[发明专利]基于降维与支持向量机的产品早期故障根原因识别方法

摘要

一种基于降维与支持向量机的产品早期故障根原因识别方法，其步骤如下：1、构建故障特征导向的关联树概念模型；2、构建故障根原因节点大数据模型；3、产品寿命周期质量与可靠性数据收集；4、构建主成分分析技术模型；5、基于主成分得分的关联树构建；6、构建支持向量机技术分类模型；7、基于支持向量机技术分类的节点优先级排序；8、结果分析。本发明从产品可靠性形成角度大数据出发，突破了高维大数据冗余难题，从根本上弥补传统意义上忽略高维数据特征空间而导致的对早期故障机理认识的不精确与误判，提高了大数据环境下早期故障根原因识别效率和准确性，在工程应用中为制造商提供了明确的目标和对象去实施积极的早期故障管控策略。

主权项

1.一种基于降维与支持向量机的产品早期故障根原因识别方法，提出的基本假设如下：假设1可靠性设计方案不变；假设2产品设计、制造到使用环节过程是可测量的；假设3过程检测值相互独立；假设4销售、运输环节对产品早期故障的影响不考虑；基于上述假设，其特征在于：该识别方法的实施步骤如下：步骤一 构建故障特征导向的关联树概念模型；其构建的做法如下：借鉴公理化域映射理论与瀑布式分解理论，从系统论角度自上而下将早期故障特征映射到功能域，实现功能分解；进而，每个功能需求转化到物理域完成物理分解，继而，被映射到过程域，完成工艺分解并最终形成故障特征导向的关联树概念模型；步骤二 构建故障根原因节点大数据模型；所述的“故障根原因”是关联树中的关键节点，是指区别于直接原因且具有潜在性的特点，是导致故障发生的最根本的原因；所述的“构建故障根原因节点大数据模型”，其构建的方法如下：首先，针对目前对早期故障机理的笼统归因于设计、制造和使用无法明确定位的问题，立足于产品早期故障症状，从产品最终可靠性形成角度出发，从设计、制造和使用进行系统梳理导致产品早期故障的原因，提取相关数据；最后，依据所提取的数据信息，建立起潜在故障根原因大数据模型；步骤三 产品寿命周期质量与可靠性数据收集；是利用历史数据和专家经验手段基于步骤2的大数据模型收集设计、制造、使用三方面的产品生命周期内的质量检测历史数据以及故障数据；步骤四 构建主成分分析技术模型；其构建方法如下：首先，在关联树概念模型中选择进行数据降维的目标节点；其次，针对建立的故障根原因大数据模型，将原始数据集的多个维度进行整理，作为训练样本；给定一个d维空间的具有n个过程变量的N个数据样本，X＝[x₁,x₂,…,x_N]是原始故障数据输入向量集，是样本均值，其协方差计算为：给定一个n维特征向量x_i，其中，i＝1,2,…,N，特征向量VR的正交投影方向为：RV＝ΛV其中Λ是特征值矩阵，特征值能通过解下面的方程获得：|R‑λI|＝0其中λ是特征值,其中，i＝1,2,…,N，I是单位矩阵：Λ＝diag[λ₁,λ₂,…,λ_k]继而，通过变换把原始的数据通过该变换，变换到一个新的空间中，在这个新的变换空间，能够找到原始数据的主要的属性，通过对这些属性进行选取前d个分量降到d维空间，降低数据的维度；步骤五 基于主成分得分的关联树构建；其构建方法如下：把原始数据进行数据的标准化处理，各PCA提取主成分，得到各主成分下的新数据，即为主成分所占的分值，再利用主成分得分值确定各个节点建立故障关联树，其中主成分得分的具体形式如下：步骤六 构建支持向量机技术分类模型；其构建方法如下：支持向量机技术是基于结构风险最小化理论之上在特征空间中建构最优分割超平面；假设输入向量集为T＝(x_i,y_i)，构造最优超平面的问题转化为下列二次规划问题：St.y_i(w^Tx_i+b)≥1‑ξ_i,ξ_i≥0这里w和b为因子，ξ_i是松弛变量，C为惩罚因子；该最优化问题转化为新的二元问题为：在特征空间，为了使最大化边界2/||w||找到最优超平面，决策函数转换为：这里x表示识别的样本，b为阈值，α_i为拉格朗日乘数，sgn(u)为符号函数，K(x_i,x_j)为核函数，选择高斯径向基函数为核函数，表达如下：K(x,x_i)＝exp(‑γ||x‑x_i||²)γ为高斯核函数宽度，其中，γ＞0，最终问题能转换为如下方程：利用支持向量机处理多分类数据，因此一对多的分类方法需要建立K(K‑1)/2个分类器；步骤七 基于支持向量机技术分类的节点优先级排序；这是针对步骤5中估算的关联树节点主成分构建的故障关联树，利用步骤6构建的支持向量机模型进行故障关联树节点的分类；首先选择故障关联树中的目标节点；再根据支持向量机模型给定不同参数C和γ计算支持向量机分类器的准确率；最后，依据分类的准确率大小得到节点优先级排序；步骤八 结果分析；是指依据步骤7的结果分析对比不同参数下分类器的结果，得到故障关联树节点权重优先级，并最终确定产品早期故障的根原因；通过以上步骤，实现了产品寿命周期高维大数据环境下的故障根原因的溯源分析，在工程应用中为制造商实施积极的早期故障管控策略提供了明确的目标，能避免对早期故障原因的误判分析和控制的无效，有利于产品在设计、工艺设计阶段采取事前预防和整改措施。