一种用于热处理过程加工状态识别的方法技术

本发明专利技术公开了一种用于热处理过程加工状态识别的方法，属于热处理过程加工状态识别。本发明专利技术针对热处理加工过程中温度的趋势变化，提出一种基于时间序列分段线性表示的状态识别方法。该方法首先根据时序温度数据的角度变化进行转折点的提取，再使用转折点对原始数据划分得到趋势段，之后自底向上对趋势段进行合并得到分段线性表示，最终利用分段的统计特征进行H

【技术实现步骤摘要】
一种用于热处理过程加工状态识别的方法


[0001]本专利技术涉及热处理加工领域，尤其是在热处理过程加工状态识别领域。

技术介绍

[0002]在热处理加工过程中会产生大量的数据，这些数据多为温度数据，反应了工件的加工过程。温度是热处理加工过程中影响工件质量的决定性因素，当更改加热设备设定温度后，实际温度并不会立即达到设定值，还会经过一段时间进行调节。现阶段对于工件加工过程状态的测定，需要工人在加工完成后查看温度记录单手工录入。但是工件的加工时间通常需要几个小时甚至超过一天，会产生冗长的记录单甚至多张记录单，测定工件的加工状态极其困难，还有一些复杂的多段加工程序，其状态的测定对工人提出了更高的要求。同时，工人对测定标准也有着不完全相同的认识，对于加工状态的测定会出现偏差；加工过程中工人通常需要管控多台加热设备，一些数据因此会出现遗漏，并且增加了生产过程中的安全风险。加工过程状态的偏差、缺失，对工件质量的预估产生了严重的影响，增加了质量评估的风险，严重降低了企业的生产效率。因此自动化的加工过程状态记录是热处理行业中的迫切需求。
[0003]时间序列是随着时间不断变化的数据，是与时间相关的高维度数据，同时也是数据挖掘领域中的主要研究对象，时序分析在金融、气象、医学、电子科技、教育等多个领域中都有重要的研究价值，但在工业热处理方向中的应用相对较少。热处理行业中的时间序列数据主要为加工过程中的温度信息，属于海量、高维、信息价值密度低的数据，很难对原始数据直接进行数据分析和挖掘，因此需要对其进行特征表示，在降低数据维度的同时保留其内在的重要趋势特征。
[0004]目前国内外提出了多种时间序列的特征表示方法，以傅里叶变换和离散小波变换为代表的基于域变换的方法，基于符号的表示方法，模型表示法，以及基于分段的特征表示方法等。其中，基于分段的特征表示最为简洁、直观，并且拥有良好的性能。综上所述，如何在现有技术的基础上有效地解决上述技术缺陷，成为了本领域内技术人员亟待解决的问题。

技术实现思路

[0005]为解决上述技术问题，本专利技术提出了一种基于时间序列分段表示的状态识别方法。本专利技术结合局部特征和全局特征，采用基于分段的特征表示方法来对温度数据进行降维。首先根据时序温度数据的角度变化进行转折点的提取，再使用转折点对原始数据划分得到趋势段，之后自底向上对趋势段进行合并得到分段线性表示，最终利用分段的统计特征进行H
‑
SVMs分类，获得热处理过程的加工状态。本专利技术包括以下步骤：
[0006]一种用于热处理过程加工状态识别的方法，包括以下步骤：
[0007]S1、通过传感器采集加工过程中的温度数据并进行预处理；
[0008]S2、根据时序温度数据的角度变化进行转折点的提取；
[0009]S3、利用转折点对原始温度数据划分得到若干个趋势段；
[0010]S4、按照拟合误差进行自底向上对趋势段进行合并得到最终趋势段的分段线性表示；
[0011]S5、对最终趋势段进行人工标注，建立训练集和验证集；
[0012]S6、利用分段的统计特征在训练集上进行H
‑
SVMs分类器训练，用验证集数据进行验证，获得热处理过程的加工状态分类器模型；
[0013]S7、将新的温度数据输入加工状态分类器模型，识别热处理过程的温度加工状态。
[0014]所述预处理为对传感器数据进行等时序间隔采样。
[0015]所述转折点定义为：
[0016]设置转折点角度阈值η，根据相邻的三个数据d(t
i
‑1),d(t
i
),d(t
i+1
)计算：
[0017][0018][0019]当求得的β＞η时，则认为d(t
i
)是时间序列转折点。
[0020]所述自底向上对趋势段进行合并，包括：
[0021]a.自底向上进行合并，顺序遍历各个趋势段，将下标为i的趋势段seg
i
与其相邻的趋势段seg
i+1
共同构成的时间序列使用最小二乘法进行线性回归，得到拟合直线的斜率k、截距b、拟合直线、原始数据的拟合误差error
i
，将拟合误差添加到拟合误差序列Error中；
[0022]b.从Error列表中取出最小值，标记其下标为q，记为error
q
。若error
q
小于合并阈值ξ则合并seg
q
和相邻的seg
q+1
段，更新当前段error
q
，若第q段不是起始段则需要更新第q
‑
1段的error
q
‑1，若第q段不是末尾段则需要删除第q+1段的error
q+1
；重复执行步骤b直到最小的error
q
不小于合并阈值ξ。
[0023]所述拟合误差error
i
定义如下：
[0024]设长度为n的时间序列Data＝{d(t1),d(t2),...,d(t
i
),...d(t
n
)}共有m个转折点第i个分段时间序列为第i个分段时间序列为第i+1个分段时间序列为第i+1个分段时间序列为将第i个分段和第i+1个分段合并之后进行线性拟合，得到的时间序列
[0025][0026]所述统计特征包括最终趋势段的长度、斜率、拟合误差。
[0027]所述对原始温度数据进行标注，包括：将各个最终趋势段标注为加工状态：该段时序为升温趋势段、该段时序为降温趋势段、该段时序为保温趋势段。
[0028]所述进行H
‑
SVMs分类器训练包括：将分段的统计特征和标注的对应该段加工状态标签输入H
‑
SVMs分类器进行训练，用验证集数据进行验证，当在验证集上识别有效率达到阈值要求判断为模型优化完毕。
[0029]将新的温度数据输入加工状态分类器模型，识别热处理过程的温度加工状态之后，还包括：根据当前加热状态，输出指令控制设备按照预设温度调整热处理过程的加工温度。
[0030]一种用于热处理过程加工状态识别的系统，包括：处理器、存储器以及设置在于热处理过程加工设备端的温度传感器，所述温度传感器采集现场温度数据，所述存储器存储有程序，处理器加载程序执行如上所述的一种用于热处理过程加工状态识别方法的步骤，实现热处理过程加工状态识别。
[0031]本专利技术具有以下效益及优点：
[0032]1.提出局部特征和全局特征相结合的方式对时间序列进行分段线性表示的方法，加快了分段速度，提高了分段的精确度，对于长时间的作业数据仍能快速得出准确的结果。
[0033]2.使用时间序列分段线性表示对数据进行降维，用分段的统计特征使用H
‑
SVMs分类，相较于使用神经网络直接对时序数据分类等方式运算速度提升明显，满足工业现场的需求。
[003本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于热处理过程加工状态识别的方法，其特征在于，包括以下步骤：S1、通过传感器采集加工过程中的温度数据并进行预处理；S2、根据时序温度数据的角度变化进行转折点的提取；S3、利用转折点对原始温度数据划分得到若干个趋势段；S4、按照拟合误差进行自底向上对趋势段进行合并得到最终趋势段的分段线性表示；S5、对最终趋势段进行人工标注，建立训练集和验证集；S6、利用分段的统计特征在训练集上进行H
‑
SVMs分类器训练，用验证集数据进行验证，获得热处理过程的加工状态分类器模型；S7、将新的温度数据输入加工状态分类器模型，识别热处理过程的温度加工状态。2.根据权利要求1所述的一种用于热处理过程加工状态识别的方法，其特征在于，所述预处理为对传感器数据进行等时序间隔采样。3.根据权利要求2所述的一种用于热处理过程加工状态识别的方法，其特征在于，所述转折点定义为：设置转折点角度阈值η，根据相邻的三个数据d(t
i
‑1)，d(t
i
)，d(t
i+1
)计算：)计算：当求得的β＞η时，则认为d(t
i
)是时间序列转折点。4.根据权利要求1所述的一种用于热处理过程加工状态识别的方法，其特征在于，所述自底向上对趋势段进行合并，包括：a.自底向上进行合并，顺序遍历各个趋势段，将下标为i的趋势段seg
i
与其相邻的趋势段seg
i+1
共同构成的时间序列使用最小二乘法进行线性回归，得到拟合直线的斜率k、截距b、拟合直线、原始数据的拟合误差error
i
，将拟合误差添加到拟合误差序列Error中；b.从Error列表中取出最小值，标记其下标为q，记为error
q
，若error
q
小于合并阈值ξ则合并seg
q
和相邻的seg
q+1
段，更新当前段error
q
，若第q段不是起始段则需要更新第q
‑
1段的error
q<...

【专利技术属性】
技术研发人员：胡毅，樊大为，陶增，李艳欣，张曦阳，刘伟冉，
申请(专利权)人：沈阳中科数控技术股份有限公司，
类型：发明
国别省市：