[发明专利]一种自适应鲁棒虚拟量测方法

权利要求书

1.一种自适应鲁棒虚拟量测方法，其特征在于，包括以下步骤：

S1：获取工件生产线预先设定的工艺参数数据及PLC监测数据，并在预设的第一时间阈值范围内，获取工件生产线上生产的每一工件的实时监测数据，并将实时监测数据组成一个实时监测数据集；

S2：对S1获取的实时监测数据集中的每一工件的实时监测数据进行预处理；

S3：对预处理后的每一工件的实时监测数据进行特征构造，以获取每一工件的实时监测数据的特征值，并将工件的特征值组成一个新的特征数据集；

S4：将S1获取的工艺参数数据和PLC监测数据，以及S3获取的特征数据集进行合并，并基于交叉验证法，将合并后的数据随机划分为训练集、测试集和验证集；

S5：基于S4获取的训练集、测试集和验证集，选取回归类机器模型构建虚拟量测模型；

S6：构建评分函数，并基于测试集对虚拟量测模型进行调优；

S7：采集新的工件在生产过程中的实时监测数据，并对其进行预处理及获取实时监测数据的特征值，将特征值带入至S6调优后的虚拟量测模型中，得出工件预测的生产尺寸，并在该预测的工件生产尺寸超出预设的标准尺寸阈值范围时，向外界发出警示信息。

2.根据权利要求1所述的自适应鲁棒虚拟量测方法，其特征在于，所述S2具体包括以下步骤：

S21：基于三西格玛法或箱线图切分法，抓取实时监测数据中的异常值；

S22：基于平均值代替法或滑动平均法将异常值消除；

S23：采用动态时间规整算法，将数据进行时间对齐；

S24：基于高通滤波法，将数据清洗降噪。

3.根据权利要求1所述的自适应鲁棒虚拟量测方法，其特征在于，所述S3采用包络线构造法对预处理后的数据构造包络特征，以分别获取数据的时域特征值和频域特征值；所述时域特征值包括：均值、最大最小值、有效值、方根幅值、方差、峰峰值、偏态指标、峭度指标、峰值指标、波形指标、脉冲指标、裕度指标和变异系数；所述频域特征值包括：重心频率、均方频率、均方根频率、频率方差、频率标准差、谱峰稳定指数、第一频带相对能量、第二频带相对能量、第三频带相对能量、第四频带相对能量和第五频带相对能量。

4.根据权利要求1所述的自适应鲁棒虚拟量测方法，其特征在于，所述S4中的训练集用于虚拟量测模型的构建；所述测试集用于对虚拟量测模型进行测试，并依据测试结果调整虚拟量测模型参数；所述验证集用于测试虚拟量测模型的泛化能力。

5.根据权利要求1所述的自适应鲁棒虚拟量测方法，其特征在于，所述S5中的回归类机器模型采用以下模型中的任意一种：线性回归模型、随机树模型、多项式回归模型、岭回归模型、套索回归模型、最小二乘回归模型、样条回归模型、弹性网络回归模型、高斯过程回归模型、随机森林模型、梯度提升树模型、ARD自相关回归模型、贝叶斯线性回归模型、感知器回归模型、被动攻击回归模型、SGD随梯度下降回归模型、正交匹配跟踪回归模型、神经网络回归模型。

6.根据权利要求1所述的自适应鲁棒虚拟量测方法，其特征在于，所述S6中的评分函数为：

其中，，为工件的真实尺寸，为工件的预测生产尺寸，为惩罚系数；

，

其中，为评分函数的权重，LL为标准尺寸的阈值范围下界，UL为标准尺寸的阈值范围的上界，a为误判情况权重系数，b为漏判情况权重系数；

为工件实际尺寸分布权重系数，且

。