基于主元分析的SVM动态过程质量异常模式识别  

Quality abnormal pattern recognition for dynamic process based on principal component analysis and SVM

作　　者：刘玉敏[1] 张帅[1] 

机构地区：[1]郑州大学商学院,郑州450001

出　　处：《制造业自动化》2014年第15期1-5,27,共6页Manufacturing Automation

基　　金：国家自然科学基金项目(71272207;61271146)

摘　　要：质量异常模式识别是实现生产动态过程在线质量监控与诊断的关键。针对现有质量异常模式识别在实际应用中存在的计算复杂和识别精度不高等问题,提出了一种基于主元分析的SVM动态过程质量异常模式识别的方法。运用PCA技术对原始样本数据进行特征提取,有效去除原始数据中的噪音并降低数据维数;在特征提取的基础上,将主元特征向量作为SVM分类器的输入向量,进而利用粒子群寻优方法实现了对分类器参数优化选取,并进一步训练得到支持向量机分类器。最后,使用优化后的分类器对质量异常模式进行识别。仿真实验结果表明,该方法整体识别精度达到97.5%,适用于生产过程的质量监控和诊断。

关 键 词：动态过程 模式识别 主元分析 支持向量机 粒子群算法 

分 类 号：TP274.3[自动化与计算机技术—检测技术与自动化装置]