A method for detecting abnormal energy consumption of aluminum profiles extruder includes the following steps: step A: data acquisition, which is used to collect energy consumption data of aluminum profiles extruder; step B: data preprocessing, which preprocesses energy consumption data of aluminum profiles extruder in energy database; step C: establishing abnormal detection model of energy consumption data mode; Sudden D: According to the abnormal detection model of energy consumption data pattern, the energy consumption curve sample is drawn up, and the abnormal location of energy consumption of aluminum profile extruder is carried out by wavelet neural network. The invention provides a method for detecting abnormal energy consumption of aluminium profile extruder, which can detect abnormal energy consumption in time and accurately locate abnormal parts of the extruder, so as to ensure smooth production and product qualification rate.
【技术实现步骤摘要】
一种铝型材挤压机能耗异常检测方法
本专利技术涉及挤压机能耗检测
,尤其涉及一种铝型材挤压机能耗异常检测方法。
技术介绍
铝型材清洁生产(资源消耗、节能潜力、废物产量等)是贯穿铝型材整个生产过程的全新战略。挤压机作为铝型材生产的核心设备,集机械、电气、液压和计算机于一体,结构复杂、能量消耗大,其运行状况直接决定了型材品质和能源消耗。在实际生产过程中,挤压机运行工况复杂且长期处于满负荷运行状态,这导致其能耗发生异常的概率较大且异常原因难以确定。在挤压机能耗发生异常时及时检测并精准定位能耗异常部位,不仅能保证生产的顺利进行和产品的合格率,而且能大大降低能耗。
技术实现思路
本专利技术的目的在于提出一种铝型材挤压机能耗异常检测方法,实现及时检测到挤压机异常并精准定位能耗异常部位,从而确保生产的顺利进行和产品的合格率。为达此目的,本专利技术采用以下技术方案:一种铝型材挤压机能耗异常检测方法,包括以下步骤:步骤A:数据采集,用于采集铝型材挤压机能耗数据,并将铝型材挤压机能耗数据存储到能源数据库;步骤B:数据预处理,将能源数据库中铝型材挤压机能耗数据进行预处理,包括填补缺失数据和数据平滑处理;步骤C:建立能耗数据模式异常检测模型,包括利用能源数据库的铝型材挤压机能耗数据建立时间序列X=<x1,x2,...xn>,并提取时间序列X的子序列的特征值,并将时间序列的子序列映射到特征空间在特征空间中检测铝型材挤压机能耗数据的异常模式;所述特征值包括高度h、均值方差σ和标准差s;时间序列X1=<xi1,xi2,...xim> ...
【技术保护点】
1.一种铝型材挤压机能耗异常检测方法,其特征在于:包括以下步骤:步骤A:数据采集,用于采集铝型材挤压机能耗数据,并将铝型材挤压机能耗数据存储到能源数据库;步骤B:数据预处理,将能源数据库中铝型材挤压机能耗数据进行预处理,包括填补缺失数据和数据平滑处理;步骤C:建立能耗数据模式异常检测模型,包括利用能源数据库的铝型材挤压机能耗数据建立时间序列X=<x1,x2,...xn>,并提取时间序列X的子序列的特征值,并将时间序列的子序列映射到特征空间
【技术特征摘要】
1.一种铝型材挤压机能耗异常检测方法,其特征在于:包括以下步骤:步骤A:数据采集,用于采集铝型材挤压机能耗数据,并将铝型材挤压机能耗数据存储到能源数据库;步骤B:数据预处理,将能源数据库中铝型材挤压机能耗数据进行预处理,包括填补缺失数据和数据平滑处理;步骤C:建立能耗数据模式异常检测模型,包括利用能源数据库的铝型材挤压机能耗数据建立时间序列X=<x1,x2,...xn>,并提取时间序列X的子序列的特征值,并将时间序列的子序列映射到特征空间在特征空间中检测铝型材挤压机能耗数据的异常模式;所述特征值包括高度h、均值方差σ和标准差s;时间序列X1=<xi1,xi2,...xim>是时间序列X=<x1,x2,...xn>的子序列,其中n表示时间序列X=<x1,x2,...xn>的长度,m表示子序列X1=<xi1,xi2,...xim>的长度,x1,x2,...xn表示铝型材挤压机的能耗数据;步骤D:根据能耗数据模式异常检测模型制定能耗曲线样本,并利用小波神经网络对铝型材挤压机能耗进行异常定位,包括以下步骤:小波包分解,计算能量值,维数约简,输入输出层参数设定,中间层数目设定,神经网络学习训练,测试样本输入和定位能耗异常。2.根据权利要求1所述一种铝型材挤压机能耗异常检测方法,其特征在于:建立能耗数据模式异常检测模型包括以下具体步骤:步骤C1:给时间序列X=<x1,x2,...xn>加滑动窗口,记为Fi,其中i表示第几个滑动窗口,且令i=1;步骤C2:计算步骤C1中的Fi的边缘权重因子,从而提取出每个子序列X1=<xi1,xi2,...xim>的上下边界值,计算公式如下:其中m表示W(i)的窗口宽度,即子序列X1=<xi1,xi2,...xim>的长度;xmax/xmin表示每一个窗口中的最大...
【专利技术属性】
技术研发人员:杨海东,曾利云,印四华,
申请(专利权)人:广东工业大学,
类型:发明
国别省市:广东,44
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。