基于数据驱动的注塑制品尺寸合格性智能判定方法

技术特征：
1.基于数据驱动的注塑制品尺寸合格性智能判定方法，其特征在于，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。2.根据权利要求1所述的基于数据驱动的注塑制品尺寸合格性智能判定方法，其特征在于，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。3.根据权利要求1所述的基于数据驱动的注塑制品尺寸合格性智能判定方法，其特征在于，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。4.根据权利要求1所述的基于数据驱动的注塑制品尺寸合格性智能判定方法，其特征在于，步骤s1中，重构标签具体为：当注塑制品的尺寸数据在允许的公差范围内时，将标签标记为1，当注塑制品的尺寸数据在允许的公差范围外时，将标签标记为0。5.根据权利要求1所述的基于数据驱动的注塑制品尺寸合格性智能判定方法，其特征在于，步骤s2中，基于树模型的特征筛选具体为：通过基尼不纯度的变化量来对特征的重要程度进行排序，计算公式为：δgini(a)＝gini(d)-gini(d-a)其中，gini(d)表示数据集d的基尼不纯度，p
i
表示类别为i的样本占总数的概率，δgini(d-a)为加入特征a以后的基尼不纯度的减少量，该值越大表明特征a与标签的相关性越大，gini(d-a)为数据集d确定特征a以后的基尼不纯度；卡方检测特征筛选方法具体为：
通过卡方值的大小来对特征的重要程度进行排序，计算公式为：其中，x
i
表示实际值，e表示理论值。6.根据权利要求5所述的基于数据驱动的注塑制品尺寸合格性智能判定方法，其特征在于，步骤s2中，确定特征筛选的维度具体为：当使用基于树模型的特征筛选方法时，以δgini的平均值为阈值；当使用卡方检测特征筛选方法时，以卡方值的平均值为阈值。7.根据权利要求1所述的基于数据驱动的注塑制品尺寸合格性智能判定方法，其特征在于，步骤s3中，5折交叉验证方法具体为：将注塑数据集切分成5份数据集，计算5次mse的平均值，以平均mse筛选常用于工业数据的现有的分类模型。8.根据权利要求1所述的基于数据驱动的注塑制品尺寸合格性智能判定方法，其特征在于，步骤s3中，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，具体为：对以下指标进行评估：真正类tp、漏判fp、误判fn、真负类tn、合格品被分类为合格品的样本占所有合格品的比率tpr、不合格品被分类为合格品的样本占所有不合格品的比率fpr以及准确率accuracy。9.根据权利要求1所述的基于数据驱动的注塑制品尺寸合格性智能判定方法，其特征在于，步骤s4具体为：在lr模型的损失函数中加入l1正则化，防止模型过拟合，损失函数的公式为：其中，||ω||1为l1正则化项，α为正则化项前的系数。10.根据权利要求1所述的基于数据驱动的注塑制品尺寸合格性智能判定方法，其特征在于，步骤s5中，使用贝叶斯优化方法对尺寸分类模型的超参数进行优化，得到最适合注塑制品尺寸数据集的超参数，得到最好的尺寸分类模型，使得分类的准确率最高。

技术总结
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。题。题。


技术研发人员：宋建 王宇峰
受保护的技术使用者：华南理工大学
技术研发日：2022.01.11
技术公布日：2022/5/31