[发明专利]基于经验贝叶斯的数据批次效应处理方法、装置及介质

说明书

本发明公开了一种基于经验贝叶斯的数据批次效应处理方法、装置及介质，所述方法包括：获取电阻点焊过程中的焊点工艺参数数据集；其中，焊点工艺参数包括动态电阻值、动态电流值、动态电压值、电极位移和焊枪能量值；对焊点工艺参数数据集进行标准化处理，得到标准化后的焊点工艺参数数据集；根据标准化后的焊点工艺参数数据集建立概率分布模型，并对概率分布模型中的超参数进行参数估计；根据参数估计的结果建立批次效应处理模型，对标准化后的焊点工艺参数数据集进行批次效应处理。本发明基于经验贝叶斯方法对焊点工艺参数数据进行批次效应处理，将批次内样本数据值收缩到批次间总体样本均值，从而实现消除焊点工艺参数数据的批次效应。

技术领域

本发明涉及电阻点焊技术领域，尤其涉及一种基于经验贝叶斯的数据批次效应处理方法、装置及介质。

背景技术

目前，汽车行业主要采用人工抽检的方法来检测车身焊点质量，但是该方法存在被检测焊点覆盖面窄、抽检频率低等问题，容易造成大量不合格焊点流出，导致安全隐患。为了解决这个问题，汽车行业正在尝试通过对车身电阻点焊的工艺参数进行大数据分析来建立焊接工艺参数对焊点质量的影响模型，通过对电阻点焊过程中工艺参数的实时监测来判断焊点质量，实现车身焊点质量的全检，消除不合格焊点流出导致的安全隐患。

但是，在分析大量焊点工艺参数数据的过程中，往往涉及不同生产线、不同车型与板材配合、不同焊枪、不同时间采集到的工艺参数数据。由于不同的生产线环境和焊接设备，以及相同设备在不同时间段不可避免的存在差异，可能会对采集到的数据产生明显的噪声干扰，造成不同批次的点焊数据产生与样本质量无关的随机性差异，即产生显著的批次效应。如果不能通过数据预处理消除批次效应带来的差异，就会导致后续分析及质量预测产生较大的偏差，无法反映真实的焊接质量情况。

发明内容

本发明实施例所要解决的技术问题在于，提供一种基于经验贝叶斯的数据批次效应处理方法、装置及介质，基于经验贝叶斯方法对焊点工艺参数数据进行批次效应处理，将批次内样本数据值收缩到批次间总体样本均值，从而实现消除焊点工艺参数数据的批次效应。

为了实现上述目的，本发明实施例提供了一种基于经验贝叶斯的数据批次效应处理方法，包括：

获取电阻点焊过程中的焊点工艺参数数据集；其中，所述焊点工艺参数包括动态电阻值、动态电流值、动态电压值、电极位移和焊枪能量值；

对所述焊点工艺参数数据集进行标准化处理，得到标准化后的焊点工艺参数数据集；

根据所述标准化后的焊点工艺参数数据集建立概率分布模型，并对所述概率分布模型中的超参数进行参数估计；

根据参数估计的结果建立批次效应处理模型，对所述标准化后的焊点工艺参数数据集进行批次效应处理，以消除焊点工艺参数数据集的批次效应。

作为上述方案的改进，所述获取电阻点焊过程中的焊点工艺参数数据集，具体包括：

通过数据采集系统采集电阻点焊过程中的焊点工艺参数数据；

对采集到的焊点工艺参数数据建立焊点工艺参数数据集D，

其中，b为批次数，b＝1...B；s为焊点样本数，s＝1...S；c为特征参数，c＝1...C。

作为上述方案的改进，所述对所述焊点工艺参数数据集进行标准化处理，得到标准化后的焊点工艺参数数据集，具体包括：

建立所述焊点工艺参数数据集的标准化处理模型为：