一种基于即时学习的多品种小批量产品加工质量预测方法技术

本发明专利技术专利提出了一种基于即时学习的多品种小批量产品加工质量预测方法，利用局部加权偏最小二乘回归(LWPLS)实现对关键质量特征的实时预测。针对单一规格数据量少、规格间数据分布差异大的问题，离线阶段通过改进的自适应人工鱼群算法(Ad‑AFSA)为每个训练样本求得最优带宽参数。该Ad‑AFSA在随机行为中引入反向机制与自适应变异算子，扩大搜索范围、提升种群多样性，并通过步长与视野随迭代线性减小，平衡前期全局搜索与后期精细寻优，从而获得更稳定的带宽参数。在线预测阶段采用引入Wasserstein散度的t分布随机邻域嵌入(Wast‑SNE)算法对数据进行降维，并在降维后特征空间利用考虑时间的马氏距离度量相似度，更准确反映不同规格产品间差异，在多品种小批量数据中更准确识别与查询样本x<subgt;q</subgt;相似的L个历史样本，并根据离线训练阶段得到的L个相似样本的最优带宽参数进行加权平均计算求得查询样本的最优带宽参数并运行LWPLS实时预测关键质量特征值。

【技术实现步骤摘要】

本专利技术涉及产品加工质量预测领域，尤其是一种基于即时学习的多品种小批量产品加工质量预测方法。

技术介绍

1、产品质量预测是工业生产中关键的一环，其目的是通过建立过程变量与关键质量特征之间的数学关系，对质量特征进行实时预测，以确保产品满足质量标准并优化生产过程。在传统的大批量生产模式下，产品质量预测方法依赖于全局建模技术，这些方法通常假设数据分布均匀且样本量充足，通过充分利用历史数据来预测产品质量。然而，随着市场需求的日益多样化和个性化，生产模式正从大批量生产逐步转向多品种小批量生产模式，这对传统的质量预测方法提出了新的挑战。

2、在多品种小批量生产模式中，同一生产线需要频繁切换生产多种规格、型号或牌号的产品，每种产品的生产数量相对较少，导致数据分布呈现出显著的多样性与不均衡性。这些特点使得传统基于大批量生产的质量预测方法难以适应多品种小批量场景的复杂需求。首先，传统以大批量生产为基础的质量预测方法往往依赖于全局模型，这种方法假设数据分布相对均衡，但在多品种小批量生产中，由于数据量的稀疏性和分布的差异性，全局建模方法难以有效适应。其次，仅针对单本文档来自技高网...

【技术保护点】

1.一种基于即时学习的多品种小批量产品加工质量预测方法，其特征在于：针对多品种小批量生产中产品规格多样性、单一产品规格生产数量少，各产品规格数据量不均衡以及产品质量影响因素高维非线性耦合的特点，通过离线训练和在线预测两阶段进行实时加工质量预测，其中(1)、(2)、(3)、(4)、(5)为离线训练阶段，(6)、(7)、(8)、(9)为在线预测阶段，所述方法包括：

2.根据权利要求1所述的降维方法及样本间距离计算，其特征在于：所述降维方法及样本间距离计算步骤具体包括：

3.根据权利要求1所述的采用改进Ad-AFSA和LWPLS混合模型为每个训练样本点计算最优带宽参数τ...

【技术特征摘要】

1.一种基于即时学习的多品种小批量产品加工质量预测方法，其特征在于：针对多品种小批量生产中产品规格多样性、单一产品规格生产数量少，各产品规格数据量不均衡以及产品质量影响因素高维非线性耦合的特点，通过离线训练和在线预测两阶段进行实时加工质量预测，其中(1)、(2)、(3)、(4)、(5)为离线训练阶段，(6)、(7)、(8)、(9)为在线预测阶段，所述方法包括：

2.根据权利要求1所述的降维方法及样本间距离计算，其特征在于：所述降维方法及样本间距离计...

【专利技术属性】
技术研发人员：徐新胜，吴松泽，陈昕航，周阳，黄思远，房强强，孙尔新，王政泽，
申请(专利权)人：中国计量大学，
类型：发明
国别省市：