[发明专利]一种智能工厂中多模态制造数据预处理的方法

摘要

本发明涉及一种智能工厂中多模态制造数据预处理的方法，包括：S1：接收工业数据采集系统所采集的制造数据，并将其构成训练集D；S2：对训练集D进行聚类得到聚类结果，构建神经网络模型，根据训练集D和其聚类结果对神经网络模型进行训练后得到最终的多模态制造数据集成模型；S3：通过多模态制造数据集成模型对需要处理的制造数据集进行分类；S4：对制造数据集进行去噪处理；S5：对制造数据集进行去冗处理；S6：识别制造数据集中的缺失值，对缺失值进行填充。本发明通过构建多模态制造数据集成模型将多模态制造数据按模型簇聚类，便于后续环节的数据处理；使用数据多级优化清洗策略，提高数据质量，保障数据正确性、一致性、完整性和可靠性。

主权项

1.一种智能工厂中多模态制造数据预处理的方法，其特征在于，包括以下步骤：S1：接收工业数据采集系统所采集的制造数据，并将其构成训练集D＝(d₁，d₂，...d_x，...，d_n)，其中n为数据的个数；S2：对训练集D进行聚类得到聚类结果，构建神经网络模型，根据训练集D和其聚类结果对神经网络模型进行训练后得到最终的多模态制造数据集成模型；所述对训练集D进行聚类包括以下步骤：S201：初始化参数：将训练集D划分为z组，每组的聚类中心设为C_y，其中下标y＝1，2，3，...，z，设定迭代次数h＝0、最大迭代次数H和阈值ε；S202：用在[0，1]范围内的随机数构建x×y的隶属度矩阵L，矩阵中的任意元素L_xy满足如下公式：其中，L_xy表示训练集D中的数据x对于聚类中心C_y的隶属程度；S203：判断迭代次数h是否小于最大迭代次数H，若小于，则设定h＝h+1，进入S204，否则，进入S208；S204：计算每组的聚类中心C_y：S205：计算目标函数J：其中，F_xy＝||D_x‑C_y||，表示训练集中第x个数据到第y组的聚类中心C_y的欧几理德距离；S206：判断目标函数J是否小于阈值ε，若小于，则进入S208，否则，进入S207；S207：更新隶属度矩阵，返回S203，其中隶属度矩阵的更新公式为：其中，k为参数变量；S208：输出聚类结果L_x：其中：L_x为训练集D中的数据x的聚类划分，公式表示当x固定时，查找最大的L_xy；S3：通过多模态制造数据集成模型对需要处理的制造数据集进行分类；S4：对制造数据集进行去噪处理；S5：对制造数据集进行去冗处理；S6：识别制造数据集中的缺失值，对缺失值进行填充。