一种整车DTS测量数据预测方法及装置制造方法及图纸

本申请公开了一种整车DTS测量数据预测方法及装置。所述方法包括：获取对第N批次的车辆进行整车DTS测量得到的与第N批次对应的DTS实测数据，并将与第N批次对应的DTS实测数据添加至历史DTS实测数据集合；从历史DTS实测数据集合中获取与第N

【技术实现步骤摘要】
一种整车DTS测量数据预测方法及装置


[0001]本说明书一个或多个实施例涉及通信
，尤其涉及一种整车DTS测量数据预测方法及装置。

技术介绍

[0002]DTS(Dimension Technical Specifications，尺寸技术规范)，是指对整车内外观各个部件之间的间隙以及面差的设计要求，是用来衡量汽车内外观制造质量的重要指标，体现了整车尺寸质量。
[0003]DTS测量，具体来说，是在汽车设计生产完成后，针对汽车的各个部件的间隙以及平面设置一定数量的测点，并采集每个测点的测点数据，根据每个测点的测点数据是否在对应的标准公差范围内，来衡量汽车内外观的制造质量。
[0004]随着社会的发展，汽车行业的竞争愈发激烈，汽车内外观的制造质量作为衡量汽车总体质量的一部分，其重要性不言而喻，在目前的技术中，一般通过对已生产完成的汽车进行DTS测量得到的历史数据进行数据分析，从而挖掘现有汽车生产过程中存在的问题，并针对该问题寻求解决方案。
[0005]也就是说，目前的技术只能基于对已生产完成的汽车进行DTS测量得到的历史数据，进行数据分析后挖掘问题并提出对应的解决措施，但无法预测还未生产完成的汽车的整车DTS测量数据。

技术实现思路

[0006]本申请提供一种整车DTS测量数据预测方法及装置，技术方案如下：
[0007]根据本申请的第一方面，提供一种整车DTS测量数据预测方法，所述方法包括：
[0008]获取对第N批次的车辆进行整车DTS测量得到的与所述第N批次对应的DTS实测数据，并将与所述第N批次对应的DTS实测数据添加至历史DTS实测数据集合；
[0009]从所述历史DTS实测数据集合中获取与第N
‑
T至N
‑
1批次分别对应的DTS实测数据，并基于与第N
‑
T至N批次分别对应的DTS实测数据生成按照批次排序的DTS实测数据序列；
[0010]将所述DTS实测数据序列输入至训练完成的序列模型，以使所述序列模型基于所述DTS实测数据序列预测与第N+1批次对应的DTS预测数据；其中，所述序列模型为基于所述历史DTS实测数据集合进行有监督训练得到的机器学习模型；所述N为正整数，所述T为预设的第一阈值，所述N的数值大于所述T的数值。
[0011]可选的，所述方法还包括：
[0012]获取对第N+1批次的车辆进行整车DTS测量得到的与所述第N+1批次对应的DTS实测数据，并将与所述第N+1批次对应的DTS实测数据添加至历史DTS实测数据集合；
[0013]基于与所述第N+1批次对应的DTS预测数据、与所述第N+1批次对应的DTS实测数据，以及更新后的所述历史DTS实测数据集合中的DTS实测数据的平均值，计算可决系数，并确定所述可决系数是否达到预设的第二阈值；
[0014]如果所述可决系数未达到所述第二阈值，基于更新后的所述历史DTS实测数据集合重新对所述序列模型进行有监督训练。
[0015]可选的，所述方法还包括：
[0016]如果所述可决系数达到所述第二阈值，按照预设的时间周期，基于在所述时间周期内获取到的DTS实测数据定期对所述序列模型进行增量训练。
[0017]可选的，通过以下方式对所述序列模型进行有监督训练：
[0018]从所述历史DTS实测数据集合中确定出训练样本；其中，所述训练样本包括基于与第M
‑
T至M批次分别对应的DTS实测数据生成的按照批次排序的历史DTS实测数据序列，以及为所述历史DTS实测数据序列标注的标签；所述标签为与第M+1批次对应的DTS实测数据；所述M为正整数；所述M的数值大于所述T的数值；
[0019]将所述训练样本输入至所述序列模型，对所述序列模型进行有监督训练，直至与所述序列模型对应的可决系数达到预设的第二阈值。
[0020]可选的，所述DTS实测数据包括与若干DTS测点分别对应的DTS实测子数据；
[0021]在基于与第N
‑
T至N批次分别对应的DTS实测数据生成按照批次排序的DTS实测数据序列之前，所述方法还包括：
[0022]确定与第N
‑
T至N批次分别对应的DTS实测数据中，与任一目标DTS测点对应的DTS实测子数据的缺失数据量是否达到预设的第三阈值；
[0023]如果是，从与第N
‑
T至N批次分别对应的DTS实测数据中，删除与所述目标DTS测点对应的DTS实测子数据；
[0024]如果否，基于与所述目标DTS测点对应的DTS实测子数据的平均值，对与第N
‑
T至N批次分别对应的DTS实测数据进行补齐处理。
[0025]可选的，所述序列模型包括LSTM模型或CNN
‑
LSTM模型。
[0026]可选的，所述方法还包括：
[0027]确定所述第N+1批次对应的DTS预测数据包含的所有预测数据是否在对应的预设范围内；
[0028]如果所述第N+1批次对应的DTS预测数据包含的任一预测数据不在对应的预设范围内，则输出预警提示。
[0029]根据本申请的第二方面，提供一种整车DTS测量数据预测装置，所述装置包括：
[0030]获取单元，用于获取对第N批次的车辆进行整车DTS测量得到的与所述第N批次对应的DTS实测数据，并将与所述第N批次对应的DTS实测数据添加至历史DTS实测数据集合；
[0031]生成单元，用于从所述历史DTS实测数据集合中获取与第N
‑
T至N
‑
1批次分别对应的DTS实测数据，并基于与第N
‑
T至N批次分别对应的DTS实测数据生成按照批次排序的DTS实测数据序列；
[0032]预测单元，用于将所述DTS实测数据序列输入至训练完成的序列模型，以使所述序列模型基于所述DTS实测数据序列预测与第N+1批次对应的DTS预测数据；其中，所述序列模型为基于所述历史DTS实测数据集合进行有监督训练得到的机器学习模型；所述N为正整数，所述T为预设的第一阈值，所述N的数值大于所述T的数值。
[0033]根据本申请的第三方面，提供一种电子设备，包括通信接口、处理器、存储器和总线，所述通信接口、所述处理器和所述存储器之间通过总线相互连接；
[0034]所述存储器中存储机器可读指令，所述处理器通过调用所述机器可读指令，执行所述方法。
[0035]根据本申请的第四方面，提供一种机器可读存储介质，所述机器可读存储介质存储有机器可读指令，所述机器可读指令在被处理器调用和执行时，实现所述方法。
[0036]通过以上实施例，可以基于对第N批次的车辆进行整车DTS测量获取得到的与所述第N批次对应的DTS实测数据，以及从历史DTS实测数据集合中获取到的与第N
‑
T至N
‑
1批次分别对应的DTS实测数据，生成按照本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种整车DTS测量数据预测方法，所述方法包括：获取对第N批次的车辆进行整车DTS测量得到的与所述第N批次对应的DTS实测数据，并将与所述第N批次对应的DTS实测数据添加至历史DTS实测数据集合；从所述历史DTS实测数据集合中获取与第N
‑
T至N
‑
1批次分别对应的DTS实测数据，并基于与第N
‑
T至N批次分别对应的DTS实测数据生成按照批次排序的DTS实测数据序列；将所述DTS实测数据序列输入至训练完成的序列模型，以使所述序列模型基于所述DTS实测数据序列预测与第N+1批次对应的DTS预测数据；其中，所述序列模型为基于所述历史DTS实测数据集合进行有监督训练得到的机器学习模型；所述N为正整数，所述T为预设的第一阈值，所述N的数值大于所述T的数值。2.根据权利要求1所述的方法，所述方法还包括：获取对第N+1批次的车辆进行整车DTS测量得到的与所述第N+1批次对应的DTS实测数据，并将与所述第N+1批次对应的DTS实测数据添加至历史DTS实测数据集合；基于与所述第N+1批次对应的DTS预测数据、与所述第N+1批次对应的DTS实测数据，以及更新后的所述历史DTS实测数据集合中的DTS实测数据的平均值，计算可决系数，并确定所述可决系数是否达到预设的第二阈值；如果所述可决系数未达到所述第二阈值，基于更新后的所述历史DTS实测数据集合重新对所述序列模型进行有监督训练。3.根据权利要求2所述的方法，所述方法还包括：如果所述可决系数达到所述第二阈值，按照预设的时间周期，基于在所述时间周期内获取到的DTS实测数据定期对所述序列模型进行增量训练。4.根据权利要求1所述的方法，通过以下方式对所述序列模型进行有监督训练：从所述历史DTS实测数据集合中确定出训练样本；其中，所述训练样本包括基于与第M
‑
T至M批次分别对应的DTS实测数据生成的按照批次排序的历史DTS实测数据序列，以及为所述历史DTS实测数据序列标注的标签；所述标签为与第M+1批次对应的DTS实测数据；所述M为正整数；所述M的数值大于所述T的数值；将所述训练样本输入至所述序列模型，对所述序列模型进行有监督训练，直至与所述序列模型对应的可决系数达到预设的第二阈值。5.根据权利要求1所述的方法，所述DTS实测数据包括与若干DTS测点分别对应的DTS实测子数据；在基于与第N

【专利技术属性】
技术研发人员：王晓虎，黄泊源，邓方进，仁义，
申请(专利权)人：浙江吉利控股集团有限公司，
类型：发明
国别省市：