买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：山东东阿古胶阿胶系列产品有限公司

摘要：本发明涉及模式识别技术领域，具体涉及一种速溶阿胶粉加工过程监测数据智能分析方法。该方法获取每个时刻下速溶阿胶粉的加工数据；根据每个批次内两个加工数据之间的特征分布差异，获取距离度量值，将每个批次内的加工数据进行聚类，获得目标聚类簇；根据每个加工数据与所在目标聚类簇内加工数据之间的波动差异，确定分段点进行加工数据的划分得到数据段；将批次进行分类获得批次类别，根据批次类别内每个数据段与其他数据段之间的相似情况，获取每个数据段的匹配数据段，构建每个批次类别中加工数据的连通图。本发明通过考虑加工数据在不同阶段和不同批次之间的变化，准确构建连通图，有利于对加工数据进行准确分析。

主权项：1.一种速溶阿胶粉加工过程监测数据智能分析方法，其特征在于，该方法包括以下步骤：获取预设时间段内每个批次每个时刻下速溶阿胶粉的加工数据；根据每个批次内任意两个加工数据对应时刻的差异和所在预设的时间窗口内加工数据的变化差异、以及每个批次内的加工数据在不同时间窗口中的分布情况，获取每个批次内任意两个加工数据的距离度量值，将每个批次内的加工数据进行聚类，获得每个批次内的目标聚类簇；根据每个批次内每个加工数据与相邻加工数据的变化关系、所在目标聚类簇内加工数据的分布情况、以及每个批次内时间窗口之间加工数据的变化程度，获取每个批次内每个加工数据的分段程度值，筛选出分段点进行加工数据的划分得到数据段；根据任意两个批次之间加工数据的相似程度，将所有批次划分为至少两个批次类别；根据每个批次类别中每个批次的每个数据段上加工数据的分布情况和每个批次的数据段数量，获取每个批次类别的基准批次；根据每个批次类别中非同一批次且非基准批次的任意两个数据段分别与基准批次的每个数据段的相似程度，以及任意两个数据段所在目标聚类簇之间的相似程度，获取每个批次类别中每个数据段的匹配数据段，构建每个批次类别中加工数据的连通图；所述根据每个批次内任意两个加工数据对应时刻的差异和所在预设的时间窗口内加工数据的变化差异、以及每个批次内的加工数据在不同时间窗口中的分布情况，获取每个批次内任意两个加工数据的距离度量值，将每个批次内的加工数据进行聚类，获得每个批次内的目标聚类簇的方法为：设定第一预设数量种不同长度的时间窗口，任选一种时间窗口作为目标时间窗口，任选一个批次作为目标批次，以目标批次内的每个加工数据为中心，构建目标批次内每个加工数据对应的目标时间窗口；将每个目标时间窗口内的第一个加工数据与最后一个加工数据相连构成的线段，作为目标批次内对应加工数据的目标线段；根据目标批次内每个加工数据对应的目标时间窗口内相同时刻下的加工数据与目标线段上的加工数据的差异，获取目标批次内目标时间窗口的置信程度值；对于目标批次内的第a个加工数据和第b个加工数据，根据目标批次内每种时间窗口的置信程度值、第a个加工数据与第b个加工数据在每种时间窗口下的目标线段的斜率差异、以及第a个加工数据与第b个加工数据对应时刻的差异，获取目标批次内第a个加工数据与第b个加工数据的距离度量值；根据每个批次内任意两个加工数据的距离度量值，通过DBSCAN聚类算法将每个批次内的加工数据进行聚类，获得每个批次内的目标聚类簇；所述距离度量值的计算公式为： ；式中，为第i个批次内第a个加工数据和第b个加工数据的距离度量值；U为时间窗口的种类总数量；为第i个批次内第u种时间窗口的置信程度值；为第i个批次内第a个加工数据在第u种时间窗口下的目标线段的斜率；为第i个批次内第b个加工数据在第u种时间窗口下的目标线段的斜率；为第i个批次内第a个加工数据对应的时刻；为第i个批次内第b个加工数据对应的时刻；为绝对值函数；norm为归一化函数；所述根据每个批次内每个加工数据与相邻加工数据的变化关系、所在目标聚类簇内加工数据的分布情况、以及每个批次内时间窗口之间加工数据的变化程度，获取每个批次内每个加工数据的分段程度值，筛选出分段点进行加工数据的划分得到数据段的方法为：将目标批次内每个加工数据在目标时间窗口下的目标线段的斜率，均作为第一斜率；将最大第一斜率与最小第一斜率的差值，作为目标批次内目标时间窗口的变化程度值；获取目标批次内每种时间窗口的变化程度值，将最大变化程度值作为目标批次的参考变化值；根据目标批次中的第q个加工数据分别与前后相邻的两个加工数据所构成线段的斜率差异、第q个加工数据所在目标聚类簇内的加工数据的分布情况、以及参考变化值，获取目标批次中第q个加工数据的分段程度值；获取目标批次中每个加工数据的分段程度值，将大于预设的分段程度值阈值的分段程度值对应的加工数据作为分段点，对目标批次内的加工数据进行划分得到数据段；其中，目标批次中每个目标聚类簇的边界加工数据，均为分段点；所述分段程度值的计算公式为： ；式中，为第i个批次中第q个加工数据的分段程度值；为第i个批次中第q-1个加工数据与第q个加工数据所构成线段的斜率；为第i个批次中第q个加工数据与第q+1个加工数据所构成线段的斜率；为第i个批次中第q个加工数据所在目标聚类簇的离散程度；为预设超参数；为第i个批次中的参考变化值；为绝对值函数；norm为归一化函数；所述根据任意两个批次之间加工数据的相似程度，将所有批次划分为至少两个批次类别；根据每个批次类别中每个批次的每个数据段上加工数据的分布情况和每个批次的数据段数量，获取每个批次类别的基准批次的方法为：通过word2Vec模型将每个批次的加工数据转化为对应批次的向量，根据任意两个批次的向量的余弦相似度，通过K-Means聚类算法，将所有批次进行聚类，获得至少两个批次类别；对于任一批次类别，获取该批次类别中每个批次的数据段数量，作为对应批次的第一数量；对于该批次类别内第z个批次的任一数据段，将该数据段内所有加工数据的切线斜率的均值，作为该数据段的整体变化值；获取该数据段的整体变化值与该批次类别内非第z个批次的其他每个批次的每个数据段的整体变化值的比值，均作为第一值；将每个第一值与第一预设常数的差值绝对值均作为第一差异值，将最小的第一差异值作为该数据段的不稳定程度值；其中，第一预设常数大于0；根据第z个批次的第一数量在该批次类别内所有第一数量中的偏离程度、第z个批次的每个数据段的变异系数和不稳定程度值，获取第z个批次的基准程度值；获取该批次类别内每个批次的基准程度值，将最大的基准程度值所对应的批次，作为该批次类别的基准批次；所述基准程度值的计算公式为： ；式中，为第y个批次类别内第z个批次的基准程度值；为第y个批次类别内最大的第一数量；为第y个批次类别内第z个批次的第一数量；为第y个批次类别内第一数量的均值；为第y个批次类别内第z个批次的第s个数据段的变异系数；为第y个批次类别内第z个批次的第s个数据段的不稳定程度值；为绝对值函数；exp为以自然常数为底数的指数函数；所述根据每个批次类别中非同一批次且非基准批次的任意两个数据段分别与基准批次的每个数据段的相似程度，以及任意两个数据段所在目标聚类簇之间的相似程度，获取每个批次类别中每个数据段的匹配数据段，构建每个批次类别中加工数据的连通图的方法为：对于任一批次类别内的任一数据段，通过动态时间规整算法，获取该数据段与基准批次的每个数据段之间的DTW距离，将该数据段对应的最小的DTW距离，作为该数据段的第一特征值；其中，该数据段一定不属于基准批次；根据每个批次类别中非同一批次且非基准批次的任意两个数据段的第一特征值和所在目标聚类簇之间的互信息值，获取每个批次类别中非同一批次且非基准批次的任意两个数据段的匹配程度值；将每个批次类别中每个数据段对应的最大匹配程度值所对应的另一个数据段，作为对应数据段的匹配数据段；将每个批次类别中每个数据段与其匹配数据段进行连接，构建每个批次类别中加工数据的连通图。

全文数据：

权利要求：

百度查询： 山东东阿古胶阿胶系列产品有限公司 一种速溶阿胶粉加工过程监测数据智能分析方法