[发明专利]基于人工智能的制壳生产过程的工序监测方法与系统

权利要求书

1.基于人工智能的制壳生产过程的工序监测方法，其特征在于，包括以下步骤：

步骤S01，获取制壳生产过程中各个工序在当前时刻下的m个特征参数，m≥2；

步骤S02，将各个工序在当前时刻下的m个特征参数，带入对应各工序的设定主元向量的偏离投影模型，确定各个工序的特征参数在主元向量的各偏离方向上的投影值，并判断各偏离方向上的投影值是否在设定的投影值临界范围；

步骤S03，根据各个工序的特征参数在各偏离方向上的投影值与投影值临界范围的偏差，判断对应的工序是否异常，当判定为工序异常时进行报警提醒；

步骤S02中，各工序的设定主元向量的偏离投影模型的确定过程如下：

步骤S0201，获取各个工序的m个特征参数的历史数据，历史数据包括n个时刻下的m个特征参数，n≥2，确定n个时刻下的m个特征参数分别与对应的m个标准特征参数之间的特征参数差异，构成各工序下的差异矩阵；

步骤S0202，利用主成分分析算法，确定各工序下差异矩阵的k个主成分向量，以及与各主成分向量对应的一组特征向量；其中k≥2，k个主成分向量的方向对应为特征参数在主元向量的k个偏离方向，每个主成分向量对应的一组特征向量即为映射到对应偏离方向的一组特征向量；

步骤S0203，利用各工序下m个特征参数在主元向量的k个偏离方向的特征向量，构建各工序的设定主元向量的偏离投影模型，该模型为：各工序在某一时刻下的m个特征参数，分别与对应k个偏离方向的特征向量进行内积运算，得到对应工序的特征参数在主元向量的k个偏离方向上的投影值。

2.根据权利要求1所述的基于人工智能的制壳生产过程的工序监测方法，其特征在于，步骤S02中，设定的投影值临界范围的确定过程如下：

步骤S0211，获取各个工序的m个特征参数在正常制壳生产工况下的特征参数范围，包括m个特征参数上限和m个特征参数下限，m个特征参数上限构成特征参数上限向量，m个特征参数下限构成特征参数下限向量；

步骤S0212，将各工序下的特征参数上限向量与对应k个偏离方向的特征向量进行内积，得到对应工序的特征参数在主元向量的k个偏离方向上的第一投影限值；

将各工序下的特征参数下限向量与对应k个偏离方向的特征向量的内积，作为对应工序的特征参数在主元向量的k个偏离方向上的第二投影限值；

步骤S0213，通过各偏离方向上的第一投影限值和第二投影限值，得到各偏离方向上的投影值临界范围，该投影值临界范围的两个临界值即为第一投影限值和第二投影限值。

3.根据权利要求2所述的基于人工智能的制壳生产过程的工序监测方法，其特征在于，步骤S0212中，特征参数在主元向量的某个偏离方向上的第一投影值的计算公式如下：

其中，为第一投影限值，为特征参数在主元向量的某个偏离方向的特征向量，为特征参数上限向量。

4.根据权利要求2所述的基于人工智能的制壳生产过程的工序监测方法，其特征在于，步骤S0212中，特征参数在主元向量的某个偏离方向上的第二投影值的计算公式如下：

其中，为第二投影限值，为特征参数在主元向量的某个偏离方向的特征向量，为特征参数下限向量。

5.根据权利要求1所述的基于人工智能的制壳生产过程的工序监测方法，其特征在于，步骤S03中，判断对应的工序是否异常包括：

若某工序在当前时刻下特征参数的主元向量在k个偏离方向上的投影值，均在对应的投影临界范围中，则判定该工序正常；

若k个偏离方向上的投影值中的至少一个，不在对应的投影临界范围中，则计算各个工序的特征参数在各偏离方向上的投影偏差均值，将该投影偏差均值与设定异常程度阈值比较，当该投影偏差均值大于异常程度阈值时，判断该工序异常。

6.根据权利要求5所述的基于人工智能的制壳生产过程的工序监测方法，其特征在于，所述投影偏差均值的计算式如下：

其中，为某个工序的特征参数在各偏离方向上的投影偏差均值，c为不在对应投影临界范围中的投影值数量，w为不在投影临界范围中的投影值所对应的主元向量的第w个偏离方向，为各个工序的特征参数在第w个偏离方向上的投影偏差。