基于d-s證據(jù)理論的產(chǎn)品多信息融合標(biāo)識(shí)失效補(bǔ)救方法
【專利摘要】本發(fā)明公開了一種基于D-S證據(jù)理論的產(chǎn)品多信息融合標(biāo)識(shí)失效補(bǔ)救方法，用于解決現(xiàn)有方法導(dǎo)致產(chǎn)品個(gè)體在生產(chǎn)過程中追蹤斷路的技術(shù)問題。技術(shù)方案是分析產(chǎn)品物理與制造過程中多源信息之間的關(guān)聯(lián)和數(shù)據(jù)結(jié)構(gòu)，建立離散制造過程中產(chǎn)品零散與不完整多源信息模型，通過基于類中心的歐式距離和改進(jìn)的變異系數(shù)加權(quán)法對(duì)失效標(biāo)識(shí)零件的特征數(shù)據(jù)和產(chǎn)品的歷史數(shù)據(jù)庫相似度測(cè)度計(jì)算，最后采用D-S證據(jù)理論對(duì)其特征層進(jìn)行融合辨識(shí)，有效的恢復(fù)補(bǔ)救失效產(chǎn)品的標(biāo)識(shí)，進(jìn)而解決了DM碼失效而導(dǎo)致產(chǎn)品個(gè)體在生產(chǎn)過程中追蹤斷路的技術(shù)問題。實(shí)驗(yàn)證明，本發(fā)明方法防止追蹤失效的識(shí)別正確率在95％以上，效率高，恢復(fù)補(bǔ)救可靠，具有很好的實(shí)用性。
【專利說明】基于D-S證據(jù)理論的產(chǎn)品多信息融合標(biāo)識(shí)失效補(bǔ)救方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種產(chǎn)品標(biāo)識(shí)失效補(bǔ)救方法，特別是涉及一種基于D-S證據(jù)理論的產(chǎn) 品多息融合標(biāo)識(shí)失效補(bǔ)救方法。

【背景技術(shù)】
[0002] 文獻(xiàn)"一種用于工件3D條碼識(shí)別的圖像綜合預(yù)處理方法.西安理工大學(xué)學(xué) 報(bào)，2002, 18(4) :332-336. "公開了一種用于工件3D條碼恢復(fù)識(shí)別的圖像綜合預(yù)處理方法， 激光蝕刻在工件表面的條碼，配有輔助光源的工業(yè)攝像機(jī)攝取3D條碼圖象，經(jīng)直方圖均 衡化、圖象投影變換、自適應(yīng)閾值法條空信號(hào)提取、條空信息真?zhèn)涡Ｕ忍幚砗螅磭鴺?biāo)譯 碼而最終得到工件編號(hào)，部分滿足了某些工序的具體情況下產(chǎn)品的標(biāo)識(shí)恢復(fù)和追蹤要求。 文獻(xiàn)所述方法主要以通過條碼的圖像預(yù)處理后再識(shí)別的方法，即便如此，產(chǎn)品全生命周期 生產(chǎn)過程中的磨損、污染、熱處理和表面處理等工藝依然會(huì)使得DM碼和明文信息識(shí)讀均告 失敗，而且產(chǎn)品標(biāo)識(shí)的圖像破壞比較嚴(yán)重時(shí)無法從圖像提取可靠特征或者完全不能提取特 征，所以，已有的技術(shù)措施不能完全杜絕產(chǎn)品標(biāo)識(shí)在其所有的生產(chǎn)環(huán)節(jié)中不失效，導(dǎo)致產(chǎn)品 個(gè)體在生產(chǎn)過程中追蹤斷路。


【發(fā)明內(nèi)容】

[0003] 為了克服現(xiàn)有方法導(dǎo)致產(chǎn)品個(gè)體在生產(chǎn)過程中追蹤斷路的不足，本發(fā)明提供一種 基于D-S證據(jù)理論的產(chǎn)品多信息融合標(biāo)識(shí)失效補(bǔ)救方法。該方法分析產(chǎn)品物理與制造過 程中多源信息之間的關(guān)聯(lián)和數(shù)據(jù)結(jié)構(gòu)，建立離散制造過程中產(chǎn)品零散與不完整多源信息模 型，通過基于類中心的歐式距離和改進(jìn)的變異系數(shù)加權(quán)法對(duì)失效標(biāo)識(shí)零件的特征數(shù)據(jù)和產(chǎn) 品的歷史數(shù)據(jù)庫相似度測(cè)度計(jì)算，最后采用D-S證據(jù)理論對(duì)其特征層進(jìn)行融合辨識(shí)，有效 的恢復(fù)補(bǔ)救失效產(chǎn)品的標(biāo)識(shí)，進(jìn)而防止DM碼失效而導(dǎo)致產(chǎn)品個(gè)體在生產(chǎn)過程中追蹤斷路。
[0004] 本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是：一種基于D-S證據(jù)理論的產(chǎn)品多信 息融合標(biāo)識(shí)失效補(bǔ)救方法，其特點(diǎn)是采用以下步驟：
[0005] 步驟一、分析與產(chǎn)品辨識(shí)相關(guān)的信息源，包括產(chǎn)品物理信息和制造過程信息，并將 多信息融合引入到產(chǎn)品表示失效補(bǔ)救中。設(shè)一個(gè)多源信息模型，其中對(duì)象集為
[0006] P = {x1； x2, x3,.....xj (1)
[0007] 是該多源信息的主體，元素Xi，i = {1，2, 3,……η}表示不同的信息源；屬性集為
[0008] C = {〇!，c2, c3,.....Cj} (2)
[0009] 是產(chǎn)品外部信息屬性的描述；屬性的值域均為離散數(shù)值，記為Um(m< j)，其中m表 示產(chǎn)品不同信息源的屬性，j表示產(chǎn)品不同信息源的所有屬性，對(duì)象集P和屬性集C的關(guān)系 集為
[0010] F = {fi：m j} (3)
[0011] 其中，fm:p -υχ j)，fi表示產(chǎn)品多源信息對(duì)象集，4表示實(shí)際不同信息源的 屬性集，表達(dá)了對(duì)象集U與屬性集C之間的聯(lián)系，是信息源的基礎(chǔ)。又設(shè)E為由屬性集C所 決定的狀態(tài)屬性集，即
[0012] E = {e1； e2, e3,.....e』} (4)
[0013] 公式（4)表示產(chǎn)品對(duì)象的各個(gè)屬性所包含的狀態(tài)，其值域U/ (m < j)是定性值 規(guī)定狀態(tài)分為標(biāo)識(shí)失效和未失效，屬性集C稱為條件屬性集。產(chǎn)品多源信息模型用下式表 示：
[0014] I={P，C，F(xiàn)，E} (5)
[0015] 對(duì)于任意的產(chǎn)品外部多信息源而言，上述模型表不成一個(gè)二維數(shù)據(jù)表。
[0016] 步驟二、當(dāng)標(biāo)識(shí)發(fā)生失效時(shí)，采集零散與不完整的產(chǎn)品物理和制造信息，以滿足產(chǎn) 品融合辨識(shí)的要求，判斷樣品之間的相似性常采用近鄰準(zhǔn)則，采用失效標(biāo)識(shí)與樣本庫中不 同類別的中心匹配的程度高，重復(fù)多次測(cè)量失效產(chǎn)品的相關(guān)特征并進(jìn)行與歷史記錄數(shù)據(jù)的 相似性測(cè)度計(jì)算。
[0017] ①基于記錄的產(chǎn)品多特征模型。
[0018] 設(shè)（Χω，Χ(2)，....，Χω)是產(chǎn)品的多源信息η維總體，從中取得樣品數(shù)據(jù)
[0019] (xn, x12, . . . , χ In) ? (X21, X22, · · ·，X2n) ? …·（XN1，XN2，· · ·，XNn)
[0020] 產(chǎn)品生產(chǎn)過程中第i個(gè)觀測(cè)數(shù)據(jù)記為
[0021] Xi = (xn, xi2, . . . , xin)T i = 1, 2, . . . , N (6)
[0022] 公式（6)表示單次測(cè)量產(chǎn)品的多個(gè)特征。引進(jìn)數(shù)據(jù)觀測(cè)矩陣 Λ VI XV：…(7)
[0024] 公式（7)是NX η矩陣，Ν行即是Ν個(gè)樣品ΧρΑ，....，ΧΝ，組成來自產(chǎn)品多特征的 η維總體（Xi，X2,. . . .，Χη)的樣品。觀測(cè)矩陣X的η列分別是η個(gè)變量X(1)，X(2)，. . . .，Χ(η)在 Ν次測(cè)試中所取的值。記為
[0025] Xj = (xu, x2J, . . . , xNJ)τ j = 1, 2, . . , Ν (8)
[0026] ②基于類中心的歐式距離法測(cè)度。
[0027] 設(shè)有Μ個(gè)類別：Wl, w2, . . . wM，每類有隊(duì)個(gè)樣品，表示為 對(duì)于任意待識(shí)別的樣品X = (Χι，χ2,...，χη)，計(jì)算距離 ，(X,μ；,.) = p-其中;^為第i類的類中心。比較X到各類的距離若 滿足：
[0028] 則XeWi (9) I Ik ) / = 1,2,,.., M,i#i 1
[0029] ③改進(jìn)的變異系數(shù)加權(quán)法。
[0030] 根據(jù)統(tǒng)計(jì)計(jì)算各個(gè)特征的權(quán)重，某特征的歷史數(shù)據(jù)在生產(chǎn)過程變化較為穩(wěn)定，批 次中零件之間的距離越接近其狀態(tài)所占的權(quán)重越大，設(shè)Xij(i = 1，2...，n ;j = 1，2...，m) 為第i個(gè)特征的歷史數(shù)據(jù)；其中\(zhòng) (j = 1，2...，m)為第j個(gè)特征的歷史數(shù)據(jù)：
[0031] 則均值為 Λ W (10)
[0032] 方差為：

【權(quán)利要求】
1. 一種基于D-S證據(jù)理論的產(chǎn)品多信息融合標(biāo)識(shí)失效補(bǔ)救方法，其特征在于包括以下 步驟： 步驟一、分析與產(chǎn)品辨識(shí)相關(guān)的信息源，包括產(chǎn)品物理信息和制造過程信息，并將多信 息融合引入到產(chǎn)品表示失效補(bǔ)救中；設(shè)一個(gè)多源信息模型，其中對(duì)象集為 P - {Xl> ^2) -^3).....xj (l) 是該多源信息的主體，元素 Xi，i = {1，2, 3,..... η}表示不同的信息源；屬性集為 C - {cj, c2, c3,.....Cj} (2) 是產(chǎn)品外部信息屬性的描述；屬性的值域均為離散數(shù)值，記為Um (m < j)，其中m表示產(chǎn) 品不同信息源的屬性，j表示產(chǎn)品不同信息源的所有屬性，對(duì)象集P和屬性集C的關(guān)系集為 F = {fi：m ^ j} (3) 其中，fm:P -Um(m< j)，&表示產(chǎn)品多源信息對(duì)象集，fm表示實(shí)際不同信息源的屬性 集，表達(dá)了對(duì)象集U與屬性集C之間的聯(lián)系，是信息源的基礎(chǔ)；又設(shè)E為由屬性集C所決定 的狀態(tài)屬性集，即 Ε = {θ1； e2, e3,.....e』} (4) 公式（4)表示產(chǎn)品對(duì)象的各個(gè)屬性所包含的狀態(tài)，其值域U/ (m< j)是定性值規(guī)定 狀態(tài)分為標(biāo)識(shí)失效和未失效，屬性集C稱為條件屬性集；產(chǎn)品多源信息模型用下式表示： I = {P, C, F, E} (5) 對(duì)于任意的產(chǎn)品外部多信息源而言，上述模型表不成一個(gè)二維數(shù)據(jù)表； 步驟二、當(dāng)標(biāo)識(shí)發(fā)生失效時(shí)，采集零散與不完整的產(chǎn)品物理和制造信息，以滿足產(chǎn)品融 合辨識(shí)的要求，判斷樣品之間的相似性常采用近鄰準(zhǔn)則，采用失效標(biāo)識(shí)與樣本庫中不同類 別的中心匹配的程度高，重復(fù)多次測(cè)量失效產(chǎn)品的相關(guān)特征并進(jìn)行與歷史記錄數(shù)據(jù)的相似 性測(cè)度計(jì)算； ① 基于記錄的產(chǎn)品多特征模型； 設(shè)（X(1)，X(2)，. . . .，X(n))是產(chǎn)品的多源信息η維總體，從中取得樣品數(shù)據(jù) (Χ11，Χ12，· · ·，Xln)，(Χ21，Χ22，· · ·，Χ2η) ， .... (ΧΝ1> ΧΝ2> · · · ) ΧΝη) 產(chǎn)品生產(chǎn)過程中第i個(gè)觀測(cè)數(shù)據(jù)記為 Xi = (xn，xi2，· · ·，xin) i = 1，2，· · ·，N (6) 公式（6)表示單次測(cè)量產(chǎn)品的多個(gè)特征；引進(jìn)數(shù)據(jù)觀測(cè)矩陣 JCy A'] 2 "· X\" F- A"21 ·?κ ··' -「f γ γ ιΛ, ?· I I I ^ I ^ I . . Λ%- I ^ I -Λ*.ν? Λ..ν 2 …Λ.,ν"(7) 公式（7)是ΝΧη矩陣，Ν行即是Ν個(gè)樣品，組成來自產(chǎn)品多特征的η維 總體（\，X2,. . . .，Χη)的樣品；觀測(cè)矩陣X的η列分別是η個(gè)變量X(1)，X(2)，. . . .，Χ(η)在Ν次 測(cè)試中所取的值；記為 Xj = (xu, x2J,..., xNJ)T j = 1, 2,. . . , N (8) ② 基于類中心的歐式距離法測(cè)度； 設(shè)有Μ個(gè)類別：Wl, w2,. . . wM，每類有隊(duì)個(gè)樣品，表示為 xM = (xt'^xpKxi^...x^)，.對(duì)于任意待識(shí)別的樣品X = (Xl，x2,...，xn)，計(jì)算距 離#(1?|1-1^)(2￥-111其中^^為第1類的類中心；比較父到各類的距離若 ， 滿足： i = 構(gòu)·則X ^⑶ ③改進(jìn)的變異系數(shù)加權(quán)法； 根據(jù)統(tǒng)計(jì)計(jì)算各個(gè)特征的權(quán)重，某特征的歷史數(shù)據(jù)在生產(chǎn)過程變化較為穩(wěn)定，批次中 零件之間的距離越接近其狀態(tài)所占的權(quán)重越大，設(shè)Xij(i = 1，2. . .，n ;j = 1，2. . .，m)為第 i個(gè)特征的歷史數(shù)據(jù)；其中Xj (j = 1，2. . .，m)為第j個(gè)特征的歷史數(shù)據(jù)： 則均值為 _ 1 η X . - 一·~- y X，r J λ r ￡-d if N (10) 方差為：
(ID 所對(duì)應(yīng)的變異系數(shù)為： s. j ~ =: i (12) 對(duì)于產(chǎn)品特征\ (j = 1，2...，m)根據(jù)評(píng)價(jià)對(duì)象的歷史數(shù)據(jù)，這種各屬性變化幅度程度 越小的相應(yīng)的權(quán)重是：
Weight為產(chǎn)品生產(chǎn)過程中多特征的第i 、) , a 個(gè)屬性值所占權(quán)重，Σ?^?^=:! i I · 3 步驟三、將零件的重量、長(zhǎng)度、強(qiáng)度、表面硬度和涂層厚度特征記為： 其中，di'為實(shí)測(cè)特征，重復(fù)多次測(cè)量失效標(biāo)識(shí)的特征與歷史數(shù)據(jù) 得到一組距離，產(chǎn)品的特征值記為：{dij| i = 1，. . .，5, j = 1，. . .，η}，其中，η為特征歷史 測(cè)量數(shù)目；其對(duì)應(yīng)的五個(gè)信度分配函數(shù)，記為％，m2,. . .，m5 ;基本信度分配的任務(wù)就是為 mi，m2, ...，m5對(duì)應(yīng)的冪集元素賦予的概率值；將其距離平均值作為標(biāo)準(zhǔn)尺度記為$，特征 都為單調(diào)的且獨(dú)立的，大小與支持證據(jù)的強(qiáng)弱成反比的關(guān)系；若實(shí)測(cè)特征對(duì)應(yīng)的數(shù)據(jù)接近 于歷史數(shù)據(jù)則認(rèn)為支持證據(jù)強(qiáng)，反之與差距越大，則支持越弱；對(duì)于i特征焦元A的置信度 分配（BeIjA))為：
每個(gè)特征與歷史數(shù)據(jù)的距離最近的相似度越高，即理解為似真度最大，反之與歐式距 離越大，則似真支持度越弱，其中3標(biāo)準(zhǔn)工藝規(guī)定的為各個(gè)特征的距離合理變化值；對(duì)于i 特征焦元A的似真度分配（Ρ^ (A))，為每個(gè)零件特征構(gòu)造基本信度分配：
(14) 由證據(jù)區(qū)間關(guān)系可知，拒絕證據(jù)區(qū)間信度值為：π^(Β) = 1-P1JA);不確定證據(jù)區(qū)間信 度值為：1^(?) = l-mjA)-mjB); 采用融合公式進(jìn)行特征融合：設(shè)此^和此^為同一識(shí)別框架Θ的兩個(gè)信任函數(shù)，mi 和m2分別為其對(duì)應(yīng)的基本概率賦值，焦元分別為Αρ . . .，Ak和&，. . .，Bp則組合公式為m = 1? ? m2由下式確定：
其中，I表示證據(jù)間沖突的大小，& 若& = 1表明叫和m2完 - ? 全矛盾，不能對(duì)基本概率賦值進(jìn)行組合；對(duì)于多證據(jù)組合，逐隊(duì)進(jìn)行組合。
【文檔編號(hào)】G06F19/00GK104091078SQ201410333952
【公開日】2014年10月8日 申請(qǐng)日期:2014年7月14日 優(yōu)先權(quán)日:2014年7月14日
【發(fā)明者】何衛(wèi)平, 王健, 李夏霜, 郭改放, 張衡 申請(qǐng)人:西北工業(yè)大學(xué)