一种基于灰色马尔可夫模型的压装质量预测方法技术

一种基于灰色马尔可夫模型的压装质量预测方法，其特征是基于压装力工艺参数，采用系统云灰色预测SCGM(1,1)c模型与马尔可夫链模型，得到精确度较高的压装质量数据预测结果。其步骤为：首先利用系统云灰色预测SCGM(1,1)c模型对压装力数据进行拟合，计算拟合精度；然后基于拟合精度对压装力数据进行状态划分，并求得各阶状态转移概率矩阵；最后利用马尔可夫链模型对预测结果进行修正，提高预测精度。本发明专利技术通过对智能压装质量数据进行预测，可以及时将质量数据控制在合理的范围内，从而以一种科学的方式提升压装质量预测和管控的水平。

【技术实现步骤摘要】
一种基于灰色马尔可夫模型的压装质量预测方法
本专利技术涉及的一种装配质量预测方法，尤其是一种压装质量预测方法，具体地说是一种基于灰色马尔可夫模型的压装质量预测方法。
技术介绍
伺服机构是型号产品姿态控制的执行机构，决定了产品的执行精度。但其工作环境恶劣，且时常出现装配质量问题。借助对压装质量预测可避免质量问题的发生。传统的伺服压装过程缺乏对压装质量的预测，而伺服机构装配生产过程中产生的大量质量数据可以作为预测依据。本专利技术利用上述质量数据，提出一种基于灰色马尔可夫模型的压装质量预测方法，从而达到对伺服机构智能化管控的目的。伺服机构装配单元的压装过程是动态时变的，压装力数据呈非平稳随机状态特征，因此针对上述伺服机构装配单元压装过程及质量数据的特点，结合压装力与质量之间的内在关系，提出了一种基于灰色马尔可夫模型的压装质量预测方法，可以及时暴露装配缺陷，减少故障发生，最终提高企业运行效益，增强企业竞争力，具有很高的应用价值。
技术实现思路
本专利技术的目的是针对传统的伺服压装质量缺乏预测性，影响装配质量的问题，结合压装力与质量之间的内在关系，提出了一种基于灰色马尔可夫模型的压装质量预测方法。本专利技术的技术方案是：一种基于灰色马尔可夫模型的压装质量预测方法，其特征是：结合压装力与质量之间的内在关系首先利用系统云灰色预测SCGM(1,1)c模型对压装力数据进行拟合，计算拟合精度；然后基于拟合精度对压装力数据进行状态划分，并求得各阶状态转移概率矩阵；最后利用马尔可夫链模型对预测结果进行修正，以提高预测精度,得到更为精确的压装质量预测结果。具体包括以下步骤：步骤1：读取智能压装质量时间序列数据Q(0)；步骤2：对数据序列进行预处理，得到新的数据序列若Q(0)＝{Q(0)(x)|x＝1,2,…,n}为原始时间序列数据，对该序列进行积分得到新的序列其中步骤3：建立一次响应函数设原始时间序列数据经过积分产生的序列和非齐次指数离散型函数fr(x)＝bea(x-1)-c趋势关联，则SCGM(1,1)c预测模型及其一次响应函数分别定义为其中u＝ac且有：步骤4：还原生成原始序列预测模型还原得到原始序列的SCGM(1,1)c模型：步骤5：计算拟合精度A(x)；拟合精度指标反映的是拟合值与原始时间序列数据之间的偏离程度，记作：步骤6：对拟合精度进行状态划分；将SCGM(1,1)c预测模型的拟合精度指标A(x)按规律划分为x个状态，每一个状态的区间表示为Si∈[sli,sri],i＝1,2,…,x。其中sli＝A(x)+Mi为第i个状态的左边界，sri＝A(x)+Ni为第i个状态的右边界。步骤7：计算各阶自相关系数rx和权重wx；各阶自相关系数rx体现了各个滞时之间的关系和各阶(各种步长)对马尔可夫链预测结果的影响权重，因此可以利用A(x)的各阶自相关系数rx来度量权值wx的大小，计算方式如下：步骤8：建立状态转移概率矩阵T(x)；设x为步长，pij(k)表示由状态si转移到状态sj的次数，pi为状态si出现的次数，则Tij(x)＝Pij(x)/Pi代表x步状态转移概率。对不同阶数的状态转移情况进行统计，得到的m×m阶状态转移概率矩阵定义如下：步骤9：确定预测范围；选取距离预测数据最近的x个数据对应的状态作为初始状态，结合相应的转移概率矩阵的行向量，将相同状态的各项预测概率进行加权求和得到马尔科夫修正的预测概率maxTi对应的状态即为预测值所在的最优状态。其中Ti(x)表示相同状态的各项预测概率。步骤10：计算预测值步骤10.1：对SCGM(1,1)c预测模型的拟合精度指标A(x)采用状态概率线性插值来计算预测精度指标值：步骤10.2：计算x+1时间数据序列的预测值本专利技术的有益效果是：(1)本专利技术通过对伺服机构装配单元压装过程及质量数据的分析，并结合压装力与质量之间的内在关系，可以为压装质量预测开辟一个新的切点。(2)本专利技术提出一种基于灰色马尔可夫模型的压装质量预测方法，克服了传统伺服装配质量缺乏预测性的问题。通过对伺服装配生产过程中产生的大量质量数据进行分析和预测，可以及时发现质量问题，减少装配故障发生，最终提高企业运行效益。(3)本专利技术中所提到的加权马尔可夫SCGM(1,1)c模型预测方法，在SCGM(1,1)c的基础上进行了预测精度修正。相比于传统的GM(1,1)、SCGM(1,1)c，预测效果最好，更加适用于智能压装质量的预测。本专利技术通过对伺服装配质量数据进行分析和预测，可以及时掌握压装情况，防止装配故障发生，从而为智能压装过程质量的管控奠定基础。附图说明图1是本专利技术的预测算法流程图。图2是从伺服机构装配单元中获取的某型号产品连续14次压装力统计数据。图3是根据本专利技术的算法，对图2中的前12次数据的拟合情况。图4是结合本专利技术的算法，形成的实例数据拟合精度状态划分标准。图5是根据本专利技术的算法，得到的实例数据自相关系数及权重。图6是根据本专利技术的算法，得到的第13号拟合精度预测情况。图7是本专利技术的算法与另外三种算法在同一压装质量实例数据集上的预测结果对比图。具体实施方式下面结合附图和实施例对本专利技术做进一步详细的说明。本专利技术针对传统的伺服压装质量缺乏预测性的问题,利用装配生产过程中的压装力数据作为质量预测依据，采取科学的方式进行装配质量预测，并保证预测精度。首先利用系统云灰色预测SCGM(1,1)c模型对压装力数据进行拟合，计算拟合精度；然后基于拟合精度对压装力数据进行状态划分，并求得各阶状态转移概率矩阵；最后利用马尔可夫链模型对预测结果进行修正，预测压装质量。下面结合伺服压装实例数据对基于灰色马尔可夫模型的压装质量预测方法的具体实施过程进行详细的阐述，包括：步骤1：读取智能压装质量时间序列数据Q(0)；图2为某企业伺服机构装配单元中获取的同一质量数据采集点采集的14组压装数据，按照数据采集的先后顺序进行编号，其中相邻两组数据采集时间间隔为一个装配周期。步骤2：对数据序列进行预处理，得到新的数据序列步骤3：建立一次响应函数针对压装过程中测量的压装力非平稳且随机性较强等特点，采用系统云灰色预测SCGM(1,1)c模型拟合压装力的变化趋势。对图2中的1-12号压装力数据进行求解得到a＝0.0034,b＝25711.633。步骤4：还原生成原始序列预测模型结合相关定义，进行还原生成，得到拟合模型步骤5：计算拟合精度A(x)；通过计算得到压装力数据的拟合值和拟合精度，如图3所示。步骤6：对拟合精度进行状态划分；对压装力数据拟合精度的实际情况进行状态划分，具体划分如图4所示，分为三种状态。根据这一划分在图3中进本文档来自技高网...

【技术保护点】
1.一种基于灰色马尔可夫模型的压装质量预测方法，其特征是：首先利用系统云灰色预测SCGM(1,1)c模型对压装力数据进行拟合，计算拟合精度；然后基于拟合精度对压装力数据进行状态划分，并求得各阶状态转移概率矩阵；最后利用马尔可夫链模型对预测结果进行修正，以提高预测精度,得到更为精确的压装质量预测结果。/n

【技术特征摘要】
1.一种基于灰色马尔可夫模型的压装质量预测方法，其特征是：首先利用系统云灰色预测SCGM(1,1)c模型对压装力数据进行拟合，计算拟合精度；然后基于拟合精度对压装力数据进行状态划分，并求得各阶状态转移概率矩阵；最后利用马尔可夫链模型对预测结果进行修正，以提高预测精度,得到更为精确的压装质量预测结果。


2.根据权利要求1所述的基于灰色马尔可夫模型的压装质量预测方法，其特征是：它包括如下步骤：
步骤1：读取智能压装质量时间序列数据Q(0)；
步骤2：对读取到的时间序列数据进行预处理，得到新的数据序列
步骤3：建立一次响应函数
步骤4：还原生成原始序列预测模型
步骤5：计算拟合精度A(x)；
步骤6：对拟合精度进行状态划分；
步骤7：计算各阶自相关系数rx和权重wx；
步骤8：建立状态转移概率矩阵T(x)；
步骤9：确定预测范围；
步骤10：计算得到预测值


3.根据权利要求2所述的基于灰色马尔可夫模型的压装质量预测方法，其特征在于：步骤1中所述的智能压装质量时间序列数据具体是指：是同一质量数据采集点采集的连续压装数据，相邻两组数据采集时间间隔为一个装配周期。


4.根据权利要求2所述的基于灰色马尔可夫模型的压装质量预测方法，其特征在于：所述步骤2中，预处理由累加与积分两个步骤组成；记Q(0)＝{Q(0)(x)|x＝1,2,…,n}为原始的质量时间序列数据，对该序列进行积分得到新的时间序列其中


5.根据权利要求2所述的基于灰色马尔可夫模型的压装质量预测方法，其特征在于：所述步骤3中，建立一次响应函数是...

【专利技术属性】
技术研发人员：袁勇，薛善良，李晨，吴柳艳，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：江苏;32