[发明专利]智能制造测量控制集成模型及其建立方法应用

说明书

本发明提供智能制造测量控制集成模型及其建立方法应用，通过将加工轨迹法与模型融合法相结合，建立适用于智能制造测量控制的集成模型。模型建立具体步骤为：1、将样本集划分为校正集和验证集；2、采用蒙特卡罗亚采样(MCS)技术抽取样本；3、采用加工轨迹法优化模型建立参数；4、采用标定方法建立最优单一模型；5、最后分别运用串联和并联方法融合最优单一模型，形成集成模型。本发明提出的模型建立方法可靠、有效；建立的集成模型准确性较高，适用范围较广。采用加工轨迹法优化模型建立参数，保证了所建立单一模型为最优；采用串联和并联集成方法，提高了模型的准确性和鲁棒性。

技术领域：

本发明属于制造领域，具体涉及到智能制造测量控制集成模型及其建立方法应用。

技术背景

“智能化”是如今各制造业转型及保持竞争优势的关键。准确度是评价智能化生产的重要指标——帮助有效实现高精度的快速生产。搭上智能化制造这一趟发展快车的要点之一是要掌握核心的过程控制技术，提高智能制造测量控制的准确性。

智能制造是制造信息技术发展的必然，是自动化和集成技术向纵深发展的结果。智能制造过程的连续性，生产工艺复杂性等问题使得所建立的测量控制模型准确性不高。研究发现单一模型的准确性易受环境、设备等的影响，目前采用的在Bagging、Boosting、Random forest等模型集成方法，可在一定程度上改善上述情况，提高模型的准确性和鲁棒性，但仍有较大的提升空间。开发并应用准确性更高的智能制造测量控制集成模型是持续推进制造智能化的必由之路。

发明内容

基于以上内容，为解决智能制造测量控制模型准确性问题，我们提出了新的智能制造测量控制集成模型及其建立方法应用，为了实现本发明的上述目的，采用以下技术方案：

智能制造测量控制集成模型建立方法应用，具体包括以下步骤：

步骤一、采用Kennard-Stone将数据集划分为校正集和验证集，其中校正集用于校正模型，验证集用于验证模型准确性；

步骤二、采用蒙特卡罗亚采样技术从步骤一划分出的校正集中抽取n个独立样本，作为后续模型建立的样本集；

步骤三、采用加工轨迹法，即对预处理方法、变量选择方法、主成分、潜在因子数进行全因素筛选，得到建立最优模型的参数组合；

步骤四、基于n个独立样本，采用包括偏最小二乘回归、主成分回归、最小二乘支持向量回归在内的k种标定方法，建立k*n个最优单一模型；

步骤五、基于串联和并联模型融合方法，融合最优单一模型，获得智能制造测量控制集成模型预测结果：

1)、采用串联的模型融合方法，分别将n个最优模型的预测结果进行融合，在此基础上，基于标定方法的不同，将融合后的k种标定方法的建模结果进一步融合，获得基于串联的智能制造测量控制集成模型预测结果；

2)、采用并联的模型融合方法，分别将k种标定方法的建模结果进行融合，在此基础上，基于样本的不同，将融合后的n个模型预测结果进行融合，获得基于并联的智能制造测量控制集成模型预测结果。

附图说明

图1为智能制造测量控制集成模型建立方法示意图；

图2为玉米数据集(a)和银黄颗粒数据集(b)PCR模型加工轨迹结果图；

图3为基于串联融合方法建立的集成模型预测玉米数据集(a)和银黄颗粒数据集(b)结果图；

具体实施方式

下面结合附图和具体实施方式对本发明进行进一步说明。

本实例以中药智能制造测量控制中的开源玉米数据集和银黄颗粒数据集为研究对象，对智能制造测量控制集成模型及其建立方法应用进行具体详细的说明，这两个示例不构成对本发明方法的范围限制。