摘要
由于将传统休哈特控制图应用于自动化连续生产过程,经常会引发大量虚发报警,而使用神经网络方法对存在相关性的连续生产过程进行研究时,可取得良好效果。使用时间序列模型模拟自相关过程中的均值变动,在以BP神经网络对自相关过程进行监控的基础之上,通过神经网络识别率的变化趋势分析,对输入层神经元数对于神经网络识别率的影响进行分析研究,以便使BP神经网络的识别率得到优化。
Fault alert occurs very often when the traditional Shewhart control chart is applied in autocorrelated industry. BP neural network does very good job to identify shifts in autocorrelated process. In this research, various numbers of input nodes of neural network are studied to improve identification capability of BP neural network.
出处
《工业工程》
2007年第4期82-86,共5页
Industrial Engineering Journal
基金
国家自然科学基金(70372062)
教育部新世纪优秀人才计划(NCET-04-0240)
