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：中科慧远人工智能(烟台)有限公司

摘要：本申请公开了一种用于轮胎制造工艺参数异常分析的数据分析方法，属于轮胎制造技术领域。该数据分析方法基于变量分析模块和变量异常时段定位分析模块实现，变量分析模块用于对轮胎制造工艺的异常信号进行特征度量和判定分析；变量异常时段定位分析模块用于在异常情况下对轮胎制造过程工艺参数异常的发生时段进行定位，变量分析模块包括异常特征度量模块和异常判定分析模块，其中，异常特征度量模块通过对异常进行指标化而获得量化特征，异常判定分析模块通过量化特征确定异常指标的阈值，并基于阈值对变量是否存在异常进行判断分析。

主权项：1.一种用于轮胎制造工艺参数异常分析的数据分析方法，其特征在于，包括以下步骤：S1、从轮胎制造过程采集的数据存储到相应变量xi下，变量的个数为M，i＝1，2，…，M，即构成变量池X＝{xi|i＝1，2，…，M，M是正整数}；S2、读取目标变量xi在[t0，tn]时间内的全部数据构造集合： 其中，t0≤tj≤tn且tj在[t0，tn]内是均匀间隔的，0≤j≤n，T0，n为所有tj构成的时间集合，约定n≥1000，j是自然数；S3、构造二维点集其中，是的变量坐标，tj是的时间坐标；S4、基于Gi，0，n，按照循环次数m，以极大值逼近方法逐阶得到集合序列 其中，m是层数，且m＝1，2，…M； S5、对任意1≤m≤M所确立的Fi，0，n，mt，按照变量坐标计算其极大值点集令因此非空，“：＝”表示“等于”，其中中元素的时间坐标记为表示集合的元素个数；S6、中任意元素的时间坐标在T0，n内距离最近的时刻为tj_h，按照这种对应方式，所有的元素的时间坐标tj_h汇成集合S7、用中的相邻时间段对T0，n上的Gi，0，n做分段处理，即任取区间[tj_h，tj_h+1]，按照数据时间顺序从集合Xi，0，n中读取xi在[tj_h，tj_h+1]∩T上的所有数据并构造集合： S8、在平面坐标系上的点集Gi，j_h，j_h+1，m，按照变化的波峰点集合为pe_Xi,j_h，j_h+1，m，波谷点集合为va_Xi,j_h，j_h+1，m；S9、计算pe_Xi,j_h，j_h+1，m均值并记为averpe_Xi,j_h，j_h+1，m，计算va_Xi,j_t，j_h+1，m的均值并记为averva_Xi,j_h，j_h+1，m，计算Xi，j_h，j_h+1，m的均值记为averXi，j_h，j_h+1，m；S10、计算pe_Xi,j_h，j_h+1，m标准差并记为stpe_Xi，j_h，j_h+1，m，计算va_Xi,j_h，j_h+1，m的标准差并记为stva_Xi,j_h,j_h+1，m，计算Xi，j_h，j_h+1，m的标准差并记为stXi，j_h，j_h+1，m；S11、构造向量：pe_vi，j_h，j_h+1，m＝averpe_Xi,j_h，j_h+1，m，stpe_Xi，j_h，j_h+1，m，va_vi，j_h，j_h+1，m＝averba_Xi，j_h，j_h+1，m，stva_Xi，j_h，j_h+1，m，vi，j_h，j_h+1，m＝averXi，j_h，j_h+1，m，stXi，j_h，j_h+1，m；S12、记pe_vi，j_h，j_h+1，m、va_vi，j_h,j_h+1，m、vi，j_h，j_h+1，m围成的状态三角形为Qi，j_h，j_h+1，m，计算其面积并记为si，j_h，j_h+1，m；S13、对于每个m，有集合 进而构造以下两个集合：MAX_Si，0，n,m＝{max_si,j_h，j_h+1，m，m|max_si,j_h，j_h+1，m＝maxSi，j_h，j_h+1，m}，MIN_Si，0，n,m＝{min_si，j_t，j_h+1，m，m|min_si,j_h，j_h+1，m＝minSi,j_h,j_h+1，m}；S14、计算MAX_Si，0,n，m的回归直线斜率，记为k1，i,0,n,m；计算MIN_Si，0，n，m的回归直线斜率，记为k2，i,0,n,m；令ki，0,n,m＝|k2，i，0，n，m-k1，i,0,n，m|；S15、固定m和n，令自然数r≥0，则在时间Tr，n+r内，按照前述过程逐次计算得到：①集合Xi，r，n+r＝{xi,j|xi，j是xi在时刻tj的取值，tj∈Tr，n+r}；②集合Gi,r,n+r＝{xi,j，tj|xi,j∈Xi,r,n+r，tj∈Tr，n+r}；③集合④集合Xi，j_h，j_h+1，m＝{xi,p|xi，p∈Xi，r，n+r，tp∈[tj_h，tj_h+1]∩Tr,n+r}；⑤集合Gi，j_h，j_h+1，m＝{xi,p，tp|xi，p∈Xi，j_h，j_h+1，tp∈[tj_h，tj_h+1]∩Tr，n+r}；⑥集合MAX_Si，r,n+r,m，MIN_Si，r,n+r,m；⑦斜率k1，i，r，n+r,m、k2，i，r，n+r,m及斜率差绝对值ki，r,n+r,m；⑧进而得到集合S16、通过对新投入使用的轮胎制造产线进行测试生产得到第一批数据，用第一批数据计算并搜索得到中所有元素的第一坐标ki，r,n+r，m的最大值max_ki，R,n，m和最小值min_ki,R,n,m；S17、轮胎制造产线正式启动运行：若监测到，ki,r,n+r,m∈[min_ki,R,n，m，max_ki,R,n,m]，判定产线系统正常；若检测到，判定产线系统异常；S18、若依次反向确定如下数值：①从ki,r,n+r,m中读取下标中的r数值；②根据S14过程的计算记录，读取k1，i，r，n+r,m和k2，i，r，n+r,m并比较两者中的大者和小者；③如果k1，i，r，n+r,m≥k2，i，r，n+r,m，则在MAX_Si,r,n+r,m寻找最大元素max_si，j_h，j_h+1，m，m对应的Si，j_h,j_h+1，m以及相应的si，j_h，j_h+1，m，从而确定h，则区间[tj_h，tj_h+1]∩Tr，n+r即为排查异常的第一个时间区间；与此同时，在MIN_Si，r，n+r，m寻找最小元素min_si,j_h，j_h+1，m，m对应的Si，j_h,j_h+1，m以及相应的si，j_h，j_h+1，m，从而确定h，则区间[tj_h，tj_h+1]∩Tr，n+r即为排查异常的第二个时间区间；④如果k1,i,r,n+r,m＜k2，i，r，n+r,m，则在MIN_Si，r,n+r，m寻找最大元素min_si,j_h,j_h+1，m，m对应的Si，j_h,j_h+1，m以及相应的si，j_h，j_h+1，m，从而确定h，则区间[tj_h，tj_h+1]∩Tr，n+r即为排查异常的第一个时间区间；与此同时，在MAX_Si，r,n+r，m寻找最小元素max_si,j_h，j_h+1，m，m对应的Si,j_h,j_h+1，m以及相应的si，j_h，，_h+1，m，从而确定h，则区间[tj_h，tj_h+1]∩Tr，n+r即为排查异常的第二个时间区间。

全文数据：

权利要求：

百度查询： 中科慧远人工智能(烟台)有限公司 一种用于轮胎制造工艺参数异常分析的数据分析方法