一种电动工具转子关键质量特征集筛选方法

摘要

转子是电动工具的核心零部件之一，其生产工序多、工艺流程长，生产制造过程具有多个质量控制点，分别对应为质量特征，这些质量特征与转子质量之间的关联关系很复杂，为了简化转子生产制造过程质量控制的复杂性，本发明提供一种电动工具转子关键质量特征集筛选方法。针对转子具有的多个质量特征，构建转子关键质量特征集筛选模型，其中包括：融合NSGAⅡ和WOA两个算法，通过融合后产生转子的非支配的质量特征子集的集合，然后利用理想法从集合中筛选出优秀质量特征子集，作为转子的关键质量特征集，从而可以确保转子质量控制过程的科学性，并在减少转子生产制造过程质量控制点的情况下，能有效保证转子生产制造过程的质量控制目标。

说明书

技术领域

本发明涉及特征选择与质量控制领域，尤其涉及一种电动工具转子关键质量特征集筛选方法。

背景技术

近年来，随着市场的不断扩大，电动工具制造业不断增生，却仍未摆脱传统制造业的限制。其中转子作为电动工具的核心零部件之一，由于生产工艺仍然是离散作业，标准没有统一，无法简化生产过程中繁杂的质量控制过程，主要表现为：无法构建转子质量特征与转子成品质量之间的关系，从而无法达到在对转子生产制造过程的质量控制系统进行简化的同时，有效保证转子成品质量的目标。

发明内容

为了解决上述问题，本发明提供了一种改进非支配遗传的关键质量特征选择算法，筛选转子生产制造过程中的关键质量特征集，从而构建质量特征与成品质量之间的关系。确定转子生产制造过程中具有的所有的质量特征作为对象，将非支配遗传算法(NSGAⅡ)与鲸鱼优化算法(WOA)融合，利用NSGAⅡ中精英策略和拥挤度来确保算法种群的多样性和生成非支配解集，采用WOA的寻优策略，加快算法收敛速度。以第Ⅱ类错误率和特征个数作为目标函数，一方面是为了确保筛选出的关键质量特征集的有效性，另一方面确保筛选出的关键质量特征集具有最大化预测能力，方便监测成品质量。最后将NSGAⅡ-WOA融合算法中得到由非支配的质量特征子集组成的集合，利用理想点法从集合中筛选出一个优秀质量特征子集，作为最后的转子关键质量特征集，从而形成转子关键质量特征集筛选模型，帮助电动工具企业识别每个不同型号的转子的关键质量特征集，从而依据关键质量特征集监测转子成品质量，简化转子生产制造过程中的质量控制系统，具有一定的实用价值。

根据本申请的一个方面，提出一种电动工具转子关键质量特征集的筛选方法：

S1、首先以某种型号的电动工具转子作为对象，确定该型号转子生产时具有的a种质量特征Q＝{q1,q

S2、在电动工具企业中，将不合格产品当作合格产品进行生产带来的损失要远远大于其他分类错误的影响，并且在实际生产中数据存在着不平衡现象，合格产品的数据要远多于不合格产品的数目，因此以第Ⅱ类错误率f

S3、使用实数编码将转子质量特征集Q转换为X＝{x

S301、将转子质量特征集Q＝{q

S4、根据WOA中随机搜索猎物的方式，将初始种群中的特征子集个数n扩充为2n，初始种群N

S401、根据WOA的随机搜索猎物方式，将当前位置设置为 X

S402、将初始化种群中随机产生的n个质量特征子集都作为随机位置，向其游动，从而产生新的n个质量特征子集，进而将种群扩充为2n 个。

S5、计算种群中每个质量特征子集的目标函数值f

S501、计算出N'

S502、统计每个质量特征子集支配的质量特征子集的集合n

S503、重复S502，直至

S6、得到N

S601、根据

S602、当

S603、当

一种是按照50％的概率进入收缩包围机制，公式如下：

一种是按照50％的概率进入螺旋更新机制，公式如下：

S7、通过WOA的搜索机制得到子代Z

S8、按照步骤S6和S7不断进行迭代，直至迭代结束，得到Z

S9、通过理想点法，计算Ω

S10、根据之前划分的验证集中的历史制造数据，计算X

本发明有益效果：本发明提出一种将NSGA-Ⅱ和WOA融合的特征选择算法，建立一种电动工具转子关键质量特征筛选模型，运用WOA中随机游动的搜索机制，扩充NSGA-Ⅱ随机初始种群，避免随机性带来的解的空间的下降，采用WOA中的搜索机制加快算法的收敛速度，运用NSGA- Ⅱ中的快速非支配排序和拥挤度计算从而求得满足多目标的非支配的质量特征子集的集合，进而从集合中找出电动工具转子制造的关键质量特征集，简化转子生产制造过程质量控制的复杂性，并在减少转子生产制造过程质量控制点的情况下，能有效保证转子生产制造过程的质量控制目标。

根据下文结合附图对本发明的具体描述，本领域技术人员将会更加明了本发明的上述以及其他目的、优点和特征。

附图说明

图1为本申请一个实施例的一种电动工具转子关键质量特征筛选方法流程图。

图2为本申请一个实施例的NSGAⅡ和WOA算法融和后特征识别模型图。

图3为本申请一个实施例的利用WOA算法更新种群个体流程图。

图4为本申请一个实施例的初始种群生成第一代父代的原理图。

图5为本申请一个实施例的利用父代和子代融合后的种群产生新一代父代的原理图。

具体实施方式

实施过程主要包括四个步骤：对转子历史制造数据进行划分和标注以及编码、用NSGA-Ⅱ和WOA算法生成质量特征非支配质量特征子集的集合、用理想点在非支配质量特征子集的集合中筛选出关键质量特征集以及用验证集验证模型精确度。

S1、首先以某种型号的电动工具转子作为样本，确定该型号转子生产时存在a种质量特征Q＝{q

S101、确定1000条转子历史制造数据，每个质量特征q对应两种质量水平(合格和不合格)，历史质量特征数据根据4:1分为800条训练数据和200条验证数据。

S102、成品质量V对应两种质量水平(合格与不合格)，根据历史数据中的成品V质量对历史质量特征训练数据进行标注，每条数据就包含 {q

S2、在电动工具企业中，将不合格产品当作合格产品进行生产带来的损失要远远大于其他分类错误的影响，并且在实际生产中数据存在着不平衡现象，合格产品的数据要远多于不合格产品的数目，因此以第Ⅱ类错误率f

S201、第Ⅱ类错误率f

f

S202、特征个数f

f

S3、使用实数编码将转子质量特征集Q转换为X＝{x

S301、将a个转子质量特征{q

S302、利用编码语言中随机赋值函数，赋予x从-1到1的有限两位任意小数，重复n次，从而产生n个质量特征子集{X

S4、根据WOA中随机搜索猎物的方式，将初始种群中的质量特征子集个数n扩充为2n，初始种群N

S401、根据WOA的随机搜索猎物方式，将当前位置设置为 X

S402、将初始化种群中随机产生的n个质量特征子集都作为随机位置，向其游动，从而产生新的n个质量特征子集，进而将种群扩充为2n 个，其中产生新的质量特征子集X'

其中

S5、计算种群中每个质量特征子集的目标函数值f

S501、计算出N'

S502、统计每个质量特征子集支配的质量特征子集的集合n

S503、重复S502，直至

S6、得到N

S601、根据

S602、当

S603、当

一种是按照50％的概率进入收缩包围机制，公式如下：

一种是按照50％的概率进入螺旋更新机制，公式如下：

S7、通过WOA的搜索机制得到子代Z

S701、将子代Z

S702、对于处于同一个非支配等级内的质量特征子集

S703、按照非支配等级和等级内的顺序，计算同一个等级内的

其中f

S704、按照非支配等级从小到大和拥挤度从大到小的顺序，选择 n个优秀质量特征子集进入下一代父代N

S8、按照步骤S6和S7不断进行迭代，直至迭代结束，得到Z

S9、通过理想法，计算Ω

S901、通过理想点法计算Ω

S902、将d(s)最小的质量特征子集X作为反映电动工具转子质量状况的关键质量特征集X

S10、根据之前划分的验证集中的历史制造数据，计算X

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

以上所述仅为本发明的最有效实施方案,应当指出:对于本技术领域的普通技术人员来说,在不脱离本发明工作原理的前提下,还可以做出适当的改进和润饰,这些改进和润饰也应视为本发明的保护范围。