网络，将步骤2预处理降维后的数据输入网络进行训练，得到初步模式识别模型；步骤4，利用改进的单目标优化遗传算法SGA优化概率神经网络模型的平滑系数，优化算法以模型的准确率为目标，通过迭代寻优得到最佳的平滑系数，从而得到最优的模式识别模型；步骤5，根据步骤4建立的识别模型，将实际生产中的控制图数据输入网络进行模式识别，出现异常及时报警。