[发明专利]一种喷涂生产监测数据的存储及特征分析方法及其装置

摘要

本发明公开一种喷涂生产监测数据的存储及特征分析方法及其装置，该方法包括：补充监测数据中的缺失值，缩放并获得规范化数据；挖掘线性相关性系数，对数据特征筛选；确定网络拓扑结构并构建模型；初始化并确定适应度函数；将个体进行训练；计算个体适应度；判断是否达到进化次数，是则获取最优权值和最优阈值，否则进行选择、交叉以及变异；计算隐含层和输出层的输出值和输出误差；判断输出误差是否满足精度要求，是则将输出值转换为预测结果并输出，否则反向调整每层的权值和阈值。本发明提高数据分析的准确性，降低数据的分析量，提高数据分析及预测的效率，而且降低误差率、最大误差以及平均误差，降低喷涂生产成本，提高喷涂效率以及效果。

主权项

1.一种喷涂生产监测数据的存储及特征分析方法，其特征在于，其包括以下步骤：/n步骤S1，对喷涂生产的监测数据进行预处理，且预处理方法包括以下步骤：/n步骤S11，补充所述监测数据中的缺失值，并获得完整的监测数据表；/n步骤S12，对将所述监测数据表中的数据按照一个预设比例缩放并获得均值为0且标准差为1的规范化数据；/n步骤S13，挖掘所述规范化数据之间的线性相关性系数；/n步骤S14，根据所述线性相关性系数，确定最优的数据降维算法并对所述规范化数据进行特征筛选，以获取影响喷涂产品合格率的若干特征参数；/n步骤S2，对预处理后的数据进行神经网络预测，且神经网络预测方法包括以下步骤：/n步骤S21，根据若干特征参数，确定神经网络的网络拓扑结构并构建神经网络模型；/n步骤S22，对所述神经网络的权值、阈值进行初始化，并确定适应度函数；/n步骤S23，将所述神经网络的权值、阈值进行编码并作为个体，将随机产生的种群中的个体带入到一个预设遗传算法中进行训练以调整所述权值和所述阈值，直至训练误差满足一个预设误差或训练次数达到最大迭代次数；/n在训练结束后，执行步骤S24，根据所述适应度函数，计算测试样本的个体适应度；/n步骤S25，根据所述个体适应度，判断所述训练次数是否达到进化次数；/n在所述训练次数达到进化次数时，执行步骤S26，获取最优权值和最优阈值；/n在所述训练次数未达到进化次数时，执行步骤S27，对不同个体适应度的个体依次进行选择、交叉以及变异以产生新的个体，并在产生下一代种群后执行步骤S24；/n步骤S28，根据所述最优权值和所述最优阈值，计算隐含层和输出层的输出值，并根据所述输出值计算输出层的输出误差；/n步骤S29，判断所述输出误差是否满足精度要求；/n在所述输出误差满足所述精度要求时，执行步骤S210，将所述输出值转换为预测结果并输出；/n在所述输出误差不满足所述精度要求时，执行步骤S211，反向调整每层的权值和阈值，并判断实际训练次数是否达到一个预设训练次数；/n在所述实际训练次数达到所述预设训练次数时，判定训练结束并执行步骤S210；/n在所述实际训练次数未达到所述预设训练次数时，执行步骤S28。/n