一种智能制造资源数据预处理方法技术

本发明专利技术公开了一种智能制造资源数据预处理方法，包括以下步骤：在制造资源数据仓库中进行数据选样得到样本数据；基于主成分分析法对样本数据进行数据降维；基于改进的散列表的车间数据过滤算法对样本数据进行数据清洗；基于模糊隶度法处理样本数据。采用主成分分析法进行数据降维及改进的散列表数据过滤算法进行数据清洗，最后基于模糊隶度法处理样本数据，可以提高智能制造资源数据挖掘的效率和精度。度。度。

【技术实现步骤摘要】
一种智能制造资源数据预处理方法


[0001]本专利技术涉及一种智能制造资源数据预处理方法，属于工业软件运营


技术介绍

[0002]智能制造车间环境的建立需要具体落实到各个生产环节，但车间生产要素繁多，生产数据多维异构且复杂，生产状态实时变更，这些都直接影响着生产资源的有效配置。同时车间内物理空间与信息空间缺乏交互融合，其预见性、联动性未能满足智能化的发展需求，如何利用车间数据进行资源高效调度，促进制造型企业向智能化转型，成为一个亟待解决的问题。
[0003]数据挖掘作为一种先进的信息处理技术，可以从大量的、杂乱的数据中提取出潜在的有价值的信息与模式，将其与企业质量管理有效的结全可以为企业管理者提供有效的管理决策，对于制造业的发展有着重要的意义。然而，在智能制造过程中，产生的资源数据存在着维度高与异常值多的特性，资源数据的高维度性增加了数据挖掘的处理难度；另一方面资源数据中的异常值降低了数据挖掘结果的精度，因此为了更好地将数据挖掘方法应用到智能制造中，有必要在数据挖掘的初始阶段探索出一种有效的数据预处理方法提高数据挖掘效率。...

【技术保护点】

【技术特征摘要】
1.一种智能制造资源数据预处理方法，其特征在于，包括以下步骤：步骤1：在制造资源数据仓库中进行数据选样得到样本数据；步骤2：基于主成分分析法对样本数据进行数据降维；步骤3：基于改进的散列表的车间数据过滤算法对样本数据进行数据清洗；步骤4：基于模糊隶度法处理样本数据。2.根据权利要求1所述的智能制造资源数据预处理方法，其特征在于，步骤1中，建立有支持决策所需基础数据、目标数据和细节数据的制造资源数据仓库，然后进行样本数据X＝{x1,...,x
n
},X∈R
n
×
d
的选样提取。3.根据权利要求2所述的智能制造资源数据预处理方法，其特征在于：步骤2包括如下步骤：步骤2.1：计算样本数据的均值对样本数据进行居中化处理Z＝X-1
·
μ
T
，将样本数据中的每个数值减去均值；步骤2.2：计算样本数据的协方差矩阵的特征值λ和样本数据的协方差矩阵的特征向量W；步骤2.3：给定期望的方差阀值α，主成分分析法选择能够保留的总方差比例至少为α的最小的维数r，并计算样本数据降维后的基W
r
＝(w1w2...w
r
)；步骤2.4：计算样本数据的每个数值在新的r维主成分子空间中的坐标，得到降维后的数据矩阵A∈R
n
×
r
，公式中，R
n
×
r
代表n
×
r维的实数矩阵，R为实数集合，A∈R
n
×
r
是降维后的数据矩阵是n
×
r维的实数矩阵。4.根据权利要求1所述的智能制造资源数据预处理方法，其特征在于，步骤3包括如下步骤：步骤3.1：利用链表作为底层存储结构，设计散列表的基本组成元素键值对Entry，Entry＝{T
ID
，R
ID
，C，P}，T
ID
为数据标签的ID号，R
ID
为数据采集器的ID号，C为数据采集器的时间戳，P为指针，P指向下一个Entry节点；步骤3.2：设置散列表Table的长度Table.length，根据T
ID
构建合适的散列函数；步骤3.3：对初次传入的样本数据的数值进行散列运算，求解出数据标签E
x
的T
ID
对应的散列值hash，利用“与运算”求出散列值hash对应散列表Table的位置下标index；步骤3.4：对散列表Table的位置下标为index的链表进行检测，如果散列表Table的位置下标为index的链表为空，则表示散列表...

【专利技术属性】
技术研发人员：苑明海，李亚东，张理志，蔡仙仙，顾文斌，裴凤雀，
申请(专利权)人：河海大学常州校区，
类型：发明
国别省市：