[发明专利]基于并联长短期记忆网络的制造装配产品质量预测方法

摘要

本发明公开了一种基于并联长短期记忆网络的制造装配产品质量预测方法。产品各个工位步骤的特征获取；产品各个工位步骤的特征预处理过程；基于并联长短期记忆网络的产品质量预测模型的建立；基于并联长短期记忆网络的产品质量预测模型的参数优化训练；基于上述质量预测模型，对待测样本的质量特征进行预测。本发明用于处理制造装配过程中可能存在并行工步时的产品质量预测问题，其可以自动获取并行工步之间的跨工步工艺过程参数之间的影响，具有较高的产品质量预测精度、灵活性、预测效率和模型重用性。

主权项

1.一种基于并联长短期记忆网络的制造装配产品质量预测方法，其特征在于：所述方法包括以下主要流程步骤：步骤一、产品各个工位步骤的特征获取；步骤二、产品各个工位步骤的特征预处理过程；步骤三、基于并联长短期记忆网络的产品质量预测模型的建立；步骤四、基于并联长短期记忆网络的产品质量预测模型的参数优化训练；步骤五、基于上述质量预测模型，对待测样本的质量特征进行预测；方法具体如下：步骤1、数据获取通过多传感器获取产品制造装配过程各个工位步骤中的过程参数数据作为输入特征数据，包括产品各个工位步骤的工艺过程参数和测量参数；步骤2、数据预处理数据预处理过程包括异常值处理、依据产品制造装配过程的特征分组与排序处理、特征分组组内空缺输入特征的处理、工位步骤不平衡数据集的均衡随机重采样处理、组内特征的降维处理；步骤2‑1、样本数据异常值处理设定阈值基准，根据参数数据与阈值基准之间的大小关系，判断所有输入特征是否存在异常值或离群点，若存在异常值或离群点则删除；步骤2‑2、依据产品制造装配过程的特征分组与排序处理将产品的制造装配过程按照制造装配工序设置不同模块，工序中的每个工位步骤设置一个模块，按照输入特征记录时所处的模块将所有输入特征进行分组，同时按照模块之间工位步骤的时序关系将分好组后的输入特征进行排序，分为并行和串行两种排序方式，处于同一时刻的多个工位步骤对应的模块形成并行模块，并行模块中的各个工位步骤之间的排列顺序无影响；步骤2‑3、特征分组组内空缺输入特征的处理一个零件在整个制造装配工序中所得到的输入特征以及最终该零件的质量特征组成了样本条目，然后作以下判断：若含有空缺输入特征的样本条目的数量少于样本条目总数的30％，针对所有含有空缺输入特征的样本条目中的空缺输入特征，使用其他样本条目中的该空缺输入特征的均值进行填充；若含有空缺输入特征的样本条目的数量不少于样本条目总数的30％，针对所有含有空缺输入特征的样本条目中的空缺输入特征，使用空缺输入特征所在工位步骤的其他特征作为输入，使用回归或分类方法进行预测获得后进行填充；步骤2‑4、工位步骤不平衡数据集的均衡随机重采样处理由步骤2‑3填充处理获得的所有特征构成数据集，采用工位步骤样本均衡随机重采样算法对数据集进行处理；步骤2‑5、组内特征的降维处理采用自编码器进行维度缩减，获取产品的特征数据从高维空间到低维空间的非线性映射关系；步骤3、基于并联长短期记忆网络的制造装配过程产品质量预测模型构建针对每个工位步骤的模块构建单独的质量特征嵌入模型、并联长短期记忆网络和终处理模型，质量特征嵌入模型由质量预测子模型和后处理子模型构成，并联长短期记忆网络由长短期记忆单元、传输门和输出门构成；不同工位步骤根据制造装配工序的时序关系共享并联长短期记忆网络；在每个工位步骤的模块中，质量特征嵌入模型和长短期记忆单元依次衔接，每个工位步骤的工艺过程参数和测量参数输入到质量预测子模型中，经质量预测子模型处理获得该工位步骤的隐式质量参数，然后输入到后处理子模型，经后处理子模型升维或降维处理获得规范维度的向量，由规范维度的向量得到工位步骤对应的工步特征嵌入e_t,j；然后输入到长短期记忆单元，经长短期记忆单元处理获得长短期记忆单元的单元状态和隐藏状态进而用于工位步骤之间的传递；在相邻时刻并行工位步骤对应的并行模块之间的设置连接有多个传输门，传输门的数量和处于下一时刻的并行模块中的工位步骤数量相同，在终处理模型和最后一个并行工位步骤对应的并行模块之间设置连接有一个输出门；上一个时刻的以及上一时刻之前所有的工位步骤的长短期记忆单元获得的长短期记忆单元的单元状态和隐藏状态输入到后面所连接的传输门中，传输门中将上一时刻的以及上一时刻之前的所有并行工位步骤的两种状态进行合并，且单元状态c_t‑1,j和隐藏状态h_t‑1,j分别各自合并；传输门将合并后的单元状态c_t‑1,j和隐藏状态h_t‑1,j输入到当前时刻各自对应的工位步骤的长短期记忆单元中，用于记忆和传递该工序各个工位步骤的隐式质量参数对最终预测目标的影响情况；同时对于第一个工位步骤，将预设的初始单元状态c₀和初始隐藏状态h₀输入到第一个长短期记忆单元中；最后一个工位步骤的长短期记忆网络输出的单元状态和隐藏状态作为并联长短期记忆网络的输出门的输入，获得终处理模型的输入h_T，经终处理模型处理后获得输出产品的质量特征；步骤4、基于并联长短期记忆网络的制造装配过程产品质量预测模型的参数优化训练将步骤2预处理获得特征数据与已知的质量特征参数一起输入到质量预测模型中进行各自最优参数优化训练，训练获得质量特征嵌入模型、并联长短期记忆网络以及终处理模型各自的模型参数；步骤5、待测样本质量特征预测将步骤2获得待测输入特征数据输入到质量预测模型中各自的质量特征嵌入模型中进行预测，预测输出获得待测输入特征数据对应的质量特征，从而完成质量预测。