(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111629874.X (22)申请日 2021.12.28 (71)申请人 华南理工大 学 地址 510640 广东省广州市天河区五山路 381号 (72)发明人 宋建　王文龙　 (74)专利代理 机构 广州市华学知识产权代理有 限公司 4 4245 代理人 李斌 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 10/06(2012.01) G06Q 30/00(2012.01) G06Q 50/04(2012.01) G06N 20/10(2019.01)G06N 7/00(2006.01) (54)发明名称 一种熔喷布质量在线预测与溯源方法 (57)摘要 本发明公开了一种熔喷布质 量在线预测与 溯源方法， 包括以下步骤： S1、 获取熔喷布生产过 程中的实时工艺参数以及离线检测的质量参数， 并以日期时间为主键整合数据； S2、 对熔喷布的 工艺参数和质量参数进行预处理， 根据原始工艺 参数构建新的特征加入数据集； S3、 采取优化的 特征选择方法， 得到质量预测模 型所需的最佳的 工艺参数； S4、 使用贝叶斯优化方法对熔喷布质 量预测模型进行超参数调优； S5、 对熔喷布质量 预测模型进行误差评估； S6、 根据特征解释， 回溯 出影响熔喷布质量的重要工艺参数与排序。 本发 明方法解决传统的人工检测 中检测效率低和成 本高的问题， 同时回溯出影 响熔喷布质量的重要 工艺参数与排序， 为制造工艺优化提供决策指 导。 权利要求书3页 说明书9页 附图5页 CN 114372621 A 2022.04.19 CN 114372621 A 1.一种熔喷布质量在线预测与溯源方法， 其特 征在于， 包括以下步骤： S1、 获取熔喷布生产过程中的实时工艺参数以及离线检测的质量参数， 并以日期时间 为主键整合数据； S2、 对熔喷布的工艺参数和质量参数进行预处理， 根据原始工艺参数构建新的特征加 入数据集； S3、 采取优化的特 征选择方法， 得到质量预测模型 所需的最佳工艺 参数； S4、 使用贝叶斯优化方法对熔喷布质量预测模型进行超参数调优； S5、 对熔喷布质量预测模型进行误差 评估； S6、 根据特 征解释， 回溯出影响熔喷布质量的重要工艺 参数与排序。 2.根据权利要求1所述的一种熔喷布质量在线预测与溯源方法， 其特征在于， 步骤S1具 体包括： S11、 获取熔喷布生产过程中挤出机料筒区、 过渡区、 管道区、 模头区、 热风、 加热器的实 际温度及设定温度； S12、 获取熔喷布产线上挤出机、 计量泵、 成网机、 收卷机、 热风机、 抽吸风机的工作频率 及电流参数； S13、 获取离线检测的熔喷布质量 参数， 包括PFE过 滤效率和阻力； S14、 使用python进行列名提取、 去除空白值以及去除无用信息操作后， 以日期时间为 主键整合数据。 3.根据权利要求1所述的一种熔喷布质量在线预测与溯源方法， 其特征在于， 步骤S2具 体包括： S21、 使用箱线图和小提琴图观察熔喷布质量参数的分布状态， 使用对数变换将质量参 数的分布状态转换为高斯 正态分布； S22、 使用列均值对熔喷布工艺参数和质量参数的缺失值进行填充， 异常参数作剔除处 理； S23、 构建实际温度与设定温度的偏差、 实际电流与设定电流的偏差、 实际频率与设定 频率的偏差作为 新特征加入数据集。 4.根据权利要求1所述的一种熔喷布质量在线预测与溯源方法， 其特征在于， 步骤S3具 体为： S31、 首先取特征数量K＝1； S32、 选用f_regression函数作为评分函数， 计算熔喷布质量参数与各特征之间 的相关 性， 将其转换为F‑value， 然后转换为p ‑value， 选取p ‑value值最高的K个特 征； S33、 初始质量预测模型使用此 K个特征进行预测， 得到模型 预测误差； S34、 K＝K+1； S35、 重复步骤S32至S34， 直至K值达到数据 集中最大特征数； 找出使得模型预测误差最 低的K个特 征， 即为质量预测模型 所需的最佳工艺 参数。 5.根据权利要求1所述的一种熔喷布质量在线预测与溯源方法， 其特征在于， 步骤S4 中， 优化过程包括代理函数和采集 函数， 具体为： S41、 代理函数使用高斯过程代理， 用以拟合优化目标函数； 高斯过程通过假设服从联 合正态分布， 来 考虑f(xn)和f(xn+1)之间的关系；权　利　要　求　书 1/3 页 2 CN 114372621 A 2S42、 采集 函数选用ExpectedImprovement函数， 目标 是找到改进值 最大的点进行采样； 假设已评估过n个真实值向量， 其中极大值记为 考虑下一个评 估点x， 若该点处函数值 则这n+1个点的函数极大值 为f(x)， 否则为 第一种情况下加入新点后， 函数值的改进为 第二种情况下改进为0； 借助截断 函数a+＝max(a,0)， 改进为 定义期望改进函数 因为高斯过程代理假 设f(x)服从正态分布， 假 设在x点处的均值为 μ＝ μ(x)， 方差为σ2＝ σ2(x)， 令z＝f(x)， 根据数 学期望的定义有： 使用定积分换 元法， 得： 其中， Φ(x)是 标准正态分布的分布函数， 是标准正态分布的概 率密度函数； 令 则： 通过求期望改进函数的极值以得到下一个采样点： xn+1＝arg max EIn(x)。 6.根据权利要求1所述的一种熔喷布质量在线预测与溯源方法， 其特征在于， 步骤S5包 括熔喷布质量预测模型的训练， 具体为： S51、 输入训练集样本I＝{(x1,y1),(x2,y2),...(xm,ym)}， 最大迭代轮次T,损失函数L， 正则化系数 λ、 γ； S52、 迭代轮 次t≤T时， 对于第i个训练集样本， 其损失函数L基于ft‑1(xi)的一阶导数为 gti， 二阶导数为hti， 计算所有样本的一阶导数和 二阶导数和 S53、 基于当前节点尝试分裂决策树， 默认分数scor e＝0， GL＝0， HL＝0， G和H为当前需要 分裂的节点的一阶二阶导数之和； 对特征序号k＝1,2...K： GL＝GL+gti,GR＝G‑GL HL＝HL+hti,HR＝H‑HL 其中， GL和HL为左子树的一阶二阶导数之和， GR和HR为右子树的一阶二阶导数之和； 更新最大的score：权　利　要　求　书 2/3 页 3 CN 114372621 A 3