公开(公告)号：CN119784178A

公开(公告)日：2025-04-08

申请号：CN202411848022.3

申请日：2024-12-13

Applicant: 中国计量大学

Inventor： 徐新胜 ,  吴松泽 ,  陈昕航 ,  周阳 ,  黄思远 ,  房强强 ,  孙尔新 ,  王政泽

IPC: G06Q10/0637 ,  G06Q10/04 ,  G06Q10/0639 ,  G06Q50/04 ,  G06N3/006 ,  G06F18/213 ,  G06F18/27 ,  G06F18/22 ,  G06F30/27

Abstract: 本发明专利提出了一种基于即时学习的多品种小批量产品加工质量预测方法，利用局部加权偏最小二乘回归(LWPLS)实现对关键质量特征的实时预测。针对单一规格数据量少、规格间数据分布差异大的问题，离线阶段通过改进的自适应人工鱼群算法(Ad‑AFSA)为每个训练样本求得最优带宽参数。该Ad‑AFSA在随机行为中引入反向机制与自适应变异算子，扩大搜索范围、提升种群多样性，并通过步长与视野随迭代线性减小，平衡前期全局搜索与后期精细寻优，从而获得更稳定的带宽参数。在线预测阶段采用引入Wasserstein散度的t分布随机邻域嵌入(Wast‑SNE)算法对数据进行降维，并在降维后特征空间利用考虑时间的马氏距离度量相似度，更准确反映不同规格产品间差异，在多品种小批量数据中更准确识别与查询样本xq相似的L个历史样本，并根据离线训练阶段得到的L个相似样本的最优带宽参数进行加权平均计算求得查询样本的最优带宽参数并运行LWPLS实时预测关键质量特征值。