【技术实现步骤摘要】
本专利技术属于铝合金电池箔生产，具体涉及一种基于异常值剔除的数据建模提升电池箔良品率的方法。
技术介绍
1、电池箔作为铝箔的深加工产品，关键技术多，技术指标要求高，其生产就是要求最薄的厚度、最高的强度、最优的表面达因值、最小的厚差、最优的版型、最洁净的表面，同时又要不断追求六个极限值。近年来，智能制造和新能源汽车等行业提出加快我国产业融合过程，与此同时，大数据、云计算、人工智能等技术得到了迅猛的发展，这些技术改变了传统铝箔的行业生产方式，同时也催生出铝箔行业内的新技术。采用生产数据建立力学性能预测模型，通过建立生产物料、环境参数与产品主要技术指标之间的关系，指导电池箔的智能化生产。近年来，由于数据驱动方法(data-driven)以数据为基础，通过明确问题、收集数据、数据处理、建立模型、模型评估及解释和得出结论等几个步骤，以回归分析、方差分析、主成分分析、因子分析、聚类分析、判别分析、典型相关分析和对应分析等为手段，能同时结合建模精度和复杂度，应用广泛，较为实用，因而成为提升电池箔生产工艺和良品率等问题的主流研究方法。
2、在对电池箔生产环节建模时，实际应用中，板型、厚差、合金成分、微观组织结构、热处理工艺等不确定因素导致电池箔生产物理建模难度大，其非线性机理模型难以精准建立。传统的数据驱动方法在进行电池箔生产建模时，原始数据不加处理或者经过简单处理后建模，则可能出现建模误差大，其模型无法正确仿真电池箔的生产原理，无法作为电池箔生产工艺分析的模型存在。
技术实现思路
1
2、本专利技术的目的是采用以下技术方案来实现。依据本专利技术提出的一种基于异常值剔除的数据建模提升电池箔良品率的方法，包括以下步骤：
3、步骤一：对电池箔生产的历史数据进行预处理；
4、步骤二：采用改进的格拉布斯法剔除电池箔生产数据中的异常值；
5、步骤三：将电池箔生产数据平整化后求出均值，消除冗余数据，每一单位时间保留一组稳定有效数据；
6、步骤四：采用z-score的方法对电池箔生产数据的不同参数指标进行归一化处理，使得各指标处于同一数量级，对不同参数在同-量纲下分析对电池箔技术指标的影响。
7、进一步的，步骤一具体包括：
8、剔除电池箔生产数据中不合格的电池箔生产数据，包括：电池铝箔抗拉强度脱离190-280mpa区间、表面润湿张力脱离30-32dyn、表面质量不达标。
9、进一步的，步骤二具体包括以下过程：
10、(1)设某一单位时间段内电池箔生产数据表示为
11、
12、其中n为变量个数，m为单位时间生产电池箔数量；
13、(2)设电池箔生产数据中抗拉强度为xj1，计算m组数据中的中位数m、均值μ和均方差σ；如果单位时间内生产电池箔数量m小于指定数量，则采用改进的格拉布斯法剔除异常值：计算每吨电池箔的抗拉强度剩余误差绝对值|vj|＝|xj1-m|，选择绝对值最大的一组数据，求出g值：
14、
15、设显著水平为α，则对照格拉布斯临界值g(n，α)表查出数据个数为n时的格拉布斯临界值g(n，α)；比较上述公式得出的实际值g与g(n，α)值，如果g>g(n，α)，则对应的第j组电池箔数据为异常，系统预警，并将该数据剔除；
16、(3)如果单位时间内生产的电池箔数量m大于指定数量，则每一单位电池箔所对应的抗拉强度会呈现正态分布，此时采用拉一大准则：对某一单位电池箔的抗拉强度剩余误差vj＝xj1-μ，有
17、|vj|＝|xj1-μ|＞3σ
18、即屈服强度则该单位电池箔的抗拉强度为异常数据，予以剔除；
19、(4)参照抗拉强度的异常值剔除过程，将电池箔生产数据中其他特征参数的异常数据值进行剔除。
20、进一步的，步骤三具体包括以下过程：
21、(1)取经过步骤一和步骤二后在有效范围内剔除了异常值的数据，将数据平整化，求得平均值，消除冗余数据；
22、(2)去除数据中的冗余数据后，在每一单位时间保留一组稳定有效的最佳数据；
23、(3)最佳数据的保留方式为：求取单位时间段内均值
24、
25、其中，m′为剩余数据数目，数据平滑后的最终结果为
26、
27、数据平滑后，电池箔每一特征的数据值，都具有稳定、有效的特点，保证建模的有效性和泛化性能。
28、(4)按照步骤(2)和(3)所述的方法，依次取得电池箔生产过程中不同特征的数据平滑化。
29、进一步的，步骤四包括以下过程：
30、(1)取上面步骤的稳定有效数据，采用z-score的方式对不同参数特征数据进行归一化处理，对每一个参数特征求取其均值和均方差，使得该参数特征数据归一化
31、
32、其中μj为数据第j维度的均值，σj为数据第j维度的标准差，经过处理后的数据，符合标准正态分布，即均值为0，方差为1；
33、(2)按照步骤(1)的方法，依次对电池箔其他特征的数据进行归一化处理；
34、(3)经过剔除异常值和平滑数据、归一化处理后的数据，用于数学建模，确保建模的有效性和泛化性能。
35、本专利技术的有益之处在于：
36、将收集到的数据采用改进的格拉布斯法进行异常值剔除，同时将数据平滑化，消除冗余信息，增加模型的泛化能力，取剔除异常值和平滑后的数据，进行z-score标准化，使得各指标处于同一数量级，便于后期进行综合对比评价；本专利技术利用实际运行电池箔生产数据构建案例库，为操作人员分析电池箔技术指标、提升电池箔良品率提供了有力指导。
37、上述说明仅是本专利技术技术方案的概述，为了能够更清楚了解本专利技术的技术手段，而可依照说明书的内容予以实施，并且为了让本专利技术的上述和其他目的、特征和优点能够更明显易懂，以下特举较佳实施例，并配合附图，详细说明如下。
本文档来自技高网...【技术保护点】
1.一种基于异常值剔除的数据建模提升电池箔良品率的方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于异常值剔除的数据建模提升电池箔良品率的方法，其特征在于，步骤一具体包括：
3.根据权利要求1所述的一种基于异常值剔除的数据建模提升电池箔良品率的方法，其特征在于，步骤二具体包括以下过程：
4.根据权利要求1所述的一种基于异常值剔除的数据建模提升电池箔良品率的方法，其特征在于，步骤三具体包括以下过程：
5.根据权利要求1所述的一种基于异常值剔除的数据建模提升电池箔良品率的方法，其特征在于，步骤四包括以下过程：
【技术特征摘要】
1.一种基于异常值剔除的数据建模提升电池箔良品率的方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于异常值剔除的数据建模提升电池箔良品率的方法，其特征在于，步骤一具体包括：
3.根据权利要求1所述的一种基于异常值剔除的数据建模提升电池箔良品率的方法...
【专利技术属性】
技术研发人员：景太龙，武超，周成群，李飞，王亚乐，陈利娜，
申请(专利权)人：洛阳理工学院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。