[发明专利]基于数据驱动的注塑制品尺寸合格性智能判定方法

说明书

本发明公开了一种基于数据驱动的注塑制品尺寸合格性智能判定方法，包括以下步骤：S1、采集注塑加工过程中的过程数据，对采集数据集进行数据清洗，对数据集进行标准化处理并重构标签；S2、对所得数据集，使用基于树模型的特征筛选方法和卡方检测特征筛选方法，确定特征筛选的维度，筛选特征，降低输入数据的维度；S3、采用5折交叉验证筛选出分类模型，并以ROC曲线和AUC值对筛选出的分类模型的分类性能进行评估；S4、在分类模型的损失函数中加入L1正则化；S5、对分类模型进行贝叶斯优化，选择最适合于注塑数据集的超参数，提升模型的分类准确率；S6、应用到实际判定。本发明用以解决人工对注塑制品尺寸合格性检测效率低，准确率低的问题。

技术领域

本发明属于注塑成型技术领域，具体涉及一种基于数据驱动的注塑制品尺寸合格性智能判定方法。

背景技术

塑料具有可塑性好，冲击强度较高，化学稳定性良好等特点，因此塑料制品广泛应用于各个行业、领域，其中通过注塑成型工艺制造的塑料产品占了60％以上。而随着互联网技术的不断更新，互联网+智能制造的概念与注塑成型工艺联系越来越密切。

注塑制品的质量涉及的因素众多，各个因素之间的相互影响，想要对注塑制品的某一指标进行直接判定，传统的凭借有限的经验和简单的公式的方法稳定性差、准确率低、效率低的弊端已经越来越明显。因此在互联网+智能制造的大环境出现了基于数据驱动的智能方法，基于数据驱动的智能方法不仅可以对注塑机的机台故障进行预测，还能对注塑制品的一些指标进行直接判定。

注塑制品的尺寸是注塑制品质量检测的重点，国内现阶段对注塑制品尺寸合格性的判定主要依靠人工进行检测，人工检测需要人工使用检测工具对注塑制品的尺寸进行测量，不仅速度慢、人力和物力投入巨大，而且容易造成漏判和误判，因此以注塑加工过程中的数据作为驱动，建立适合注塑数据集的分类模型对注塑制品的尺寸进行分类是亟待解决的问题。

发明内容

本发明的主要目的在于克服现有技术的缺点与不足，提出一种基于数据驱动的注塑制品尺寸合格性智能判定方法，以解决人工对注塑制品尺寸合格性检测效率低，准确率低的问题。

为了达到上述目的，本发明采用以下技术方案：

基于数据驱动的注塑制品尺寸合格性智能判定方法，包括以下步骤：

S1、采集注塑加工过程中的过程数据，对采集的数据集进行数据清洗，对数据集进行标准化处理并重构标签；

S2、利用采集所得的数据集，使用基于树模型的特征筛选方法和卡方检测特征筛选方法，确定特征筛选的维度，筛选特征；

S3、采用5折交叉验证筛选出分类模型，并以ROC曲线和AUC值对筛选出的尺寸分类模型的分类性能进行评估，得到最佳尺寸分类模型；

S4、在最佳尺寸分类模型的损失函数中加入L1正则化防止过拟合；

S5、对最佳尺寸分类模型进行贝叶斯优化，选择最适合于注塑数据集的超参数，提升分类模型的分类准确率；

S6、将最佳尺寸分类模型应用于注塑制品尺寸合格性智能判定，对特征影响注塑制品尺寸的重要程度进行排序，当注塑制品的尺寸出现问题时，可以帮助判断出故障的区域，减少故障排查的时间。

进一步的，步骤S1中，数据清洗包括对缺失值进行填充或删除，构造差值特征以及删除不变特征。

进一步的，步骤S1中，标准化处理具体为：

使用min-max标准化对原始采集数据进行线性变化，使结果值映射到[0,1]之间，计算公式为：

其中，x表示原始的数值，x^*表示标准化后的数值，min表示整个特征中最小的数值，max表示整个特征中最大的数值。