[发明专利]一种面向工业大数据的产品质量多源深度融合预报方法

权利要求书

1.一种面向工业大数据的产品质量多源深度融合预报方法，其特征在于：包括以下步骤：

步骤1、采集实际工业现场中的多源异构钢板生产过程的生产数据作为样本数据，并存储到数据库；利用样本划分算法，将采集到的数据样本划分为训练集、验证集、测试集；

步骤2、将采集到的样本数据利用数据清洗算法去除数据中的异常样本，同时利用数据补齐算法对输入数据进行数据预处理，使所有样本数据的维度统一；

步骤3、将步骤2处理过的多源异构数据根据工业生产的实际工艺流程与数据特征分为不同的数据块，将每个数据块的均值、方差、最大值、最小值与最终的钢板板型质量标签之间的最大互信息系数求和，得到不同数据块与最终钢板板型质量之间的相关系数；

将采集到的生产过程中的多源异构数据根据工业生产的实际工艺流程与数据特征划分为一维数据块、二维数据块和三维数据块，对不同的数据块分别求取均值、方差、最大值和最小值，用以表征该数据块的信息，将上述所有的统计量组合成一维统计指标向量，表示如下：

其中，分别表示第i个样本数据所在的第n个数据块的均值、方差、最大值和最小值；

计算所有样本数据的统计指标S＝{s₁,s₂,…,s_i}与最终的钢板板型质量标签Y＝{y₁,y₂,…,y_i}之间的最大互信息系数，得到连续变量S与Y之间的相关系数，表示如下：

其中，分别为第n个数据块的均值、方差、最大值、最小值与最终的钢板板型质量标签的最大互信息系数；

将每个数据块的均值、方差、最大值、最小值与最终的钢板板型质量标签之间的最大互信息系数求和，得到不同数据块与最终钢板板型质量之间的相关系数M＝{m₁,m₂,…,m_n}，其中，m_n表示第n个数据块与最终钢板板型质量之间的相关系数，即

步骤4、针对复杂工业过程中产生的不同数据块，分别使用不同的深度学习网络作为数据特征提取层，挖掘隐含在数据内部的特征；

步骤5、根据步骤3中计算得到的不同数据块与最终钢板板型质量之间的相关系数，为步骤4中提取到的每个数据块中的数据特征分配权重，同时将加权后的数据特征进行融合，得到加权融合后的数据特征；将加权融合后的数据特征输入到一个单层神经网络中，从数据特征中提取到钢板生产过程数据中隐含的钢板板型质量标签信息；利用softmax函数将提取到的质量标签信息做空间归一化，得到最终的质量标签预测值；使用交叉熵损失函数计算质量标签预测值与真实标签之间的损失；

步骤6、利用步骤2中经过数据预处理后得到的钢板数据，训练步骤3、步骤4、步骤5中建立起来的神经网络结构，得到钢板板型质量的预报模型F，通过该预报模型利用工业生产过程中的多源异构数据预报出钢板板型质量。