一种基于信息熵和PSO-Kmeans算法对典型工艺路线的发现方法技术

本发明专利技术公开了一种基于信息熵和PSO

【技术实现步骤摘要】
一种基于信息熵和PSO
‑
Kmeans算法对典型工艺路线的发现方法


[0001]本专利技术涉及机加工艺设计智能化
，尤其涉及一种基于信息熵和PSO
‑
Kmeans算法对典型工艺路线的发现方法。

技术介绍

[0002]随着制造企业的经营和发展，会积累大量的制造实例，这些实例蕴含着丰富的数据和知识资源，反映了企业的制造能力和水平，是企业工艺人员设计偏好和经验的关键体现。如何对这些资源进行有效地挖掘，是改善企业工艺设计水平和支持其创新的有效途径之一。
[0003]现实中，要实现制造实例资源挖掘，在众多制造实例中，有一些的机加工艺工艺过程具有典型性和代表性，可称之典型工艺路线。与其他加工过程相比，典型工艺路线包含了同类零件丰富的工艺设计规则和经验，实现典型工艺路线的发现具有很大的价值和意义，可以为加工工艺规划提供更好支持。
[0004]典型的工艺路线作为可挖掘对象，通过推理生成新的加工方案，但这需要大量的人机交互和反复修正，从而降低了制造实例重用的灵活性和智能性。

技术实现思路

[0005]针对上述存在的问题，本专利技术旨在提供一种基于信息熵和 PSO
‑
Kmeans算法对典型工艺路线的发现方法，提出了一种基于多级最长公共子序列信息熵的工艺路线相似性度量方法，从多个层级对工艺路线间的相似度进行全面评判；然后建立了基于谱聚类思想和PSO
‑
Kmeans算法的工艺路线智能聚类模型，并进一步提取得到了各类簇中的典型工艺路线，为工艺过程实例的挖掘提供了一个完整、清晰的思路，而这会为促进机加工艺设计领域的智能化水平提升给予更好地支撑。
[0006]为了实现上述目的，本专利技术所采用的技术方案如下：一种基于信息熵和PSO
‑
Kmeans算法对典型工艺路线的发现方法，其特征在于，包括信息熵的序列相似度分析和PSO
‑
Kmeans聚类算法的计算处理步骤：
[0007]1)信息熵的序列相似度分析
[0008]S1、多级最长公共子序列LCS的获取；
[0009]S2、基于LCS信息熵的序列相似度评价；
[0010]S3、融合多级LCS信息熵的序列相似性度量；
[0011]2)PSO
‑
Kmeans聚类算法的计算处理
[0012]S4、基于谱聚类思想的聚类对象预处理；
[0013]S5、基于PSO
‑
Kmeans算法的工艺路线聚类模型；
[0014]S6、典型工艺路线的发掘。
[0015]具体的，在步骤S1中，所述多级最长公共子序列LCS的获取方法如下：
[0016]将每种工序加工方法抽象表示成一种字符，即将机加工艺路线看作是一个符号序列，从待比较的两个符号序列中提取多级最长公共子序列，LCS 的定义如下：若某个序列S＝{s1,s2,
…
，s
r
}同时是两条待比较序列M＝{m1,m2,
…
,m
u
}、 N＝{n1,n2,
…
,n
v
}的子序列，即满足式(1)；当且仅当序列S的长度r取最大值时，则称S为M、N的LCS；
[0017][0018]上述提取得到的是单级LCS，在提取S的过程中，如果将S中每一个元素在M和N中的位置信息进行记录，并对M和N中这些位置上的元素进行剔除，就会形成两个新序列M'和N'，对M'和N'继续提取LCS，可得到第2级最长公共子序列S'，依次类推，直到新形成两序列不含有任何相同元素或至少一个为空，可得到多级LCS。
[0019]具体的，在步骤S2中，基于LCS信息熵的序列相似度评价方法如下：
[0020]用LCS的信息熵来评价待比较序列间的相似度，对于待比较序列M、 N及其最长公共子序列S，构建如式(2)所示的平均相似信息量评价函数：
[0021]H(u,v,r)＝P(u,v,r)I(u,v,r)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)
[0022]式中，H(u,v,r)表示平均相似信息量评价函数，其是一个关于原序列长度和最长公共子序列长度的函数，当S的长度r越大且越接近于原序列长度u和v时，传递出的相似信息量就越大，代表M和N间的相似度就越高；I(u,v,r)是计算信息熵时的相似信息量函数，可通过式(3)进行计算； P(u,v,r)是计算信息熵时的概率函数，可通过式(4)进行计算：
[0023][0024][0025]通过式(3)和(4)衡量M和N间的相似程度。
[0026]具体的，在步骤S3中，融合多级LCS信息熵的序列相似性度量的方法如下：
[0027]对待比较序列M和N，提取它们的多级LCS并组成集合：
[0028]{S
i
|i＝1,2,
…
,k}
[0029]其中，Si表示第i级LCS；l表示最大级数，融合多级LCS信息熵的序列相似性评价模型见式(5)：
[0030][0031]式中，sim(M,N)表示融合多级LCS信息熵的序列M和N的相似性评价结果；ri表示第i级LCS的长度，即序列Si的长度；
[0032]对熵进行标准化处理，得到最终基于熵的相似性度量值如式(6)所示：
[0033][0034]式中，Sim(M,N)表示序列M和N的最终相似性度量值。
[0035]具体的，在步骤S4中，应用谱聚类思想对机加工艺路线进行预处理的步骤如下：
[0036]S41、将聚类对象看作是无向权重图的节点，两节点间的连接边权为二者根据信息熵方法计算得到的相似度，这样就能形成一个相似度矩阵 W
n
×
n
，其中，n表示聚类对象的数
量；W(i,j)表示第i条工艺路线与第j条工艺路线根据式(6)计算得到的相似度；
[0037]S42、按照式(7)所示，构建对角度矩阵D
n
×
n
：
[0038][0039]S43、计算拉普拉斯矩阵，见式(8)，并进行正交化，见式(9)：
[0040]L＝D
‑
W
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(8)
[0041][0042]S44、计算矩阵L'的特征值和特征向量，并将特征值按照由小向大的顺序进行排列，取前k1个特征值对应的特征向量排列成矩阵Z中每一行都是一个k1维向量，它与图节点是一一对应的关系，将聚类对象转变成了向量表达形式。
[0043]具体的，在步骤S5中，基于PSO
‑
Kmeans算法的工艺路线聚类模型构建方法如下：
[0044]S51、PSO算法基本设定
[0045]在PSO
‑
Kmeans聚类算法中，每个粒子的位置包含k2个聚类中心，再考虑到聚类对象已经被转变成为一个k1维本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于信息熵和PSO
‑
Kmeans算法对典型工艺路线的发现方法，其特征在于，包括信息熵的序列相似度分析和PSO
‑
Kmeans聚类算法的计算处理步骤：1)信息熵的序列相似度分析S1、多级最长公共子序列LCS的获取；S2、基于LCS信息熵的序列相似度评价；S3、融合多级LCS信息熵的序列相似性度量；2)PSO
‑
Kmeans聚类算法的计算处理S4、基于谱聚类思想的聚类对象预处理；S5、基于PSO
‑
Kmeans算法的工艺路线聚类模型；S6、典型工艺路线的发掘。2.根据权利要求1所述的一种基于信息熵和PSO
‑
Kmeans算法对典型工艺路线的发现方法，其特征在于，在步骤S1中，所述多级最长公共子序列LCS的获取方法如下：将每种工序加工方法抽象表示成一种字符，即将机加工艺路线看作是一个符号序列，从待比较的两个符号序列中提取多级最长公共子序列，LCS的定义如下：若某个序列S＝{s1,s2,
…
,s
r
}同时是两条待比较序列M＝{m1,m2,
…
,m
u
}、N＝{n1,n2,
…
,n
v
}的子序列，即满足式(1)；当且仅当序列S的长度r取最大值时，则称S为M、N的LCS；上述提取得到的是单级LCS，在提取S的过程中，如果将S中每一个元素在M和N中的位置信息进行记录，并对M和N中这些位置上的元素进行剔除，就会形成两个新序列M'和N'，对M'和N'继续提取LCS，可得到第2级最长公共子序列S'，依次类推，直到新形成两序列不含有任何相同元素或至少一个为空，可得到多级LCS。3.根据权利要求2所述的一种基于信息熵和PSO
‑
Kmeans算法对典型工艺路线的发现方法，其特征在于，在步骤S2中，基于LCS信息熵的序列相似度评价方法如下：用LCS的信息熵来评价待比较序列间的相似度，对于待比较序列M、N及其最长公共子序列S，构建如式(2)所示的平均相似信息量评价函数：H(u,v,r)＝P(u,v,r)I(u,v,r)
ꢀꢀꢀꢀ
(2)式中，H(u,v,r)表示平均相似信息量评价函数，其是一个关于原序列长度和最长公共子序列长度的函数，当S的长度r越大且越接近于原序列长度u和v时，传递出的相似信息量就越大，代表M和N间的相似度就越高；I(u,v,r)是计算信息熵时的相似信息量函数，可通过式(3)进行计算；P(u,v,r)是计算信息熵时的概率函数，可通过式(4)进行计算：式(3)进行计算；P(u,v,r)是计算信息熵时的概率函数，可通过式(4)进行计算：通过式(3)和(4)衡量M和N间的相似程度。4.根据权利要求3所述的一种基于信息熵和PSO
‑
Kmeans算法对典型工艺路线的发现方法，其特征在于，在步骤S3中，融合多级LCS信息熵的序列相似性度量的方法如下：
对待比较序列M和N，提取它们的多级LCS并组成集合：{S
i
|i＝1,2,
…
,k}其中，Si表示第i级LCS；l表示最大级数，融合多级LCS信息熵的序列相似性评价模型见式(5)：式中，sim(M,N)表示融合多级LCS信息熵的序列M和N的相似性评价结果；ri表示第i级LCS的长度，即序列Si的长度；对熵进行标准化处理，得到最终基于熵的相似性度量值如式(6)所示：式中，Sim(M,N)表示序列M和N的最终相似性度量值。5.根据权利要求4所述的一种基于信息熵和PSO
‑
Kmeans算法对典型工艺路线的发现方法，其特征在于，在步骤S4中，应用谱聚类思想对机加工艺路线进行预处理的步骤如下：S41、将聚类对象看作是无向权重图的节点，两节点间的连接边权为二者根据信息熵方法计算得到的相似度，这样就能形成一个相似度矩阵W
n
×
n
，其中，n表示聚类对象的数量；W(i,j)表示第i条工艺路线与第j条工艺路线根据式(6)计算得到的相似度；S42、按照式(7)所示，构建对角度矩阵D
n
×
n
：S43、计算拉普拉斯矩阵，见式(8)，并进行正交化，见式(9)：L＝D
‑
W
ꢀꢀꢀꢀꢀꢀꢀ
(8)S44、计算矩阵L'的特征值和特征向量，并将特征值按照由小向大的顺序进行排列，取前k1个特征值对应的特征向量排列成矩阵Z中每一行都是一个k1维向量，它与图节点是一一对应的关系，将聚类对象转变成了向量表达形式。6.根据权利要求5所述的一种基于信息熵和PSO
‑
Kmeans算法对典型工艺路线的发现方法，其特征在于，在步骤S5中，...

【专利技术属性】
技术研发人员：李春磊，
申请(专利权)人：宝鸡文理学院，
类型：发明
国别省市：