[發明專利]一種基于LLE-SVDD的非線性輪廓數據監控方法

在審

• 申請號: 202010989003.8
• 申請日: 2020-09-18
• 公開（公告）號: CN112085121A
• 公開（公告）日: 2020-12-15
• 發明（設計）人: 劉玉敏;梁曉瑩;趙哲耘
• 申請（專利權）人: 鄭州大學
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 北京眾合誠成知識產權代理有限公司 11246
• 代理人: 張心龍

本發明涉及數據監控的技術領域，特別是涉及一種基于LLE?SVDD的非線性輪廓數據監控方法，通過與傳統的輪廓監控方法的監控效果進行比較，顯示了基于LLE?SVDD的非線性輪廓監控模型具有良好的監控效果,對于進一步探索非線性輪廓質量實時監控問題提供了新的視角和方法：S1、局部線性嵌入降維：S2、LLE?SVDD非線性質量監控模型構建：S3、模型監控過程。

技術領域

本發明涉及數據監控的技術領域，特別是涉及一種基于LLE-SVDD的非線性輪廓數據監控方法。

背景技術

由于復雜產品監控過程中收集的數據量較大、關系較復雜，采用某種函數關系描述自變量與質量特性之間的關系，比一元或多元變量更加準確。因此將這種表征單個響應變量和多個解釋變量之間的復雜函數關系稱為輪廓(Profile)。目前對非線性輪廓進行監控的方法主要有三種，基于回歸擬合的監控方法、基于差異度量的監控方法及基于機器學習的監控方法。

基于回歸擬合的控制方法是為對非線性輪廓進行回歸擬合，通過對回歸模型中參數的監控實現對非線性輪廓的監控。William等人用帶有四個參數的邏輯回歸模型對藥物的劑量-反應輪廓進行擬合，并提出了三種T²統計量對這四個參數進行監控。Jensen和Birch提出了一種非線性混合模型來監測非線性剖面，并考慮了輪廓內的相關結構。Kazemzadeh等提出多項式回歸控制圖，對正交轉化后的回歸系數和誤差項建立EWMA控制圖。Amiri等人采用二階多項式擬合汽車發動機數據進行輪廓監測。Chang用B樣條回歸檢測輪廓中的均值偏移和形狀改變。Chen和Nembhard提出了一種基于離散傅里葉變換系數的自適應Neyman檢驗統計量的高維控制圖輪廓監測方法。Hadidoust等將樣條平滑技術引入到復雜輪廓監控中，采用最大似然估計的方法估計異常點。Izadbakhsh等提出了基于皮爾遜殘差的監控方法，當非線性輪廓模型的參數形式難以確定時，可以采用該方法。Qiu等提出基于局部線性平滑的EWMA控制圖，計算簡捷，易于實施，并且能夠有效檢測輪廓的偏移程度。Zou等人將MEWMA法與基于非參數回歸的廣義似然比檢驗相結合,用于監控非線性輪廓。Colosimo將非參數混合效應模型用于VDP數據集中。Fan用幾個正弦函數之和對回流過程的非線性輪廓進行了擬合，并用Hotelling T²統計量對模型參數進行監控。Ding提出基于隨機效應的有序輪廓檢測。He將EWMA控制圖用于熔融沉積過程的剖面檢測問題。Liu將非線性混合模型用于監測工業晶圓切片過程中的晶圓厚度剖面。

由于基于回歸擬合的方法過于復雜，有些學者提出基于差異度量的方法對非線性輪廓進行監控。其基本思想為：建立基礎輪廓，構建樣本輪廓與基礎輪廓之間的差異統計量，對差異統計量進行監控，從而實現對輪廓的監控和異常輪廓的識別。Jin將獨立的解釋變量分成p段。每一個分段內的偏移將與特定類型的過程故障相關，并建立Hotelling T²控制圖對每個分段內的偏移進行監控。Willam提出用樣本輪廓與基礎輪廓之間的最大偏差M₁、絕對偏差之和M₂等作為差異統計量，構建輪廓控制圖。波音公司提出將樣本輪廓與基準輪廓間的絕對偏差的平均值作為統計量，構建控制圖。Vaghefi將樣本輪廓與基礎輪廓之間的面積作為差異統計量對非線性輪廓進行監控。Zhang將輪廓視為高維空間的向量，構建χ²控制圖用于第Ⅰ階段和第Ⅱ階段的分析中。Wei等人基于非參數L-1位置尺度模型提出使用三種差異度量同時監控輪廓的垂直位置偏移、局部形狀變化和整體形狀偏離。Qiu等人提出了一種用于第Ⅱ階段分析的新的控制圖，當輪廓內部相關時，將局部線性核平滑算法引入到EWMA控制圖中。