基于支持向量机的大规模定制下的质量预测

论文摘要

大规模定制是适应现代化科技发展和用户多样化个性化需求的一种新的生产模式,在这种生产模式下,产品设计质量控制工具和生产过程质量控制方法都有别于传统的大批量生产方式。鉴于大规模定制的复杂性和其自身的特点,其中的质量问题也是一个综合的问题,质量预测仿真的方法和在线质量控制是解决大规模定制质量问题的良好途径。论文研究如何在大规模定制生产过程小样本、贫信息的条件下实现质量特性的准确预测,进而为生产过程的波动情况的物理仿真提供必要的支持,为预测控制提供解决思路。本文在分析大规模定制生产方式特点的基础上,探讨研究了实施大规模定制的关键技术及质量控制系统框架,介绍分析了现有的质量预测方法及其不足之处进而引入了支持向量机方法。通过深入研究支持向量机的基本理论及特性,从理论上论证了支持向量机学习算法的可靠性。将支持向量机与大规模定制下的实际问题相结合,建立了基于支持向量机的大规模定制下的小样本质量预测模型,得出了在样本满足平稳性同时选取的参数又比较合理的前提下,模型就可以得到良好的预测效果的结论;并通过与灰色GM(1,1)预测的比较与研究证明了支持向量机在拟合精度和泛化能力上具有的优越性能。采用支持向量机方法进行质量预测,解决了在大规模定制生产模式下应用神经网络技术进行质量预测样本量无法满足要求和容易出现过拟合现象以及应用灰色建模预测精度不高无法充分利用历史数据的问题,具有广阔的应用价值。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景与现状
• 1.1.1 问题的提出
• 1.1.2 研究目的与意义
• 1.2 国内外研究现状
• 1.2.1 大规模定制研究现状
• 1.2.2 有限样本预测学习方法概述
• 1.2.3 支持向量机的发展历史和现状
• 1.3 本文结构及主要内容
• 第二章 面向大规模定制的质量预测研究
• 2.1 大规模定制生产模式的发展历程及其特点
• 2.1.1 大规模定制生产模式的演变和发展
• 2.1.2 大规模定制生产方式的特点
• 2.1.3 大规模定制生产模式的分类
• 2.2 实施大规模定制的保证
• 2.2.1 大规模定制实施关键技术
• 2.2.2 大规模定制下的质量保证技术
• 2.2.3 大规模定制生产过程质量控制系统框架
• 2.3 大规模定制质量预测方法研究
• 2.3.1 典型预测方法简介
• 2.3.2 现有预测方法存在的问题
• 2.3.3 支持向量机预测方法
• 2.4 本章小结
• 第三章 统计学习理论与支持向量机
• 3.1 机器学习
• 3.2 统计学习理论
• 3.2.1 VC维
• 3.2.2 推广性的界
• 3.2.3 结构风险最小化原理
• 3.3 支持向量机基本原理
• 3.3.1 基本概念
• 3.3.2 线性支持向量机
• 3.3.3 非线性支持向量机
• 3.3.4 核函数
• 3.4 用于函数拟合的SVM
• 第四章 大规模定制下的质量预测实例分析
• 4.1 问题描述
• 4.2 孔径质量数据的灰色预测模型
• 4.2.1 孔径数据建模可行性的级比判断
• 4.2.2 GM（1,1）模型模拟预测分析
• 4.3 孔径质量数据的支持向量机预测模型
• 4.3.1 核函数的选择
• 4.3.2 参数的确定
• 4.3.3 支持向量机预测结果
• 4.4 结果对比分析
• 第五章 结论与展望
• 5.1 结论
• 5.2 展望
• 参考文献
• 致谢