一种基于异构数据优化的质量特性异常波动诊断方法技术

本发明专利技术公开一种基于异构数据优化的质量特性异常波动诊断方法，应用于汽车曲轴的质量异常波动分析领域，针对现有技术对于多层多维多源数据的模糊性的处理效果不好的问题；本发明专利技术通过构建一种多维多源质量特性数据降维优化方法，消除各变量以及各采样维度之间的相关性，提取出更多的主特征数目，并对降维后的数据进行优化处理，然后构建基于数据主特征降维优化方法的质量特性异常波动诊断模型，从而得到汽车曲轴质量异常定位结果。到汽车曲轴质量异常定位结果。到汽车曲轴质量异常定位结果。

【技术实现步骤摘要】
一种基于异构数据优化的质量特性异常波动诊断方法


[0001]本专利技术属于制造过程质量诊断领域，特别涉及一种质量特性异常波动诊断技术。

技术介绍

[0002]控制图作为广泛使用的统计过程控制工具，能依据统计数据来来分析推断数据波动是否存在规律或是异常，以此来实现制造过程的质量诊断与过程改进。因此，控制图也被广泛应用于数控机床切削加工汽车曲轴过程中的质量诊断分析，但传统的依靠控制图进行质量控制的方法在实际应用中存在着很多的不确定性和模糊问题，特别是识别异常波动的同时，却不能鉴别导致异常波动的原因，尤其是目前数控机床加工技术快速发展，加工汽车曲轴过程中大量的多维多源异构信息源数据多维混杂，使得制造过程质量特性波动诊断尤显困难。
[0003]针对质量异常波动分析手段，有结合以控制图为代表的SPC手段形成和控制图模式识别方法，有基于GA进行质量缺陷关联规则提取的方法，有综合CBR(Case Based Reasoning)与KNN(K
‑
Nearest Neighbor Algorithm)算法推测案例的相似性度量，运用案例库本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于异构数据优化的质量特性异常波动诊断方法，其特征在于，包括以下步骤：S1、采集汽车曲轴多维多源异构质量数据；S2、根据采集的汽车曲轴多维多源异构质量数据，构造得到汽车曲轴多维多源异构质量数据主特征向量；S3、通过变量相关度量函数模型逐步推算出后续不同时间点的主特征向量；S4、根据当前观测的汽车曲轴多维多源质量数据主特征向量和先前的d步观测的汽车曲轴多维多源质量数据主特征向量，累积在一起构建汽车曲轴多维多源过程X的观测数据矩阵；S5、汽车曲轴多维多源过程X的观测数据矩阵进行关键主特征分析，消除主特征数据之间的相关性；S6、根据步骤S5处理后的汽车曲轴多维多源过程X的观测数据矩阵，建立k时间点的第i批样本数据的变量相关度量函数模型；S7、根据步骤S6建立的k时间点的第i批样本数据的变量相关度量函数模型，建立对应的时延数据区块；S8、根据时延数据区块得到各批样本数据对应的变量相关矩阵；S9、根据变量相关矩阵对所有主特征进行降维处理；S10、根据步骤S9处理后的主特征的变量相关矩阵，进行异常位置定位。2.根据权利要求1所述的一种基于异构数据优化的质量特性异常波动诊断方法，其特征在于，步骤S9所述的降维处理具体为：记共有I批样本数据，根据每批样本数据的变量相关矩阵，得到平均变量相关矩阵，即：其中，表示平均变量相关矩阵，表示第i批样本数据对应的变量相关矩阵，d表示动态观察过程的间隔长度，X
d
表示汽车曲轴多维多源过程X的观测数据矩阵，J表示汽车曲轴多维多源异构质量数据主特征向量的维度，k表示第k时刻；根据下式计算平均变量相关矩阵的所有特征值各自对应的贡献率，取贡献率大于85％的特征值所对应的特征向量作为降维后的主特征向量：其中，λ
i
表示平均变量相关矩阵的第i个特征值，i＝1,2,
…
,p，p表示平均变量相关矩阵的特征值个数，B
i
表示λ
i<...

【专利技术属性】
技术研发人员：任显林，陈来贤，韩呈瑞，田依多，任政旭，范文豪，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：