دکترای مهندسی برق قدرت

آموزش شبکه‌های عصبی با استفاده از الگوریتم ترکیبی زنبور- پس انتشار خطا برای تشخیص الگوهای کنترل کیفیت

¹مصطفی عیدیانی، ² حسین رفاهی، ³ محمد انصاری

¹ دانشگاه آزاد اسلامی، واحد بجنورد، گروه برق، بجنورد، ایران، Eidiani@yahoo.com

² دانشگاه آزاد اسلامی، واحد علی آبادکتول، گروه برق، علی آبادکتول، ایران، H_refahi_28@yaho.

³ دانشگاه آزاد اسلامی، واحد بجنورد، گروه برق، بجنورد، ایران، Mohammad.Ansari1381@yahoo.com

چکيده                   

      نظارت و کنترل ساخت و تولید در صنعت از موضوعات بسیار مهم می‌باشد. این فعالیت به وسیله نظارت و بررسی‌های صورت پذیرفته بر رفتار یک سیستم تحقق می‌یابد. الگوهای جدول کنترل کیفیت تولید (CCP)، در صنعت امروزی برای حل مشکلات موجود در فرایند تولید، به طور گسترده استفاده می‌شود، بطوریکه الگوهای غیر نرمال یک جدول کنترل کیفیت، می‌توانند تمام مشکلات موجود در یک کارخانه را از نظر کیفی آشکار کنند. در این مقاله یک سیستم اتوماتیک ترکیبی با استفاده از شبکه‌های عصبی برای شناخت الگوهای کنترلی پیشنهاد شده است، که در آن برای بالا بردن سرعت و دقت سیستم، از ترکیب الگوریتم زنبور پس انتشار خطا، برای آموزش شبکه عصبی استفاده شده است. در فعالیت‌هایی که در این خصوص صورت دادیم به علت توانایی بالای الگوریتم زنبور در جستجوی سراسری، در مراحل اولیه از الگوریتم زنبور برای پیدا کردن وزن‌های شبکه عصبی استفاده شد. همچنین به دلیل قابلیت‌های موجود در الگوریتم زنبور پس انتشار خطا (در جستجوهای محلی)، در این مرحله نیز پس از اینکه به یک دقت قابل قبول رسیدیم، ضرایب تعیین شده به کمک الگوریتم زنبور را به الگوریتم پس انتشار خطا منتقل ساختیم. نتایج شبیه سازی صورت پذیرفته در این مبحث نشان می‌دهد که روش پیشنهادی دارای دقت و سرعت همگرایی بسیار بالایی در حدود 3/99 درصد  است .

واژه‌های كليدي: الگوهای کنترل کیفیت، الگوریتم زنبور، الگوریتم پس انتشار خطا، شبکه عصبی.