一种用于铸造生产过程混合多变量的监控方法技术

本发明专利技术涉及铸造生产过程状态监测领域，特别是涉及一种用于铸造生产过程混合多变量的监控方法，一方面提供一种铸造生产离线监控模型建立方法，包括数据采集步骤：采集铸造过程工序正常运行的历史数据作为样本数据，对样本数据进行预处理，得到处理数据；数据降维步骤：采用核主元分析方法对处理数据进行降维处理；数据描述步骤：采用SVDD对得分矩阵进行超球体描述，另一方面提供一种基于上述模型的混合多变量的监控方法，用于铸造生产过程，包括样本监测步骤、样本降维步骤、样本描述步骤和对比判别步骤，判别工序是否处于正常状态。本发明专利技术解决了铸造过程中变量监控单一，无法监控铸造过程中存在高度相关性的多性能指标和过程变量的问题。量的问题。量的问题。

【技术实现步骤摘要】
一种用于铸造生产过程混合多变量的监控方法


[0001]本专利技术涉及铸造生产过程状态监测领域，特别是涉及一种用于铸造生 产过程混合多变量的监控方法。

技术介绍

[0002]铸造行业是现代先进制造业重要的组成部分，推进铸造智能化对发展 制造业也很重要。
[0003]熔模铸造生产工序多且工序复杂，生产周期长，影响铸件产品最终质 量的因素非常多。生产过程中人、机器、材料、方法、测量和环境等因素 都会对工序过程质量造成扰动，从而造成了产品质量的波动，同时顾客对 于铸件质量要求却越来越高，因此熔模制造质量管理是企业面临的问题之 一。铸造企业为了提高过程监控能力和产品质量，已经使用了传统的统计 过程控制，在6σ原则的基础上加入休哈特控制图、CUMUS控制图、EWMA 控制图等对生产过程中部分重要的指标变量单独进行监控，对单变量的监 控有较好的效果，一定程度上改进了产品质量。由于熔模铸造工艺和影响 因素的复杂性，需要对产品多性能指标和过程变量进行监控，这些过程变 量之间存在高度的相关性，过程变量自身随时间序列的相关性，仅采用单 变量统计过程控制无法准确识别。
[0004]影响像航空航天这类复杂熔模铸件的质量的不确定因素众多，为了研 究产品质量的波动，企业必须加强生产过程中质量管理的监测和控制，实 现对复杂熔模铸件生产过程中每一个工序的重要工艺参数在线监测。当前 过程变量具有混合变量相关性，如何针对过程数据的非线性、非高斯、强 耦合的特点，从中准确提取能够反映过程运行状态优势的异常信息，并加 以有效利用，成为铸造生产过程混合多变量的监控的重要问题。

技术实现思路

[0005]针对现有技术的缺陷，本专利技术的目的在于提供一种用于铸造生产过程 混合多变量的监控方法，旨在解决铸造过程中变量监控单一，无法监控铸 造过程中存在高度相关性的多性能指标和过程变量的问题。
[0006]为解决上述问题，按照本专利技术的一个方面，提供了一种铸造生产离线 监控模型建立方法，包括如下步骤：
[0007](1)数据采集步骤：采集铸造过程工序正常运行时的历史数据作为样 本数据，所述样本数据包括传感数据和非传感数据，对样本数据进行预处 理，得到处理数据；
[0008](2)数据降维步骤：采用核主元分析方法对处理数据进行降维处理， 通过高斯核函数将处理数据从其原始数据空间映射到特征空间，并计算得 到核矩阵，采用中心化方法对核矩阵进行修正，得到修正核矩阵，计算核 矩阵的特征向量，通过施密特正交化方法正交得到单位化特征向量，对其 结果用累计贡献率法，获得贡献率大于预设值的主成分，在主成分所在的 核矩阵即主元空间计算得到得分矩阵；
[0009](3)数据描述步骤：采用支持向量数据描述(SVDD)对得分矩阵进 行超球体描述，
得到超球体模型，其中超球体的半径作为评判统计量。
[0010]进一步的，步骤(1)数据采集步骤中预处理包括中心化处理和无量纲 化处理。
[0011]进一步的，预处理还包括采用指数加权移动平均法对传感数据进行降 噪处理，去除传感数据的时间序列相关性。
[0012]进一步的，步骤(1)数据采集步骤中样本数据有复杂特性，包括非线 性、非高斯以及多工况。
[0013]按本专利技术的另一方面，提供一种基于上述模型的混合多变量的监控方 法，用于铸造生产过程，包括如下步骤：
[0014](1)样本监测步骤：采集铸造过程工序的实时数据，所述实时数据包 括传感数据和非传感数据，对实时数据进行预处理，得到监控样本；
[0015](2)样本特征计算步骤：采用核主元分析方法对监控样本进行降维处 理，通过高斯核函数将监控样本从其原始数据空间映射到特征空间，并计 算得到实时核矩阵，采用中心化方法对实时核矩阵进行修正，得到实时修 正核矩阵，实时修正核矩阵与铸造生产离线监控模型中的单位化特征向量 相乘得到实时得分矩阵；
[0016](3)样本描述步骤：采用SVDD对得分矩阵进行超球形描述，得到实 时数据的观测数据点与超球体球心的距离，作为监控统计量；
[0017](4)对比判别步骤：如果监控统计量小于评判统计量，表示铸造过程 工序处于正常状态，否则铸造过程工序处于异常状态。
[0018]进一步的，步骤(1)样本监测步骤中预处理包括中心化处理和无量纲 化处理。
[0019]进一步的，预处理还包括采用指数加权移动平均法对传感数据进行降 噪处理，去除传感数据的时间序列相关性。
[0020]进一步的，步骤(1)样本监测步骤中实时数据具有复杂特性，包括非 线性、非高斯以及多工况。
[0021]总体而言，本专利技术的技术方案与现有技术相比，用于取得下列有益效 果：
[0022]1、本专利技术采用的支持向量数据描述算法是基于无监督学习算法，把多 变量监控简化为与超球体的球心的距离进行监测，简化了监控的流程；
[0023]2、相对于单变量监控来说，本专利技术考虑了混合多变量之间的相关关系， 降低了数据的维度，能够更准确地识别生产过程可能发生的异常；
[0024]3、本专利技术使用指数加权移动平均法对数据进行平滑处理，减小时间序 列对数据的影响，提高数据的准确性；
[0025]4、本专利技术在主成分分析中引入核方法，提取过程的非线性特征，能够 有效解决非线性的问题，使得本方法既可以适用于线性过程监控，也可以 适用于非线性过程监控。
附图说明
[0026]图1是按照本专利技术的优选实例所构建的实时铸造过程监控流程图；
[0027]图2是按照本专利技术的优选实例所构建的核主成分分析流程图；
[0028]图3是按照本专利技术的优选实例所构建的SVDD方法效果图。
具体实施方式
[0029]为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图 及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体 实施例仅用以解释本专利技术，并不用于限定本专利技术。
[0030]如图1所示，本专利技术针对铸造企业现场生产过程数据多变量、非线性、 强耦合、高维度的特点，提出了一种用于铸造生产过程混合多变量的监控 方法，针对混合多变量的监控方法总体分为两个环节，首先是根据正常运 行过程数据建立离线监控模型，然后是利用建立的模型进行现场监控，所 述方法包括下列步骤：
[0031]S1、数据准备步骤：选取熔模铸造过程中的重要工序，如中介机匣的 浇注过程，从历史数据库中选择对应的数据表(中介机匣浇注记录表)中 对工序有影响的关键工艺参数9维，包括型壳温度、浇注温度、漏气率、 真空度、电压、电流、冷却水压力、冷却水进水温度和冷却水出水温度， 可见存在混合多变量多维度高耦合的特点；选取正常数据的100组作为用 来训练的样本数据，得到初始数据X∈R
100x9
；
[0032]S2、数据预处理步骤：浇注温度在300到400℃之间，而压力只有零点 几，浇注温度在建模的过程中会湮没绝对值小的数据，所以数据的标准化 是非常重要的一个环本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种铸造生产离线监控模型建立方法，其特征在于，包括如下步骤：(1)数据采集步骤：采集铸造过程工序正常运行时的历史数据作为样本数据，所述样本数据包括传感数据和非传感数据，对样本数据进行预处理，得到处理数据；(2)数据降维步骤：采用核主元分析方法对处理数据进行降维处理，通过高斯核函数将处理数据从其原始数据空间映射到特征空间，并计算得到核矩阵，采用中心化方法对核矩阵进行修正，得到修正核矩阵，计算核矩阵的特征向量，通过施密特正交化方法正交得到单位化特征向量，对其结果用累计贡献率法，获得贡献率大于预设值的主成分，在主成分所在的核矩阵即主元空间计算得到得分矩阵；(3)数据描述步骤：采用SVDD对得分矩阵进行超球体描述，得到超球体模型，其中超球体的半径作为评判统计量。2.如权利要求1所述的方法，其特征在于，所述步骤(1)数据采集步骤中预处理包括中心化处理和无量纲化处理。3.如权利要求2所述的方法，其特征在于，所述预处理还包括采用指数加权移动平均法对传感数据进行降噪处理。4.如权利要求1所述的方法，其特征在于，所述步骤(1)数据采集步骤中样本数据有复杂特性，包括非线性、非高斯以及多工况。5.一种基于权利要求1
‑
4所述...

【专利技术属性】
技术研发人员：周建新，向观兵，计效园，潘徐政，李文，殷亚军，沈旭，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：