基于SMOTE-IKPCA-SeNet深度迁移学习的小批量生产质量预测研究
杨剑锋1
崔少红2
段家琦3
王宁1
1.郑州大学 商学院,河南 郑州 450015;郑州大学 国际质量发展研究院,河南 郑州 4500152.郑州大学 商学院,河南 郑州 4500153.郑州大学 管理学院,河南 郑州 450015;郑州大学 国际质量发展研究院,河南 郑州 450015
摘要：随着智能制造技术的发展和客户个性化需求的增加,多品种小批量生产方式逐渐成为制造业的主流.面向大批量生产、以统计过程控制为核心的质量管理方式并不适用于小批量生产.针对复杂生产过程存在参数多、非线性和交互作用的问题,提出利用深度迁移学习的方式将历史生产数据作为源域迁移至小样本目标产品数据进行质量预测.首先,通过合成少数类过采样技术(synthetic minority over-sampling technique,SMOTE)和改进的核主成分分析(improved kernel principal component analysis,IKPCA)算法筛选源域和目标域的可迁移特征,这不仅兼顾了特征重要性和可迁移性,还减少了"负迁移",提高了模型泛化能力;然后,采用结合通道注意力机制的卷积神经网络SeNet构建基于深度迁移学习的质量预测模型.仿真结果表明,随着目标域样本的增加,所提方法的预测准确性明显优于广泛采用的支持向量机建模方法.同时,所提可迁移特征筛选方法显著提高了深度迁移学习的质量预测效果,为复杂的小批量生产过程质量保证提供了新方法.
关键词：小批量生产质量预测深度迁移学习SMOTEIKPCASeNet
分类号：F407.67(工业经济理论)TP181(自动化基础理论)
资助基金：国家自然科学基金(U1904211)国家社会科学基金(20BTJ059)河南省软科学研究项目(232400411135)郑州大学精尖学科支持项目(XKLMJX202201)
论文发表日期：2024-04-28
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：10( 98-106,157 )
英文信息