基于双通道信息互补融合堆叠自编码器的产品质量预测方法技术

本发明专利技术公开了一种基于双通道信息互补融合堆叠自编码器的产品质量预测方法，该方法首先采用了堆叠自编码器的设计，对输入的数据信息进行接收和训练，得到了堆叠自编码器隐藏层的信息。之后，在堆叠自编码器外部，设计了信息互补融合模块与底层到顶层与顶层到底层双通道信息融合层的结构，这种结构设计能够将堆叠自编码器内部隐藏层信息提取并且进行在两个方向上的融合传递。再者，通过门控结构将模块输出值和输出信息进行计算并进行加权融合，得到最终的产品质量预测结果。该方法在对数据信息的处理上，提取出了更有效的信息，减少了噪声，提高了对信息的利用效率，有着更好的对产品质量的预测能力。品质量的预测能力。品质量的预测能力。

【技术实现步骤摘要】
基于双通道信息互补融合堆叠自编码器的产品质量预测方法


[0001]本专利技术属于工业过程控制领域，特别涉及一种基于双通道信息互补融合堆叠自编码器的产品质量预测方法。

技术介绍

[0002]随着现代工业技术的不断发展进步，如何保证工业生产过程中的产品质量成为了工业过程控制领域重点关注和需要解决的关键问题之一。在工业生产过程中，对产品质量变量的实时测量和准确预报对从业人员非常重要，能够通过质量变量的变化对生产过程状态进行实时的监控，对过程控制策略进行及时地调整，同时也能够达到降低生产成本、提高生产效率、优化产品质量等。随着现代测量手段的不断发展和进步，可以从过程中测量得到更多的数据，工业生产过程积累了大量的数据。数据描述了制造各生产阶段的真实情况，为读懂、分析和优化制造过程提供了宝贵的数据资源，是实现智能制造的智能来源。因此，如何合理地利用制造过程积累的数据信息，建立适用于工业过程的智能分析模型，以更好地为制造过程的智能决策与质量控制服务，是工业界较为关注的热点问题。现阶段适用于工业过程产品质量预测的模型主要可以分为基于机理的建模，基于专家经验的建模以及基于数据驱动的建模，由于工业过程系统往往是复杂的黑箱状态，因此近年来数据驱动模型成为主要的研究方向，同时也有着更好的预测效果。数据驱动的质量预测方法利用机器学习、深度学习等智能分析技术，对工业数据深入挖掘、建模和分析，为用户和工业提供实时准确的产品质量预测结果。数据驱动模型作为一种黑箱模型可以解决所研究对象机理模糊不清的问题。数据驱动模型可以仅采用一种算法建立，也可以采用多种算法集成建立。同时，数据驱动模型采用的算法可以根据实际问题灵活调整内部超参数或利用优化算法进行改良。数据驱动模型通常利用历史数据建立，旨在描述研究对象的内部运行规律和相关模式区别，并可结合在线数据的参数输入实现模型的在线输出。但是，现有的一些数据驱动的建模方法，在对工业过程数据信息的处理和利用上并不完善，有效信息利用率较低。因此，亟需提供一种有更好的对数据信息利用率的产品质量预测方法，使得模型能够更有效地提取有效信息，抑制噪声，提高对产品质量预测的精度和效率。

技术实现思路

[0003]本专利技术的目的在于针对现有技术的不足，提供一种基于双通道信息互补融合堆叠自编码器的产品质量预测方法，该方法包括如下步骤：
[0004]一种基于双通道信息互补融合堆叠自编码器的产品质量预测方法，该方法包括以下步骤：
[0005]步骤一：收集工业过程的传感器数据与产品质量数据，得到训练数据集其中，x代表输入样本，y代表样本标签，M表示有标签样本个数；
[0006]步骤二：构建用于产品质量预测的双通道信息互补融合堆叠自编码器模型，并利用所述训练集对双通道信息互补融合堆叠自编码器模型进行训练；
[0007]所述双通道信息互补融合堆叠自编码器模型包括堆叠自编码器、自上而下信息传递和融合通道、自下而上信息传递和融合通道以及一个门控结构；
[0008]所述自上而下信息传递和融合通道包括多个信息互补融合模块；所述信息互补融合模块提取所述堆叠自编码器的隐藏层信息，进行信息融合，并对融合信息进行回归，得到对应信息互补融合模块的输出值；同时将融合信息从上层向下层传递；
[0009]所述自下而上的信息传递和融合通道包括多个信息互补融合模块；所述信息互补融合模块提取所述堆叠自编码器的隐藏层信息，进行信息融合，并对融合信息进行回归，得到对应信息互补融合模块的输出值；同时将融合信息从下层向上层传递；
[0010]所述门控结构用于收集两个信息传递和融合通道中多个信息互补融合模块的融合信息和输出值，然后利用融合信息计算所述输出值的权重，最后利用权重和输出值进行加权融合计算得到模型的总体预测结果；
[0011]步骤三：采集工业现场工作数据并输入训练后的双通道信息互补融合堆叠自编码器模型，输出对应的产品质量预测结果。
[0012]进一步地，所述步骤二中，所述堆叠自编码器结构包含多层编码器和多层解码器，堆叠自编码器每层的输出是对输入的重构；
[0013]对单层的自编码器，计算公式如下：
[0014][0015][0016]其中，为编码器函数，为解码器函数，x代表输入的数据集，h代表编码器的输出同时为解码器的输入，为解码器的输出；W
(e)
,W
(d)
为编码器和解码器的权重系数矩阵，b
(e)
,b
(d)
为编码器和解码器的偏差系数矩阵；
[0017]对于堆叠的自编码器来说，上一层编码器的输出作为下一层编码器的输入，其计算公式如下：
[0018][0019]其中，L代表隐藏层的层数，和为对应隐藏层的权重系数矩阵和偏差系数矩阵。
[0020]进一步地，所述信息互补融合模块包括降维融合通道、升维融合通道和回归器，高维信息通过降维融合通道，低维信息通过升维融合通道；
[0021]其中，降维融合的计算公式为：
[0022][0023][0024]其中，f
DR
为降维融合通道的函数，h
i
为高维信息，h
j
为低维信息，为h
i
降维之后的信息，为融合之后的信息；与分别为权重系数矩阵与偏差系数矩阵；
[0025]升维融合的计算公式为：
[0026][0027][0028]其中，f
DA
为升维融合通道函数，为h
j
升维之后的信息，与分别为权重系数矩阵与偏差系数矩阵；为融合之后的信息；
[0029]融合之后的信息经过回归器得到对应的模块输出值和其计算公式如下所示：
[0030][0031][0032]其中，f
R
为回归器函数，和分别为回归器函数的权重系数矩阵与偏差系数矩阵。
[0033]进一步地，所述自下而上信息传递和融合通道进行信息的传递的表达式为：
[0034][0035][0036]其中，f
ICFB
代表了信息互补融合模块的函数表达；
[0037]所述自上而下信息传递和融合通道进行信息的传递的表达式为：
[0038][0039][0040]进一步地，所述门控结构利用融合信息计算所述输出值的权重的计算表达如下所示：
[0041][0042]其中，g
k
为门控函数，W
g,k
和b
g,k
为对应模块输出的权重系数矩阵与偏差系数矩阵；
[0043]所述门控结构利用权重和输出值进行加权融合计算得到模型的总体预测结果的计算表达式如下：
[0044][0045]进一步地，所述步骤二中，采用随机梯度下降算法对所述双通道信息互补融合堆叠自编码器进行训练，其模型训练损失函数为均方误差函数(MSE)，表达式如下所示：
[0046][0047]其中，x
i
代表第i个数据，代表堆叠自编码器对数据的重构。
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于双通道信息互补融合堆叠自编码器的产品质量预测方法，其特征在于，该方法包括以下步骤：步骤一：收集工业过程的传感器数据与产品质量数据，得到训练数据集其中，x代表输入样本，y代表样本标签，M表示有标签样本个数；步骤二：构建用于产品质量预测的双通道信息互补融合堆叠自编码器模型，并利用所述训练集对双通道信息互补融合堆叠自编码器模型进行训练；所述双通道信息互补融合堆叠自编码器模型包括堆叠自编码器、自上而下信息传递和融合通道、自下而上信息传递和融合通道以及一个门控结构；所述自上而下信息传递和融合通道包括多个信息互补融合模块；所述信息互补融合模块提取所述堆叠自编码器的隐藏层信息，进行信息融合，并对融合信息进行回归，得到对应信息互补融合模块的输出值；同时将融合信息从上层向下层传递；所述自下而上的信息传递和融合通道包括多个信息互补融合模块；所述信息互补融合模块提取所述堆叠自编码器的隐藏层信息，进行信息融合，并对融合信息进行回归，得到对应信息互补融合模块的输出值；同时将融合信息从下层向上层传递；所述门控结构用于收集两个信息传递和融合通道中多个信息互补融合模块的融合信息和输出值，然后利用融合信息计算所述输出值的权重，最后利用权重和输出值进行加权融合计算得到模型的总体预测结果；步骤三：采集工业现场工作数据并输入训练后的双通道信息互补融合堆叠自编码器模型，输出对应的产品质量预测结果。2.根据权利要求1所述的基于双通道信息互补融合堆叠自编码器的产品质量预测方法，其特征在于，所述步骤二中，所述堆叠自编码器结构包含多层编码器和多层解码器，堆叠自编码器每层的输出是对输入的重构；对单层的自编码器，计算公式如下：对单层的自编码器，计算公式如下：其中，为编码器函数，为解码器函数，x代表输入的数据集，h代表编码器的输出同时为解码器的输入，为解码器的输出；W
(e)
,W
(d)
为编码器和解码器的权重系数矩阵，b
(e)
,b
(d)
为编码器和解码器的偏差系数矩阵；对于堆叠的自编码器来说，上一层编码器的输出作为下一层编码器的输入，其计算公式如下：其中，L代表隐藏层的层数，和为对应隐藏层的权重系数矩阵和偏差系数矩阵。3.根据权利要求2所述的基于双通道信息互补融合堆叠自编码器的产品质量预测方法，其特征在于，所...

【专利技术属性】
技术研发人员：张新民，朱泓宇，何柏村，宋执环，
申请(专利权)人：浙江大学，
类型：发明
国别省市：