基于机器学习方法的汽车装配质量预测分析
文献类型：学位论文
| 作者 | 刘舒锐1,2 |
| 答辩日期 | 2019-05-17 |
| 授予单位 | 中国科学院沈阳自动化研究所 |
| 授予地点 | 沈阳 |
| 导师 | 彭慧 |
| 关键词 | 汽车装配制造 质量预测 质量分析 加权支持向量机 随机森林 |
| 学位名称 | 硕士 |
| 学位专业 | 控制工程 |
| 其他题名 | Automobile Assembly Quality Prediction Based On Machine Learning |
| 英文摘要 | 目前利用机器学习方法，对工业生产过程产生的大量实时记录数据进行质量预测分析逐渐成为优化生产研究的主要方向。通过数据驱动，对汽车装配生产过程中的正常样本和缺陷样本进行学习从而生成质量预测模型，是现阶段汽车装配质量预测分析领域的热点研究内容之一。本文结合机器学习算法，对汽车装配过程质量数据进行预测分析，主要体现在以下三个方面：1）通过对MES采集的汽车装配数据的统计分析，指出了现有的MES系统数据采集和存储方面存在的弊端，对其并未考虑与其他系统的对接以及后续数据的集成、分析的不足之处提出了有效地建议；通过对数据的清洗和集成等方面的处理，完成了对镇江北汽和昌河铃木的汽车装配数据预处理的主要任务，提高了机器学习算法对装配质量数据分析处理效率及准确性。2）利用装配过程采集到的时间过点数据为基础，提出了一种基于数据和空间经验分布的r-z变换和分布概率密度的双向加权的SRZD-WSVM算法来实现装配过程质量数据的预测。并结合实际生产情况，通过对生产中可能产生缺陷样本的原因进行分析，得到实际装配过程对质量因素有影响的指导意见。3）利用装配过程记录的车辆选装件的具体数据信息，提出了一种利用基于粗糙集理论的进行填补的方法，并建立随机抽样的级联森林模型算法。进一步结合具体车型车系等特征信息分析装配生产选装件的质量预测以及质量相关因素，提出实际生产指导意见。本文根据汽车装配过程中人机料法环五大因素，从数据驱动的角度出发，对原先摒弃的时间过点数据和装配类型数据进行信息提取，利用改进后的机器学习方法对车间装配生产进行即时检测，对车辆生产的相关安排提出指导性建议，从而改善车间生产优化及装配质量。 |
| 语种 | 中文 |
| 产权排序 | 1 |
| 页码 | 69页 |
| 源URL | [http://ir.sia.cn/handle/173321/25203]  |
| 专题 | 沈阳自动化研究所_数字工厂研究室 |
| 作者单位 | 1.中国科学院大学 2.中国科学院沈阳自动化研究所 |
| 推荐引用方式 GB/T 7714 | 刘舒锐. 基于机器学习方法的汽车装配质量预测分析[D]. 沈阳. 中国科学院沈阳自动化研究所. 2019. |
入库方式： OAI收割
来源：沈阳自动化研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。