【技術實現步驟摘要】
本專利技術屬于產品篩選，尤其涉及一種記錄類卷積化軌跡距離的數據篩選方法及系統。
技術介紹
1、隨著現有技術發展，產品自身性能和測試的復雜度逐漸增加，對于多批次、小批量、高復雜度的產品缺少一個具體、可操作的各類大量級數據篩選方法，識別由于批次產品質量不穩定等因素造成的數據的異常。對于多批次、小批量、高復雜度的產品的數據異常篩選，目前主要依托產品設計人員，依據設計需求、元器件條件、研制水平等因素，依照各指標設定獨立的異常判斷區間，并且在實際數據分析中主要關注單一指標的異常狀態，當所有指標均不處于異常區間時即判斷產品整體正常，忽略了少數產品的指標數據與多數產品的對應指標數據存在平均值偏離的異常。當上述少數產品的偏離異常疊加多批次產品指標平均性處理時，少數產品的異常偏離異常易被均值處理稀釋，難以發現。另一方面，目前多批量化數據分析方法不固定，批次性異常篩選過程和質量受分析人員技術能力和主觀因素較大，間斷性批次產品數據分析缺少統一量綱，不能有效支撐整批次的多數據分析工作。
技術實現思路
1、本專利技術解決的技術問題是：克服現有技術，提供了一種記錄類卷積化軌跡距離的數據篩選方法及系統，能夠有效識別多批次數據的批次異常和指標異常。
2、本專利技術目的通過以下技術方案予以實現：一種記錄類卷積化軌跡距離的數據篩選方法，包括：對預設的批次性多產品的數據進行線性化處理得到數據軌跡矩陣；區分數據軌跡矩陣中的多批次產品相同測試數據的軌跡矩陣與單一產品單次測試數據軌跡矩陣；根據多批次產品相同測試數
3、上述記錄類卷積化軌跡距離的數據篩選方法中，對預設的批次性多產品的數據進行線性化處理得到數據軌跡矩陣包括：對每個產品的各個指標的性能數據進行采集，并將采集的各個指標的性能數據按照時間標定，形成數據表格；依照時間序列，數據表格中的每一個性能測試數據形成時間-性能數據的軌跡；對應同測試流程下的產品性能數據放置在同一坐標系內，形成數據軌跡矩陣。
4、上述記錄類卷積化軌跡距離的數據篩選方法中，根據多批次產品相同測試數據的軌跡矩陣，采用基于卷積的軌跡距離算法，得到單臺產品與其他產品差異量。
5、上述記錄類卷積化軌跡距離的數據篩選方法中，單臺產品與其他產品的差異量通過如下公式得到：
6、；
7、其中，為第個產品與其他產品的差異量，為第個產品的處于數據表格內處于列指標與本批次產品除第個產品外的其他產品處于列同一指標的軌跡最小相似性，為處于列指標第時刻的指標值，為處于列指標第時刻的指標值，為第一時刻，為本批次產品的總數，為第二時刻，為產品總性能指標的列數，為產品序號。
8、上述記錄類卷積化軌跡距離的數據篩選方法中，通過如下公式得到：
9、
10、其中，為考慮時移誤差的性能與性能之間的相似性，為第個產品處于列指標值集合，為本批次產品除第個產品外的其他產品處于列指標值集合，為對序列引入位移，為可調節的位移閾值，為處于列指標第時刻的指標值，為處于列指標第時刻的指標值，為處于列指標第時刻的指標值，為處于列指標第時刻的指標值，為第三時刻，m為第個產品處于列指標測試的總時間。
11、上述記錄類卷積化軌跡距離的數據篩選方法中，如果單臺產品與其他產品的差異量大于預設的產品異常閾值，則該臺產品為異常數據產品。
12、上述記錄類卷積化軌跡距離的數據篩選方法中，性能數據異常影響量通過如下公式得到：
13、；
14、其中，為性能數據異常影響量，為按照時間段分區的起始時刻，為按照時間段分區的結束時刻，為性能指標處于列位置序號，為性能指標的總列數，為時間分區內預設時刻，為列時刻的指標值，為列到時刻的指標平均值，為本批次產品的總數，為第四時刻，為第時刻產品性能指標矩陣，為產品性能指標平均值矩陣。
15、一種記錄類卷積化軌跡距離的數據篩選系統，包括：第一模塊，用于對預設的批次性多產品的數據進行線性化處理得到數據軌跡矩陣；第二模塊，用于區分數據軌跡矩陣中的多批次產品相同測試數據的軌跡矩陣與單一產品單次測試數據軌跡矩陣；第三模塊，用于根據多批次產品相同測試數據的軌跡矩陣得到單臺產品與其他產品的差異量；第四模塊，用于根據單臺產品與其他產品的差異量和預設的產品異常閾值篩選出多批次產品內的異常數據產品；第五模塊，用于根據單一產品單次測試數據軌跡矩陣得到性能數據異常影響量；第六模塊，用于根據性能數據異常影響量和預設的性能指標異常閾值篩選出異常性能指標；第七模塊，用于根據多批次產品內的異常數據產品和異常性能指標得到異常產品并定位具體異常性能指標。
16、上述記錄類卷積化軌跡距離的數據篩選系統中，對預設的批次性多產品的數據進行線性化處理得到數據軌跡矩陣包括：對每個產品的各個指標的性能數據進行采集，并將采集的各個指標的性能數據按照時間標定，形成數據表格；依照時間序列，數據表格中的每一個性能測試數據形成時間-性能數據的軌跡；對應同測試流程下的產品性能數據放置在同一坐標系內，形成數據軌跡矩陣。
17、上述記錄類卷積化軌跡距離的數據篩選系統中，根據多批次產品相同測試數據的軌跡矩陣，采用基于卷積的軌跡距離算法，得到單臺產品與其他產品差異量。
18、本專利技術與現有技術相比具有如下有益效果：
19、（1）本專利技術僅通過提供的數據進行關聯性分析，快速篩選多批次、小批量、高復雜度產品測試過程的異常數據，解決不同類別產品難形成統一的數據分析標準問題；
20、（2）本專利技術通過數據軌跡化思路，將數據內的每列指標與時間可抽象為二維軌跡，并對多指標、多產品、多批次的數據抽象為高維空間軌跡進行描述，解決了多時間、多個體、多維度復雜數據的統一描述難題；
21、（3）本專利技術通過應用軌跡距離算法，將抽象為多維軌跡的數據進行多批次距離計算，將測試數據的關系和趨勢利用距離進行量化處理，解決了不同指標的統一量綱難題；
22、（4）本專利技術通過補充動態類卷積算法，在軌跡距離算法過程中實施輪訓對比，通過尋找一定時間內的軌跡距離的最小值作為最終結果，可抵消時間維度錯位造成的時移誤差，解決不同個體、批次產品測試數據時間不對齊產生的假性誤差難題。
本文檔來自技高網...【技術保護點】
1.一種記錄類卷積化軌跡距離的數據篩選方法，其特征在于包括：
2.根據權利要求1所述的記錄類卷積化軌跡距離的數據篩選方法，其特征在于：對預設的批次性多產品的數據進行線性化處理得到數據軌跡矩陣包括：
3.根據權利要求1所述的記錄類卷積化軌跡距離的數據篩選方法，其特征在于：根據多批次產品相同測試數據的軌跡矩陣，采用基于卷積的軌跡距離算法，得到單臺產品與其他產品差異量。
4.根據權利要求1或3所述的記錄類卷積化軌跡距離的數據篩選方法，其特征在于：單臺產品與其他產品的差異量通過如下公式得到：
5.根據權利要求4所述的記錄類卷積化軌跡距離的數據篩選方法，其特征在于：通過如下公式得到：
6.根據權利要求4所述的記錄類卷積化軌跡距離的數據篩選方法，其特征在于：如果單臺產品與其他產品的差異量大于預設的產品異常閾值，則該臺產品為異常數據產品。
7.根據權利要求1所述的記錄類卷積化軌跡距離的數據篩選方法，其特征在于：性能數據異常影響量通過如下公式得到：
8.一種記錄類卷積化軌跡距離的數據篩選系統，其特征在于包括：p>
9.根據權利要求8所述的記錄類卷積化軌跡距離的數據篩選系統，其特征在于：對預設的批次性多產品的數據進行線性化處理得到數據軌跡矩陣包括：
10.根據權利要求8所述的記錄類卷積化軌跡距離的數據篩選系統，其特征在于：根據多批次產品相同測試數據的軌跡矩陣，采用基于卷積的軌跡距離算法，得到單臺產品與其他產品差異量。
...【技術特征摘要】
1.一種記錄類卷積化軌跡距離的數據篩選方法，其特征在于包括：
2.根據權利要求1所述的記錄類卷積化軌跡距離的數據篩選方法，其特征在于：對預設的批次性多產品的數據進行線性化處理得到數據軌跡矩陣包括：
3.根據權利要求1所述的記錄類卷積化軌跡距離的數據篩選方法，其特征在于：根據多批次產品相同測試數據的軌跡矩陣，采用基于卷積的軌跡距離算法，得到單臺產品與其他產品差異量。
4.根據權利要求1或3所述的記錄類卷積化軌跡距離的數據篩選方法，其特征在于：單臺產品與其他產品的差異量通過如下公式得到：
5.根據權利要求4所述的記錄類卷積化軌跡距離的數據篩選方法，其特征在于：通過如下公式得到：
6.根據權利要求4所...
【專利技術屬性】
技術研發人員：劉佳琳，劉麗霞，郭曉燕，唐小軍，回天力，楊耀東，于文濤，穆城，李強，宋文理，辛亮，田欣，白宇君，李大松，
申請(專利權)人：北京衛星制造廠有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。