[發明專利]考慮數據不確定性與模糊性的制造質量自適應控制方法

在審

• 申請號: 202211499125.4
• 申請日: 2022-11-28
• 公開（公告）號: CN115860533A
• 公開（公告）日: 2023-03-28
• 發明（設計）人: 任顯林;韓呈瑞;田依多;陳來賢;任政旭;范文豪
• 申請（專利權）人: 電子科技大學
• 主分類號: G06Q10/0639
• 分類號: G06Q10/0639;G06Q50/04;G06F18/2135;G06F17/16;G06N7/02;G06N3/006;G06N3/04
• 代理公司: 成都虹盛匯泉專利代理有限公司 51268
• 代理人: 王偉

本發明公開了一種考慮數據不確定性與模糊性的制造質量自適應控制方法，包括以下步驟：S1、構建制造質量特性模糊弱數據預測模型，具體包括以下步驟：S11、建立模糊弱數據預檢追蹤算法來獲取質量特性模糊弱數據集的發現域、區間數、區間長度，以及數據的比例趨勢變化值；S12、獲取質量特性模糊弱數據集特征元素；S13、使用主成分分析法進行降維；S14、將質量特性模糊弱數據集元素與質量特性弱數據的RTV值組合成向量，輸入PSNN網絡；S2、建立制造質量弱數據微小漂移自適應預警方法。本發明提出的FWDS?PSNN預測模型與TEWMA控制圖相結合的制造過程質量控制方法能有效地解析質量特性變化趨勢，探測是否有弱數據微小質量特性漂移，提前發出警報，自主反饋調整制造過程。

技術領域

本發明屬于制造過程質量控制領域，具體涉及一種考慮數據不確定性與模糊性的制造質量自適應控制方法。

背景技術

由于系統因素和偶然因素，制造過程的大多數質量指標總是處于波動中。衡量質量指標是否合格，可以依據統計數據來評估數據波動是否存在規律或異常，以此來實現制造過程的質量控制與過程改進。隨著社會發展，制造業面臨更為嚴苛與復雜的制造要求與標準，對產品質量參差的容忍度更低，迫切需要更為靈敏的數據預測方法與控制方法。由于制造質量劣化往往是具有不確定性的演化過程，過程數據表現出各種不確定性與模糊性，給數據統計預測過程帶來了困難，特別是針對少數關鍵質量特性所表現出來的弱化數據特征，發現其波動規律極其困難，因此可以通過建立弱數據預測模型來提前獲取質量指標的可能傾向，提前進行質量缺陷預防，保證質量穩定。

隨著社會發展，制造業面臨更為嚴苛與復雜的制造要求與標準，標準化制造流程中，對產品質量參差的容忍度更低，這就要求對制造過程關鍵質量特性弱數據進行考察。一般弱數據可為機械加工的精密零件尺寸、精密設備裝配公差以及焊接過程和熱處理過程中零件微弱形變等。

為分析數據波動規律而運用在制造過程控制中的控制圖，如傳統Shewhart控制圖、CUSUM控制圖、EWMA控制圖都為單變量控制圖，大多數僅能探測大幅和中幅的質量波動，而對弱數據小幅質量特性漂移的情況不敏感，同時也由于控制圖的統計學特性，控制圖往往在過程質量失控出現甚至是出現較長時間后才能提供警報。針對質量特性數據預測，絕大多數回歸算法均可適用，如貝葉斯網絡、隨機森林、LGBM(Light Gradient BoostMachine)、多層感知機、RNN(Recurrent Neural Network)、深度神經網絡等較為廣泛適用的模型，但對于數據的模糊性的處理效果不是很好，并且要想獲得較好效果需要較長訓練時間。

發明內容

本發明的目的在于克服現有技術的不足，提供一種能有效地解析質量特性變化趨勢，探測是否有弱數據微小質量特性漂移，提前發出警報，自主反饋調整制造過程的考慮數據不確定性與模糊性的制造質量自適應控制方法。

本發明的目的是通過以下技術方案來實現的：考慮數據不確定性與模糊性的制造質量自適應控制方法，包括以下步驟：

S1、構建制造質量特性模糊弱數據預測模型，具體包括以下步驟：

S11、建立模糊弱數據預檢追蹤算法來獲取質量特性模糊弱數據集的發現域、區間數、區間長度，以及數據的比例趨勢變化值；

S12、獲取質量特性模糊弱數據集特征元素；

S13、使用主成分分析法對質量特性模糊弱數據集元素進行降維；

S14、將降維處理后的質量特性模糊弱數據集元素與標準化后的質量特性弱數據的比例趨勢變化值組合成向量，輸入PSNN網絡；

S2、建立制造質量弱數據微小漂移自適應預警方法。