[发明专利]一种基于自适应伸缩动态时间弯曲算法的钢板厚度匹配方法

摘要

本发明提供了一种基于自适应伸缩动态时间弯曲算法的钢板厚度匹配方法，属于信息技术领域。对真实工业场景中的钢板厚度数据进行匹配搜索，首先使用线性插值算法及0均值标准化方法对数据长度及高度进行分段预处理，得到标准化分段钢板厚度数据；在此基础上，使用自适应伸缩动态时间弯曲算法对钢板厚度数据进行匹配搜索，从而得到最佳匹配结果。本发明能够在保证精度的前提下，有效降低搜索耗时，更好地辅助现场操作人员对钢板轧制生产过程进行监控，提高钢板质量。

主权项

1.一种基于自适应伸缩动态时间弯曲算法的钢板厚度匹配方法，其特征在于，步骤如下：步骤1：数据选取与预处理①数据选取：从工业现场数据库读取钢板厚度数据，截取问题点所在数据段作为查询序列，并选取待查询钢板厚度数据作为主序列；②标准化与缩放处理：对于查询序列与分段主序列，在高度上均使用0均值标准化进行处理，计算方式如下：式(1)中，si是序列s的第i个序列点，mean(s)是序列s的均值，std(s)是序列s的标准差，zi是序列s经过0均值标准化后的第i个序列点；长度上则将主序列使用线性插值缩放至查询序列所在长序列长度，计算方式如下：式(2)中，length(s)表示序列s的长度，smain是主序列，squeryl是查询序列所在的长序列，k＝1...(length(squeryl)‑2)是插值点序号，xnew(k)是第k个插值点位置；式(3)中，(xl,yl)和(xr,yr)是主序列中在插值点xnew(k)两侧的原序列点，ynew(k)则为第k个插值点的纵坐标，插值后得到缩放后的主序列smainscale；③分段处理：对缩放后主序列smainscale进行分段处理，为保证匹配的准确性，分段长度参考查询序列：length(smains(i))＝1.2length(squery)      (4)式(4)中，squery是查询序列，smains(i)是第i段分段主序列；并且为保证匹配的有效性，使分段主序列段间重叠率为50％；若smains(k)、smains(k+1)是分段主序列中相邻两段，则smains(k)后半段与smains(k+1)前半段重叠，即smains(k)后50％个序列点与smains(k+1)前50％个序列点完全相同；步骤2：自适应伸缩动态时间弯曲算法匹配搜索动态时间弯曲计算方法如下：式(5)中，D_tw(s₁,s₂)是序列s₁和s₂间的动态时间弯曲距离；D_base(p₁,p₂)是点p₁和p₂间的基本距离，欧氏距离或曼哈顿距离head(s)代表序列s的第一个序列点，rest(s)代表序列s除第一个序列点外的其余部分；在动态时间弯曲算法计算的过程中，得到如下弯曲距离矩阵MDTW：式(6)中，s‑{s(1)…s(i)}是序列s除去其前i个序列点后的其余部分；矩阵中第i+1行第j+1列元素的意义为，在序列s1中除去前i个序列点，在序列s2中除去前j个序列点，两者间的动态时间弯曲距离，整个矩阵相当于将两序列的尾部作为基准对齐，将两序列的头部进行伸缩，所得到的各种伸缩情况下的时间弯曲距离；为加快计算速度，动态时间弯曲距离通过反向计算式(6)中的弯曲距离矩阵而得，根据式(5)从后向前逐行或逐列计算该矩阵，从而得出动态弯曲距离Dtw(s1,s2)；在两本应匹配的两序列对齐时，弯曲距离矩阵MDTW左上角第一个元素Dtw(s1,s2)，为参数矩阵中第一行和第一列中最小的值；当两本应匹配的两序列未对齐，发生偏移时，在MDTW第一行或第一列中找到比Dtw(s1,s2)更小的值，通过判断此最小值在第一行还是第一列，并查找其位置，则得到两序列之间以头部或尾部为基准，另一端大致的偏移程度，并根据此对两匹配序列中的一个，进行头部或尾部的伸缩；进行4次自适应伸缩，头伸缩‑尾伸缩‑头伸缩‑尾伸缩，则将两本应匹配的序列进行对其，并有效计算其动态时间弯曲距离；自适应伸缩动态时间弯曲算法的计算步骤：(1)将所有分段主序列smains(i)加入待匹配序列集合Us，并重新命名为smatch(i)，匹配次数计数r＝1；(2)依据式(5)计算各待匹配序列与查询序列间的动态弯曲距离Dtw(smatch(i),squery)及其弯曲距离矩阵MDTW(i)，在MDTW(i)第一行中查找最小值，标记该最小值为Dmin(i)，并标记其列标号为Pmin(i)；(3)将Dmin(i)升序排列，取smatch(i)在smainscale中的起止位置为start(i)和end(i)；若r等于4，则取Dmin(i)最小的序列smatch(k)，使start(k)＝start(k)‑Pmin(k)+1，更新smatch(k)、倒序smatch(k)，结束搜索，smatch(k)为最佳匹配结果；若r不等于4，则取Dmin(i)排名前50％的序列smatch(k)，使start(k)＝start(k)‑Pmin(k)+1，end(k)＝end(k)‑Pmin(k)+1，更新smatch(k)，进入下一步；(4)从Us中去除排名后50％的序列，并按照排名顺序重新命名Us中的序列为smatch(i)，将smatch(i)、smainscale、squery均倒序，回到步骤(2)。