基于自适应粒子群算法和支持向量机的控制图模式识别

针对目前多品种、复杂化的生产趋势,提出了一种基于自适应变异的粒子群算法(AMPSO)和支持向量机(SVM)的控制图失效模式识别的方法。利用SVM小样本学习能力,设计一对一的SVM多分类器进行控制图模式识别,并利用AMPSO算法优化SVM核函数的参数。通过对10种控制图模式(6种基本模式和4种混合模式)的20维特征仿真数据对该方法进行检验,并通过与BP、SVM、PSO-SVM识别方法的对比分析。仿真试验表明该方法有效提高了控制图模式的识别精度,达到98.14%,而BP仅有75%,为控制图在线实时识别提供了一种可行的途径。