基于GRU神经网络的自相关过程残差控制图
周昊飞
郑州航空工业管理学院 管理工程学院,河南 郑州 450046
摘要：为提升自相关过程监控的效率,提出基于门控循环单元?(gated?recurrent?unit,GRU)神经网络的自相关过程残差控制图.采用受控下的自相关过程数据对GRU网络进行离线训练与测试,对预测误差进行监控,形成控制用残差控制图.采用训练好的GRU网络预测当前过程波动,利用控制用残差控制图判定当前过程是否失控.运用蒙特卡洛仿真法,与基于一阶自回归模型、BP神经网络以及支持向量回归构建的残差控制图进行性能对比.研究表明,过程受控时,所提残差控制图与其他3种的稳态平均运行链长相差不大,即4者的性能表现相当;而在均值偏移异常过程中,所提残差控制图的平均运行链长远小于其他3种,对自相关过程均值偏移具有较好的监控性能.
关键词：自相关过程深度学习门控循环单元神经网络残差控制图统计过程控制
分类号：O213.1(概率论与数理统计)TP277(自动化技术及设备)
资助基金：国家自然科学基金(U1604262)河南省科技攻关资助项目(212102210053)
论文发表日期：2022-02-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 108-113 )
英文信息