[发明专利]一种基于神经网络与专家系统的再制造工序质量控制方法

摘要

本发明公开了一种基于神经网络与专家系统的再制造工序质量控制方法。本方法能够对再制造过程中的质量异常进行在线诊断，并能适时对存在异常的再制造工序进行调整，用以保证废旧产品再制造质量。本发明通过以蒙特卡洛法产生再制造工序质量异常的质量数据，将其作为Elman神经网络的输入，得到样本训练集；将预处理后的实时采集的再制造工序质量数据，作为Elman神经网络的输入，进行实时诊断。若存在异常，专家系统将适时通过混合的推理机制和专家质量知识分析质量异常原因，并给出工序质量调整方案。本发明不仅解决了再制造工作人员依据经验来判断故障的所带来的困难，而且大大提高了解决再制造过程质量问题的速度和准确性。

主权项

一种基于神经网络与专家系统的再制造质量控制方法，其特征在于结合Elman神经网络与基于知识的专家系统的优点，具有对再制造工序质量异常能够在线识别、诊断与适时调整的特点，包括以下步骤：(1)面向再制造工序质量控制的神经网络设计：①确定输入/输出属性：输入属性定义为工序质量控制图上连续多个点的质量特征值，输出属性定义为工序质量控制图特殊异常模式的识别结果。②确定Elman网络结构层次和各层神经元数量：针对再制造质量控制特点，输入层的神经元节点数定为10；采用Kolmogorov定理以及试凑法和隐含层节点数确定规则确定隐含层的神经元节点数；根据期望输出的结果确定输出层节点数量。③确定网络算法：网络算法包含两个方面的内容：一是网络权值的变化算法，二是网络传递函数的设定，本神经网络考察网络计算后所得到的输出是否与期望输出足够接近：即误差的代价函数E(ω,β)达到最小。(2)神经网络训练方案：①选择训练方法与模式：各种数据样本利用蒙特卡洛方法模拟产生，然后将输入/输出样本数据输入网络，由网络进行计算；本发明训练模式选择批处理训练模式。②训练样本：完整的训练样本包含两个部分：一是网络输入值，二是网络期望输出值，本发明对每个观测点的原始数据进行输入网络前的预处理，使网络更容易收敛。(3)基于知识的专家系统：专家系统应用基于知识的设计方法，包括质量知识库、质量数据库、推理引擎和知识获取机制等，根据神经网络的再制造过程的故障类型以及相关的质量知识，将解决故障类型的专家知识和经验通过知识获取储存到知识库中。(4)数据采集与处理：采集再制造过程的实时的质量数据并进行预处理，使其符合步骤(1)中规定的神经网络的输入特征要求，网络输入的是矩阵X和矩阵T(期望输出变量)。(5)数据输入：将步骤(4)预处理完成的数据输入到训练完成的Elman网络并对输出结果进行识别，诊断再制造过程质量是否异常。若出现异常，转到步骤(6)；反之，转到步骤(4)。(6)基于知识的专家系统的质量调整：根据步骤(5)中的诊断得出控制图模型，专家系统根据异常进行推理，诊断异常模式，找出可能引起该异常模式的质量因素，应用混合推理机制与专家质量知识，最后给出工序质量调整措施。(7)输出诊断结果和应该采取的措施。