[发明专利]一种基于边缘计算的控制图模式识别方法和系统

权利要求书

1.一种基于边缘计算的控制图模式识别方法，其特征在于，包括：

确定待识别的控制图数据；

将所述待识别的控制图数据输入至模式识别模型中，得到所述模式识别模型输出的控制图模式识别结果；

其中，所述模式识别模型是基于样本特征值及对应的采样时刻训练得到的；

所述模式识别模型用于基于所述样本特征值及对应的采样时刻训练后，对所述待识别的控制图数据进行模式识别。

2.根据权利要求1所述的基于边缘计算的控制图模式识别方法，其特征在于，所述模式识别模型设置于边缘终端的控制图判别系统中；

所述待识别的控制图数据为通过边缘终端实时采集到的生产现场控制图数据。

3.根据权利要求1所述的基于边缘计算的控制图模式识别方法，其特征在于，所述模式识别模型是基于样本特征值及对应的采样时刻训练得到的，包括：

将所述样本特征值及对应的采样时刻输入至云端的深度学习神经网络，得到控制图模式表示；

通过对所述控制图模式表示进行参数设定获得控制图模式的数据，以完成所述模式识别模型的训练。

4.根据权利要求3所述的基于边缘计算的控制图模式识别方法，其特征在于，所述控制图模式包括正常模式、向上趋势模式、向下趋势模式、向上阶跃模式、向下阶跃模式和周期模式；

所述正常模式表示公式为：

d(t)＝0；

所述向上趋势模式和所述向下趋势模式表示公式为：

d(t)＝±v×d×t；

式中，v是决定趋势发生的位置的参数，在趋势之前等于0，在趋势之后等于1，d是趋势模式的斜率，符号+用于向上趋势模式，符号-用于向下趋势模式；

所述向上阶跃模式和所述向下阶跃模式表示公式为：

d(t)＝±v×s；

式中，v是决定阶跃发生的位置的参数，在阶跃之前等于0，在阶跃之后等于1，s是阶跃的幅值；符号+用于向上阶跃模式，符号-用于向下阶跃模式；

所述周期模式表示公式为：

d(t)＝v×a×sin(2πt/ω)；

式中，a是一个周期幅值，ω是一个波动周期。

5.根据权利要求1或3所述的基于边缘计算的控制图模式识别方法，其特征在于，所述样本特征值及对应的采样时刻为采用蒙特卡洛仿真生成的生产现场控制图模拟仿真数据，其公式表示为：

y(t)＝μ+x(t)+d(t)；

式中：y(t)表示在时刻t采集到的样本特征值，t是采样时刻，μ是过程受控时的特征均值，x(t)是在t时刻随机噪声，服从正态分布x(t)～N(0，σ²)，σ是标准差，d(t)是在t时刻由制造过程中的异常因素引起的波动。

6.根据权利要求1所述的基于边缘计算的控制图模式识别方法，其特征在于，将所述待识别的控制图数据输入至模式识别模型中，得到所述模式识别模型输出的控制图模式识别结果之后，还包括：

根据所述控制图模式识别结果判别异常，对异常进行提示报警并根据异常模式采取相应措施。

7.一种基于边缘计算的控制图模式识别系统，其特征在于，包括数据确定单元和模式识别单元；

所述数据确定单元，用于确定待识别的控制图数据；

所述模式识别单元，用于将所述待识别的控制图数据输入至模式识别模型中，得到所述模式识别模型输出的控制图模式识别结果；

其中，所述模式识别模型是基于样本特征值及对应的采样时刻训练得到的；

所述模式识别模型用于基于所述样本特征值及对应的采样时刻训练后，对所述待识别的控制图数据进行模式识别。

8.根据权利要求7所述的基于边缘计算的控制图模式识别系统，其特征在于，所述模式识别单元包括所述模式识别模型，所述模式识别模型设置于边缘终端的控制图判别系统中；

所述边缘终端，用于实时采集生产现场控制图数据，以得到所述待识别的控制图数据。