本發(fā)明涉及電池極片毛刺預(yù)測領(lǐng)域，具體涉及一種極片毛刺預(yù)測的方法及系統(tǒng)。

背景技術(shù)：

1、在電池工藝流程中，分切是前端工序，也是重要的工序之一，但經(jīng)過切刀切極片后，容易產(chǎn)生毛刺，帶來了極大的安全隱患和產(chǎn)品質(zhì)量風(fēng)險?，F(xiàn)有技術(shù)主要是對切刀進行升級以減少毛刺的產(chǎn)生，包括智能分切刀(實現(xiàn)對刀具的調(diào)節(jié)，以匹配不同型號極片的分切要求，提升產(chǎn)品加工效率和穩(wěn)定性)、分切機的糾偏系統(tǒng)及糾偏方法(通過兩個光電傳感器可以同時向外或者同時向里的方向運行，以保證材料幅寬變換時，能自動找到材料的邊沿，也可以同時向左或者向右移動，以完成對中糾偏的中心點移動)、切刀壽命的預(yù)測(做到及時更換切刀)、極片分切粉料的清理裝置(采用收集裝置與清理刷相配合的設(shè)計，減少粉塵留存對切刀鋒利度影響毛刺的產(chǎn)生)等等，例如中國專利公開號cn106584016a公開的用于極片的防毛刺分切裝置，都是通過設(shè)備的更新?lián)Q代來減少毛刺的產(chǎn)生，沒有考慮毛刺產(chǎn)生的全部相關(guān)因素，沒有做到預(yù)測性的維護，因此產(chǎn)生較大的耗材浪費。

2、現(xiàn)有的相關(guān)性分析可分為兩類：一是線性相關(guān)，變量間呈線性相關(guān)的，也就是變量a越高，變量b單調(diào)遞增或單調(diào)遞減(但無法發(fā)現(xiàn)兩者是否存在曲線關(guān)系)；二是非線性相關(guān)，變量之間的關(guān)系并非呈線性狀態(tài)，這時可以用曲線估計的方法進行分析。最近幾年，相關(guān)性分析都是通過采集數(shù)據(jù)，數(shù)據(jù)預(yù)處理，變量降維，建立模型；但這種方法只是簡單建立模型，并不能夠?qū)γ坍a(chǎn)生進行預(yù)測，并對相關(guān)耗材進行預(yù)測性維護與更換；而傳統(tǒng)時間序列預(yù)測問題是通過遞歸神經(jīng)網(wǎng)絡(luò)(rnn)、長短期記憶(lstm)和門遞歸單元(gru)等模型進行預(yù)測的，此外還有通過將時間序列分解的方法，例如stl(seasonal?and?trend?decompositionusing?loess)，以確保提高預(yù)測精度。然而，由于這些方法是在每個成分的獨立時間序列模型中學(xué)習(xí)的，因此無法學(xué)習(xí)時間序列中各個成分(各個相關(guān)因素)之間的關(guān)系。

3、綜上，現(xiàn)有技術(shù)的極片毛刺預(yù)測方法針對單個影響因素進行獨立分析，無法分析各個相關(guān)因素之間的關(guān)系，從而預(yù)測結(jié)果不夠準(zhǔn)確。

技術(shù)實現(xiàn)思路

1、本發(fā)明所要解決的技術(shù)問題在于現(xiàn)有技術(shù)極片毛刺預(yù)測方法無法分析各個相關(guān)因素之間的關(guān)系，從而預(yù)測結(jié)果不夠準(zhǔn)確的問題。

2、本發(fā)明通過以下技術(shù)手段解決上述技術(shù)問題的：一種極片毛刺預(yù)測的方法，所述方法包括：

3、步驟一、對極片的分切機相關(guān)數(shù)據(jù)進行采集；

4、步驟二、對采集的數(shù)據(jù)進行預(yù)處理，確定影響極片毛刺的字段以及每個字段下的影響因素，對每個字段下的影響因素進行降維處理，選取與標(biāo)簽數(shù)據(jù)最相關(guān)的影響因素對應(yīng)的特征作為輸入數(shù)據(jù)，所述標(biāo)簽數(shù)據(jù)表征極片是否具有毛刺；

5、步驟三、構(gòu)建時間序列預(yù)測模型；

6、步驟四、將輸入數(shù)據(jù)輸入時間序列預(yù)測模型得出極片毛刺預(yù)測結(jié)果。

7、進一步地，所述確定影響極片毛刺的字段以及每個字段下的影響因素，包括：

8、確定刀具、軸、卷芯米數(shù)以及材料這四個字段為影響極片毛刺的字段，預(yù)先設(shè)定每個字段下的影響因素。

9、進一步地，所述對每個字段下的影響因素進行降維處理，包括：

10、計算每個字段下各個影響因素之間的相關(guān)系數(shù)，定義相關(guān)系數(shù)的絕對值大于預(yù)設(shè)值的影響因素之間具有相關(guān)性，在具有相關(guān)性的多個影響因素中選取一個并且將不相關(guān)的影響因素全部選取，從而實現(xiàn)降維處理，計算所選取的各個影響因素與標(biāo)簽數(shù)據(jù)的相關(guān)系數(shù)，選取與標(biāo)簽數(shù)據(jù)最相關(guān)的影響因素作為輸入數(shù)據(jù)。

11、進一步地，所述時間序列預(yù)測模型包括自相關(guān)門、相關(guān)門以及相關(guān)性遞歸單元，所述輸入數(shù)據(jù)利用時間序列分解方法分解成輸入數(shù)據(jù)的趨勢、輸入數(shù)據(jù)的季節(jié)性和輸入數(shù)據(jù)的殘差，輸入數(shù)據(jù)的趨勢、輸入數(shù)據(jù)的季節(jié)性均輸入自相關(guān)門和相關(guān)門，自相關(guān)門和相關(guān)門的輸出結(jié)果以及輸入數(shù)據(jù)的殘差分別輸入到相關(guān)性遞歸單元，相關(guān)性遞歸單元輸出極片毛刺預(yù)測結(jié)果。

12、更進一步地，所述自相關(guān)門的工作過程為：

13、

14、其中，表示輸入數(shù)據(jù)t時刻的季節(jié)性特征，表示t-1時刻季節(jié)性特征的隱藏狀態(tài)，表示相同時間序列分量內(nèi)的和之間的自相關(guān)，σ表示自相關(guān)操作，表示的權(quán)重，表示的權(quán)重，表示第一偏置項；表示輸入數(shù)據(jù)t時刻的趨勢特征，表示t-1時刻趨勢特征的隱藏狀態(tài)，表示相同時間序列分量內(nèi)的和之間的自相關(guān)，表示的權(quán)重，表示的權(quán)重，表示第二偏置項。

15、更進一步地，所述相關(guān)門的工作過程為：

16、

17、其中，表示相同時間序列分量內(nèi)的和之間的相關(guān)性，表示第三偏置項，表示相同時間序列分量內(nèi)的和之間的相關(guān)性，表示第四偏置項。

18、更進一步地，所述相關(guān)性遞歸單元的工作過程為：

19、

20、其中，每個hs和ht由分量內(nèi)的自相關(guān)和與另一個分量的相關(guān)性的加權(quán)和組成，表示t時刻季節(jié)性特征的隱藏狀態(tài)，λ表示加權(quán)和的比例(介于0和1之間)，⊙表示點乘，表示第五偏置項，表示t時刻趨勢特征的隱藏狀態(tài)，表示第六偏置項，表示輸入數(shù)據(jù)t時刻的殘差。

21、本發(fā)明還提供一種極片毛刺預(yù)測的系統(tǒng)，所述系統(tǒng)包括：

22、數(shù)據(jù)采集模塊，用于對極片的分切機相關(guān)數(shù)據(jù)進行采集；

23、數(shù)據(jù)降維模塊，用于對采集的數(shù)據(jù)進行預(yù)處理，確定影響極片毛刺的字段以及每個字段下的影響因素，對每個字段下的影響因素進行降維處理，選取與標(biāo)簽數(shù)據(jù)最相關(guān)的影響因素對應(yīng)的特征作為輸入數(shù)據(jù)，所述標(biāo)簽數(shù)據(jù)表征極片是否具有毛刺；

24、模型構(gòu)建模塊，用于構(gòu)建時間序列預(yù)測模型；

25、結(jié)果輸出模塊，用于將輸入數(shù)據(jù)輸入時間序列預(yù)測模型得出極片毛刺預(yù)測結(jié)果。

26、進一步地，所述確定影響極片毛刺的字段以及每個字段下的影響因素，包括：

27、確定刀具、軸、卷芯米數(shù)以及材料這四個字段為影響極片毛刺的字段，預(yù)先設(shè)定每個字段下的影響因素。

28、進一步地，所述對每個字段下的影響因素進行降維處理，包括：

29、計算每個字段下各個影響因素之間的相關(guān)系數(shù)，定義相關(guān)系數(shù)的絕對值大于預(yù)設(shè)值的影響因素之間具有相關(guān)性，在具有相關(guān)性的多個影響因素中選取一個并且將不相關(guān)的影響因素全部選取，從而實現(xiàn)降維處理，計算所選取的各個影響因素與標(biāo)簽數(shù)據(jù)的相關(guān)系數(shù)，選取與標(biāo)簽數(shù)據(jù)最相關(guān)的影響因素作為輸入數(shù)據(jù)。

30、進一步地，所述時間序列預(yù)測模型包括自相關(guān)門、相關(guān)門以及相關(guān)性遞歸單元，所述輸入數(shù)據(jù)利用時間序列分解方法分解成輸入數(shù)據(jù)的趨勢、輸入數(shù)據(jù)的季節(jié)性和輸入數(shù)據(jù)的殘差，輸入數(shù)據(jù)的趨勢、輸入數(shù)據(jù)的季節(jié)性均輸入自相關(guān)門和相關(guān)門，自相關(guān)門和相關(guān)門的輸出結(jié)果以及輸入數(shù)據(jù)的殘差分別輸入到相關(guān)性遞歸單元，相關(guān)性遞歸單元輸出極片毛刺預(yù)測結(jié)果。

31、更進一步地，所述自相關(guān)門的工作過程為：

32、

33、其中，表示輸入數(shù)據(jù)t時刻的季節(jié)性特征，表示t-1時刻季節(jié)性特征的隱藏狀態(tài)，表示相同時間序列分量內(nèi)的和之間的自相關(guān)，σ表示自相關(guān)操作，表示的權(quán)重，表示的權(quán)重，表示第一偏置項；表示輸入數(shù)據(jù)t時刻的趨勢特征，表示t-1時刻趨勢特征的隱藏狀態(tài)，表示相同時間序列分量內(nèi)的和之間的自相關(guān)，表示的權(quán)重，表示的權(quán)重，表示第二偏置項。

34、更進一步地，所述相關(guān)門的工作過程為：

35、

36、其中，表示相同時間序列分量內(nèi)的和之間的相關(guān)性，表示第三偏置項，表示相同時間序列分量內(nèi)的和之間的相關(guān)性，表示第四偏置項。

37、更進一步地，所述相關(guān)性遞歸單元的工作過程為：

38、

39、其中，每個hs和ht由分量內(nèi)的自相關(guān)和與另一個分量的相關(guān)性的加權(quán)和組成，表示t時刻季節(jié)性特征的隱藏狀態(tài)，λ表示加權(quán)和的比例(介于0和1之間)，⊙表示點乘，表示第五偏置項，表示t時刻趨勢特征的隱藏狀態(tài)，表示第六偏置項，表示輸入數(shù)據(jù)t時刻的殘差。

40、本發(fā)明的優(yōu)點在于：

41、(1)本發(fā)明確定影響極片毛刺的字段以及每個字段下的影響因素，并且對影響因素進行篩選從而降維處理，之后選取與標(biāo)簽數(shù)據(jù)最相關(guān)的影響因素作為輸入數(shù)據(jù)，從而整個方案對各影響毛刺產(chǎn)生的因素進行了相關(guān)性分析最終選取了與極片是否具有毛刺最相關(guān)的影響因素輸入時間序列預(yù)測模型進行預(yù)測，避免直接將單一影響因素輸入模型中進行學(xué)習(xí)導(dǎo)致結(jié)果不夠準(zhǔn)確的問題，提升預(yù)測結(jié)果的準(zhǔn)確性。

42、(2)本發(fā)明通過對毛刺產(chǎn)生因素的相關(guān)性分析，實現(xiàn)對毛刺產(chǎn)生的精準(zhǔn)預(yù)測與控制，能夠及時對設(shè)備進行保養(yǎng)，避免一些因為無法及時更換磨損設(shè)備導(dǎo)致生產(chǎn)停滯情況，同時也能指導(dǎo)人工及時進行維護和備件，將異常性維護轉(zhuǎn)換成預(yù)防性維護?？紤]到實際的生產(chǎn)環(huán)境因素，實現(xiàn)對毛刺產(chǎn)生因素的相關(guān)性分析，能夠預(yù)測并及時更換相關(guān)設(shè)備，更具有實用性。