[发明专利]基于聚类超球体模型的产品质量快速判定方法

说明书

一种基于聚类超球体模型的产品质量快速判定方法，通过大量样本数据确定最小封闭超球体，并求出超球体的半径和球心，计算检测点与球心的距离，实现对生产过程中产品质量的快速且高准确率判定。该方法具体包括：首先对选定的训练数据集做k‑means聚类，使其分为k个子数据集；其次，对每个子集的数据进行最小封闭超球体的优化求解，确定其半径和球心，并计算出镜像球心在原始数据域的确切原像，进而优化判别函数；最后计算待检测样本点与每一个超球体球心的距离，并将其与超球体半径做比较，从而判定出该检测点的质量情况。本发明与现有产品质量判定方法相比，提出的聚类超球体模型能更精细化确定多超球体的边界，并通过超球体镜像球心的原像极大简化了判别函数，提高了质量判定的快速性。

技术领域

本发明属于产品质量快速且高准确率判定的技术领域，涉及到单一类数据向量判别边界建模的方法。

背景技术

在流程工业中，产品制造过程涉及多个连续衔接的工序，每个工序都要求工艺参数的设定值和质量指标控制在确定的范围内，才能确保成品的最终质量。目前，企业对产品质量管控的主要方法是通过“事后”抽样来判定产品的整体品质。这种依赖于“事后”判定的方式容易导致批量的产品质量判废。为了减少因质量异议产生的经济索赔和产品退货，当前制造类企业需要提高产品质量稳定性以保证产品的可持续发展。

随着工业4.0时代的来临，制造技术正逐步从自动化、数字化、网络化向智能化方向发展。作为工业4.0的重要策略之一，信息物理融合系统(Cyber Physical System，CPS)具有自主判断、自主决策、自主调控的能力，将CPS和数字孪生模型应用于智能制造引起了业内的高度关注。经过近十年的升级改造，多数制造类企业在信息化系统和控制技术上取得了显著进步，都配置了ERP/MES/PCS/PLC等信息化系统、通讯网络和检测系统。但是，现有的制造体制主要处于集中式管理模式，缺乏产品质量在线管控能力，难以实现产品质量个性化定制的智能制造要求，需要探求一种产品质量快速且高准确率判定方法。

一般而言，对于产品质量判定的方法大多基于数据驱动和支持向量数据描述进行单一类数据建模，文献(Yi-Huang Liu,Yan-Chen Liu,Yen-Jen chen.Fast supportvector data descriptions for novelty detection[J].Fast support vector datadescriptions for novelty detection,2010,21(8):1296-1313)提出了一种快速支持向量机数据描述方法，但该方法只适用于正常数据与异常数据分离明显的情况，当两类数据比较相近时判定准确率较低。文献(徐钢,张晓彤,黎敏,徐金梧.基于嵌入式CPS模型的产品质量在线管控方法[J].机械工程学报,2017,53(12):94-101)提出一种基于软超球体模型的质量判定的方法。这类算法虽然能很好的解决准确率的问题，但其计算量大，且不利于在大数据样本下进行建模，不满足制造工厂实际生产情况。文献(NicoLuiz AlbertoLima,Klaus-Robert Müller,Marius Kloft,Shinichi Nakajima.Suppor vector datadescriptions and k-means clustering:one class？[J].IEEE Transactions on neuralnetworks and Learning systems,2018,29(9)：3944-4006)提出一种利用多个超球体模型的支持向量数据描述方法，该方法解决了大样本下建模的问题，但是其建模过程复杂且最后的判别函数计算量大，检测过程较慢，不满足产品质量在线判定的实时性要求。鉴于上诉方法的优缺点，本发明拟采用聚类超球体模型来实现生产过程中产品质量的高准确率判定。

发明内容

本发明的目的是提供一种大数据样本下单一类产品质量判定的方法，该方法能适应于样本数据大，难以获得足够的异常样本，检测实时性要求高等应用场合。聚类超球体模型可以通过实际检测样本与每个超球体球心的距离判定产品质量，具有良好的实时性、泛化能力和准确率。