一种基于改进主成分法的参数优化方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN110928256A(43)申请公布日2020.03.27(21)申请号201911144105.3(22)申请日2019.11.20(71)申请人河南正数智能科技有限公司地址451464河南省郑州市郑东新区白沙镇郑开大道与锦绣路交叉口伟业国际B座23层2301-2312室(72)发明人禹建丽谷丰盈赵国正(74)专利代理机构郑州知己知识产权代理有限公司41132代理人任海玲(51)Int.Cl.G05B19/418(2006.01)权利要求书2页说明书10页附图2页(54)发明名称一种基于改进主成分法的参数优化方法(57)摘要本发明提出一种基于改进主成分法的参数优化方法，通过将犹豫模糊思想引入参数优化过程中，构建多响应参数优化决策矩阵，在主成分分析过程中引入修正系数，调整改进加权主成分分析方法，使综合优化指标更加客观，并通过RBF神经网络与主效应分析相结合，实现全局寻优，改善参数优化效果。本发明保留有效决策信息的同时，拓宽参数优化的形式，将最优参数组合模糊化，为实际生产提供更大的选择空间。CN110928256ACN110928256A权利要求书1/2页1.一种基于改进主成分法的参数优化方法，其特征在于，包括以下步骤：S1：构建多响应参数优化决策矩阵；S2：采用改进主成分法简化多响应系统，形成改进主成分法的多响应参数优化模型；S3：主效应法确定初始优化参数；S4：利用RBF神经网络改善优化参数。2.根据权利要求1所述的一种基于改进主成分法的参数优化方法，其特征在于，所述的步骤S1：构建多响应参数优化决策矩阵，包括：进行i次生产实验，将实验中k个直接影响产品生产质量的生产参数作为多响应系统的控制变量，记作x1,x2,…,xk，j个直接反映产品质量的加工特性作为多响应系统的响应变量，记作Y1,Y2,…,Yj，同一条件下的实验重复h次，对实验中响应变量进行消噪处理，将经过消噪处理后的响应变量与控制变量形成多响应参数优化决策矩阵。3.根据权利要求2所述的一种基于改进主成分法的参数优化方法，其特征在于，所述的消噪处理步骤为：计算各响应变量平均值：计算各响应变量标准差：确定优化上限：确定优化下限：则得到简写为4.根据权利要求3所述的一种基于改进主成分法的参数优化方法，其特征在于，所述的S2：采用改进主成分法简化多响应系统，形成改进主成分法的多响应参数优化模型，包括：分别对进行主成分分析，将其转化为s个(s＝1,2,…,j)不相关的主成分其中，即为Yl,Ym,Yu所对应协方差矩阵的特征向量，分别为Yl,Ym,Yu所对应协方差矩阵的第s个特征值，每个主成分中所含有响应信息用方差贡献率表示：将方差贡献率作为第s个主成分权重，得到的各主成分的加权和，作为综合优化指标引入修正系数，其计算方式为：2CN110928256A权利要求书2/2页式中，为ys(s＝1,2,…,j)关于x1,x2,…,xk所构建二阶回归方程的拟合度，其中，ys(s＝1,2,…,j)是的平均值，引入修正系数后，综合优化指标Zl,Zm,Zu通过下述公式计算得到：将各组综合优化指标计算结果形成改进主成分法的多响应参数优化模型。5.根据权利要求4所述的一种基于改进主成分法的参数优化方法，其特征在于，步骤S3：主效应法确定初始优化参数，包括：lmu采用主效应法对k个控制变量x1,x2,…,xk及其对应的综合优化指标Z,Z,Z进行分析，确定初步优化参数组合。6.根据权利要求5所述的一种基于改进主成分法的参数优化方法，其特征在于，步骤S4：利用RBF神经网络改善优化参数lm1)将生产工艺中控制变量x1,x2,…,xk作为神经网络的输入变量，综合优化指标Z,Z,Zu作为神经网络的期望输出变量，设置目标精度，实验次数i作为散布常数，构建三个神经网络模型：net＝newrb(P,T1,GOAL,spread)；net＝newrb(P,T2,GOAL,spread)；net＝newrb(P,T3,GOAL,spread)；其中，P为输入向量，T1、T2、T3分别代表Zl,Zm,Zu，为输出向量，spread为径向基层的散布常数；2)采用改进主成分法的多响应参数优化模型中部分数据作为神经网络的预测值，剩余为回检值，对神经网络模型进行训练；3)利用训练好的神经网络进行预测，直至预测得到最优参数组合对应综合优化指标与原最优指标值差小于0.2，停止预测，得到三组改善后参数优化组合其中3CN110928256A说明书1/10页一种基于改进主成分法的参数优化方法技术领域[0001]本发明涉及复杂生产制造业产品生产控制领域，具体涉及一种基于改进主成分法的参数优化方法。背景技术[0002]随着全球生产制造业不断向自动化方向迈进，作为产品