交叉与变异本文采用多点交叉和实值变异。在由当前群体构成的匹配池中，对等待配对的位串进行多点交叉，产生新的群体。按照给定的位变异频率对个体变异，产生新的群体。分别阐明了交叉操作与变异操作。遗传算法相关参数。遗传算法相关参数个体数量400代的数量100选择方法随机抽样交叉方式多点交叉变异方式实值变异交叉概率0.6变异概率0.05目标函数制程能力反映了系统对制程要求的实现能力。
使用制程能力指数CP和CPK来度量制程能力，制程能力指数CP和CPK：CPK：CP=USL-LSL6RCPK=minimumUSL-L3R，L-LSL3R其中：USL：规定上限LSL：规定下限L：制程均值R：制程偏差这些指数说明制程能力能否满足制程的上下限及目标值的需要。CP和CPK越大，制程能力越强。
指数CPK要比指数CP更重要，因为CPK考虑了制程平均值，为制程能力指数，也是评估的一类指针。本文基于人工神经网络来获得每组数据的制程均值及制程偏差。对于多重目标、多重标准的优化问题，往往出现相互冲突的目标，以至于不能同时优化。将所有目标函数加权累加在一起，形成一个单一的目标函数，这种方法常称为加权-求和法。
试验结果及讨论本文中，一个重要的约束条件是：刮刀向前运动和向后运动两种情况，刮刀吃深及环境温度必须保持相同，其他参数可以变化。目标值=MAX（CPK）由于CPK反映了制程的制程能力，CPK越大，制程能力越强。所以，以CPK的*大值为目标值（包括刮刀前向及后向运动）。获得的*佳参数设置。结果表明：刮刀前向运动与刮刀后向运动两组参数并不相等，后向运动时的要比前向的大。
目标值1=MAX（CPK）目标值2=MIN|CPK1-CPK2|为了克服刮刀前后运动不平衡的CPK，增加一组目标值2=MIN|CPK1-CPK2|，以降低刮刀前后运动时CPK的不平衡。结果（见）表明，刮刀前后运动时CPK值很相近，较中的有明显改善。
参数设置几个优化标准目标1=MIN|L1-L|目标2=MIN|L2-L|目标3=MIN（标准偏差1）目标4=MIN（标准偏差2）结论（见）可见，刮刀前向运动时，设置的参数只有微小的变化。将速度也作为一个标准目标1=MAX（MIN（CPK））目标2=MAX（速度1）目标3=MAX（速度2）生产中，印刷速度是影响产量的重要因素。提高印刷速度是一个很重要的目标。然而，提高印刷速度，CPK必然降低。因此，有一些因素相互冲突。但是，使用遗传算法在满足这些条件的情况下同样能搜索到在刮刀以较快速度前刮、后刮动情况下的理想的CPK值。
参数设置CPKCP参数设置运动方式速度压力吃深温度向前可以看出，在刮刀以较快速度刮动的情况下，仍然可以获得可以接受的值：1.0822.从总体结论可以看出，速度较低时会更大。当然，*终的解决方案就取决于优先选择哪种目标了。
结论本文描述了在锡膏印刷过程中使用遗传算法搜寻*优参数设置。遗传算法与神经网络相结合，神经网络用智能方法来模拟、优化复杂的锡膏印刷制程。试验结论显示：工程人员可以使用不同的优化标准来决定*优制程参数。
(完)
鲁公网安备37030402001756
