[1]黄 亮.模式识别在机械自动化制造过程中的质量监控[J].机械与电子,2022,(11):9-14.
　HUANG Liang.Pattern Recognition in Quality Control of Mechanical Automatic Manufacturing Process[J].Machinery & Electronics,2022,(11):9-14.
点击复制

模式识别在机械自动化制造过程中的质量监控()
分享到：

《机械与电子》[ISSN:1001-2257/CN:52-1052/TH]

卷:
期数:
2022年11期
页码:
9-14
栏目:
设计与研究
出版日期:
2022-11-25

文章信息/Info

Title:
Pattern Recognition in Quality Control of Mechanical Automatic Manufacturing Process
文章编号:
1001-2257 ( 2022 ) 11-0009-06
作者:
黄 亮
浙江联宜电机有限公司,浙江 东阳 322100
Author(s):
HUANG Liang
( Zhejiang Linix Motor Co. , Ltd. , Dongyang 322100 , China )
关键词:
模式识别; 机械自动化; 制造过程; 质量监控; SPC 控制图; 改进 k-means 算法
Keywords:
pattern recognition ;  mechanical automation ;  manufacturing process ;  quality control ;  SPC control chart ;  improved?k-means algorithm
分类号:
TH16 ; TP391.4
文献标志码:
A
摘要:
为降低机械自动化制造过程中的废品率,提出模式识别在机械自动化制造过程中的质量监控方法,监控自动化制造过程中的产品质量,提高对产品质量的识别精准度。基于机械自动化制造过程中的质量检测环节,创建机械自动化制造过程中的产品质量监控流程。采用数字化测量仪采集机械自动化制造生产线质量数据,创建 SPC 控制图。基于 SPC 控制图模式识别的质量监控方法,将 k-means 算法与粒子群算法相结合,利用改进 k-means 算法获取控制图模式产品质量数据集聚类中心,结合欧氏距离,提取 SPC 控制图距离特征。将其输入多分类的支持向量机中,识别机械自动化制造过程中的产品质量控制图模式类型,诊断异常因素,并采取相应调控措施,实现机械自动化制造过程中的质量监控。实验表明:该方法可有效提高控制图的识别精准度,缩短训练与测试时间;并有效监控机械自动化制造过程中的产品质量。
Abstract:
In order to reduce the scrap rate in the mechanical automatic manufacturing process , the quality monitoring method of pattern recognition in the mechanical automatic manufacturing process is proposed to monitor the product quality in the automatic manufacturing process and improve the identification accuracy of product quality. Based on the quality detection link in the mechanical automatic manufacturing process , the product quality monitoring process in the mechanical automatic manufacturing process is created. The digital measuring instrument is used to collect the quality data of the mechanical automatic manufacturing production line , and the SPC control chart is created. Based on the quality monitoring method of SPC control chart pattern recognition , the?k-means algorithm is combined with particle swarm optimization algorithm , The improved?k-means algorithm is used to obtain the cluster center of the product quality data set of the control chart pattern. Combined with the Euclidean distance , the distance feature of the SPC control chart is extracted and input into the multi-classification support vector machine to identify the pattern type of the product quality control chart in the mechanical automatic manufacturing process , diagnose the abnormal factors , and take corresponding control measures , realize quality monitoring in mechanical automatic manufacturing process. Experiments show that this method can effectively improve the recognition accuracy of control chart and shorten the training and testing time and effectively monitor the product quality in the process of mechanical automatic manufacturing.

参考文献/References:

[ 1 ] 杨泽青,范敏,彭凯,等 . 基于 RF-SVM 的发动机缸体孔组加工质量分级监控[ J ] . 计算机工程与设计, 2020 ,41 ( 5 ): 1411-1419.

[ 2 ] 蒋闻,李骊,赵晋,等 . 基于微电网运行模式识别的逆变器自适应控制结构[ J ] . 电力系统 及 其自 动化 学报,2019 , 31 ( 9 ): 78-82 , 103.
[ 3 ] 罗佳,黄晋英 . 基于小波包和神经网络的行星齿轮箱故障模式识别技术[ J ] . 火力与指挥控制,2020 , 45 ( 4 ):178-182.
[ 4 ] 刘创华,何金,张春晖,等 .GIS 局部放电时域波形图像的模式识别方法[ J ] . 电力系统及其自动化学报, 2019 ,31 ( 10 ): 24-30.
[ 5 ] 周昊飞,刘玉敏 . 基于深度置信网络的大数据制造过程实时智能监控[ J ] . 中国机械工程, 2018 , 29 ( 10 ): 1201-1207 , 1213.
[ 6 ] 武颖,姚丽亚,熊辉,等 . 基于数字孪生技术的复杂产品装配过程质量管控方法[ J ] . 计算机集成制造系统,2019 , 25 ( 6 ): 1568-1575.
[ 7 ] 高佳程,朱永利,郑艳艳,等 . 基于 Hilbert 边际谱和 SAE-DNN 的局部放电模式识别方法[ J ] . 电力系统自动化,2019 , 43 ( 1 ): 87-94.
[ 8 ] 詹君,程龙生,彭宅铭,等 . 基于混合模型与改进多分类马田系统的控制图模式识别[ J ] . 中国机械工程, 2019 ,30 ( 22 ): 2716-2724.
[ 9 ] 李波,廖其龙 . 机械设备自动化在化工机械制造中的应用[ J ] . 热固性树脂, 2021 , 36 ( 4 ): 73.
[ 10 ] 孔令彦,马佩,桂佳 . 变量预测模式识别方法在机械故障中的应用:评《模式识别与机器学习技术》[ J ] . 热带作物学报,2021 , 42 ( 8 ): 2446.
[ 11 ] 王莹,杜中元,李泽飞 . 基于模式识别和谱图映射的通用油品调合模型[ J ] . 石油学报(石油加工), 2018 , 34( 3 ): 545-551.
[ 12 ] 杨帆,王干军,彭小圣,等 . 基于卷积神经网络的高压电缆局部放电模式识别[ J ] . 电力自动化设备, 2018 ,38 ( 5 ): 123-128.
[ 13 ] 徐敏锐,李云,卢树峰,等 . 基于 D-S 证据组合规则的双模型融合局部放电模式识别方法[ J ] . 电力自动化设备,2021 , 41 ( 11 ): 153-159.
[ 14 ] 殷冬冬 . 机械自动化技术在茶叶采集及生产中的应用[ J ] . 福建茶叶, 2018 , 40 ( 12 ): 297 , 395.
[ 15 ] 陈德伦,梁晓瑜,曾九孙 . 基于 SAX 和 CNN 的滚动轴承故障诊断方法研究[ J ] . 计算机仿真, 2020 , 37 ( 12 ):299-306.

备注/Memo

备注/Memo:
收稿日期: 2022-01-05
作者简介:黄 亮 ( 1980- ),男,浙江东阳人,工程师,研究方向为机械设计制造及其自动化。
更新日期/Last Update: 2022-12-06