基于无参数聚类和改进支持向量机多特征融合的控制图模式识别
来源：计算机集成制造系统杂志2025年第3期北京时间：
作者：潘柏松, 邱敏鹏, 钱丽娟
单位：1.浙江工业大学机械工程学院2.浙江工业大学特种装备制造与先进加工技术教育部重点实验室3.中国计量大学机电工程学院
摘要：为提升智能制造中产品质量管控的准确性和及时性,提出一种基于无参数聚类和改进支持向量机多特征融合的控制图模式识别方法。采用蒙特卡洛法生成模拟数据集,考虑了质量特征均值微动的情况。将无参数聚类提取的历史数据信息特征,与统计特征以及形状特征进行融合,通过交叉实验获取最优特征组合。借助白鲸算法改进支持向量机分类器,实现对控制图异常模式的准确高效识别。通过仿真实验比较了不同分类器在不同数据集复杂程度下的识别准确性和效率,结果显示,所提出的分类模型对数据集复杂程度的影响较小,即使在复杂数据集上也能保持98.63%以上的识别精度,并具备训练速度快、计算复杂度低的优点。
关键词：控制图,模式识别,特征融合,无参数聚类
基金资助：国家重点研发计划资助项目(2022YFB3304103)。
