一种数控卷板机产品异常数据分析识别方法技术

本发明专利技术涉及数据处理技术领域，具体涉及一种数控卷板机产品异常数据分析识别方法。该方法包括：获取数控卷板机在一次生产中所有产品的质检数据，根据LOF异常值检测算法获取每个产品对应质检数据的异常程度，并进一步基于异常程度获取每个产品对应的异常征兆度和异常持续度；根据每个产品对应的异常征兆度以及异常持续度获取该产品的异常类别系数，通过异常类别系数可区分质检数据异常的主要原因，进而根据产品的异常程度和异常类别系数对异常质检数据进行筛除，提高了异常数据识别的准确性，使得后续对卷板机故障分析更加可靠。使得后续对卷板机故障分析更加可靠。使得后续对卷板机故障分析更加可靠。

【技术实现步骤摘要】
一种数控卷板机产品异常数据分析识别方法


[0001]本专利技术涉及数据处理
，具体涉及一种数控卷板机产品异常数据分析识别方法。

技术介绍

[0002]卷板机是一种利用辊型工作件将金属板料弯曲成形的工业设备，其被广泛用于筒型件、锥形件等形状的零件生产中，其工作的原理为利用外力作用结合工作辊的运动使金属板材压弯或卷曲成形，通过设置不同型号工作辊的旋转运动以及中轴角度等参数来控制产品的形状，是现代机械制造行业中的一种重要生产设备。
[0003]随着工业化的发展，对工业设备运行状态的监测是保证生产线正常运行的基础，为了准确有效地评价工业设备运行状态以及对机器故障进行分析，需要对卷板机工作过程中的数据进行处理筛选，从大量数据中筛选出卷板机故障数据来进行后续的故障排除分析等步骤；对卷板机进行故障排除分析时，需要先将数控卷板机数据中的故障数据筛选出来，故障数据指的是由于机器故障引发的产品异常数据，而有时也会存在由人为因素如参数设置不当引发的产品异常数据，而人为因素引发的产品异常数据是无法用来分析机器故障的。
[0004]现有技术中一般利用LOF算法来识别异常数据，但是这种方法仅根据数据之间的局部密度判断数据是否异常，无法分辨数据具体的异常原因，也即在对卷板机数据进行处理时无法区分人为因素引起的产品异常数据以及设备故障引起的产品异常数据。

技术实现思路

[0005]为了解决上述技术问题，本专利技术的目的在于提供一种数控卷板机产品异常数据分析识别方法，该方法包括以下步骤：获取数控卷板机在一次生产中所有产品的质检数据，所述质检数据为高维向量，所述产品的高维向量中每个维度为一个指标数据；获取每个产品的生产序号作为所述产品的标签；根据LOF异常值检测算法获取每个产品对应所述质检数据的异常程度；以任意产品为目标产品，根据所述目标产品的标签获取所述目标产品的邻近区域，所述邻近区域中包括多个产品；以所述邻近区域中每个产品与所述目标产品的标签获取关注权重，根据所述关注权重以及所述邻域中每个产品对应的所述异常程度得到异常征兆度和异常持续度；根据所述目标产品的异常征兆度以及所述异常持续度获取所述目标产品的异常类别系数；通过所述异常程度得到异常数据，根据所述异常类别系数得到所述异常数据中的机器故障引起的异常质检数据，完成对所有产品的数据的筛选。
[0006]优选的，所述根据所述目标产品的标签获取所述目标产品的邻近区域的方法，包括：所述邻近区域包括前邻近区域和后邻近区域；
前邻近区域为所述目标产品的标签之前的多个相邻标签的产品构成的区域；后邻近区域为所述目标产品的标签之后的多个相邻标签的产品构成的区域。
[0007]优选的，所述关注权重的获取方法为：对于前邻近区域中的每个产品，获取前邻近区域中包括的所有产品的数量加1的结果，计算所述结果与前邻近区域中包括的所有产品的数量的乘积作为分母；获取前邻近区域中待分析的产品与目标产品的标签之间的差异，计算所述结果与所述差异的差值，将所述差值与预设值进行相乘作为分子，以所述分子和分母的比值得到前邻近区域中对应待分析的产品的关注权重；对于后邻近区域中的每个产品，获取待分析的产品与目标产品的标签之间的差异，将所述差异与预设值相乘得到乘积结果，所述乘积结果与所述分母的比值为后邻近区域中对应待分析的产品的关注权重；其中，预设值为2。
[0008]优选的，所述目标产品的异常征兆度的获取方法，包括：获取所述目标产品的异常程度与其对应前邻近区域中每个产品的异常程度的差异绝对值；对所述差异绝对值进行加权求和得到求和结果，权重为前邻近区域中每个产品的关注权重，以所述求和结果的负数作为幂指数，以自然常数e为底得到的指数函数结果为所述目标产品的异常征兆度。
[0009]优选的，所述目标产品的异常持续度的获取方法，包括：获取所述目标产品的异常程度与其对应后邻近区域中每个产品的异常程度的差异绝对值；对所有的差异绝对值进行加权求和得到求和结果，权重为后邻近区域中每个产品的关注权重，以所述求和结果的负数作为幂指数，以自然常数e为底得到的指数函数结果为所述目标产品的异常持续度。
[0010]优选的，所述根据所述目标产品的异常征兆度以及所述异常持续度获取所述目标产品的异常类别系数的方法，包括：计算所述目标产品的异常征兆度与所述异常持续度的求和结果以及差值结果，获取所述差值结果与所述求和结果的比值，基于所述比值得到所述目标产品的异常类别系数。
[0011]本专利技术具有如下有益效果：通过对每个产品的生产序号进行标号，基于每个产品的生产序号以及由LOF异常值检测算法获取的异常程度进行分析，获取每个产品对应的邻近区域，根据邻近区域中每个产品对应的标号获取对应的关注权重，使得对不同产品的分析更加合理和具有说服力，基于邻近区域中产品的关注权重以及异常程度获取每个产品的异常征兆度和异常持续度，使得对产品异常数据分析更加可靠；进一步通过产品的异常征兆度和异常持续度计算异常类别系数，可基于异常类别系数识别异常发生的主要因素，分析更加全面；最终根据产品的异常程度和异常类别系数一同对产品的质检数据是否异常进行判断，并且可判断出由于机器故障引起的异常质检数据，筛选的类别更加明确，结果更加准确。
附图说明
[0012]为了更清楚地说明本专利技术实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。
[0013]图1为本专利技术一个实施例所提供的一种数控卷板机产品异常数据分析识别方法流程图。
具体实施方式
[0014]为了更进一步阐述本专利技术为达成预定专利技术目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本专利技术提出的一种数控卷板机产品异常数据分析识别方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
[0015]除非另有定义，本文所使用的所有的技术和科学术语与属于本专利技术的
的技术人员通常理解的含义相同。
[0016]下面结合附图具体的说明本专利技术所提供的一种数控卷板机产品异常数据分析识别方法的具体方案。
[0017]请参阅图1，其示出了本专利技术一个实施例提供的一种数控卷板机产品异常数据分析识别方法流程图，该方法包括以下步骤：步骤S100，获取数控卷板机在一次生产中所有产品的质检数据，质检数据为高维向量，产品的高维向量中每个维度为一个指标数据；获取每个产品的生产序号作为产品的标签。
[0018]具体的，获取数控卷板机同一批生产的所有产品的质检数据，质检数据可以视为一个高维向量，高维向量中每个维度表示数控卷板机产品中的一个指标数据，由于产品一般为弯曲的金属板材，则指标数据包括弯曲角度、表面质量等多种检测得到的指标数据；指标数据的种类较本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数控卷板机产品异常数据分析识别方法，其特征在于，该方法包括以下步骤：获取数控卷板机在一次生产中所有产品的质检数据，所述质检数据为高维向量，所述产品的高维向量中每个维度为一个指标数据；获取每个产品的生产序号作为所述产品的标签；根据LOF异常值检测算法获取每个产品对应所述质检数据的异常程度；以任意产品为目标产品，根据所述目标产品的标签获取所述目标产品的邻近区域，所述邻近区域中包括多个产品；以所述邻近区域中每个产品与所述目标产品的标签获取关注权重，根据所述关注权重以及所述邻域中每个产品对应的所述异常程度得到异常征兆度和异常持续度；根据所述目标产品的异常征兆度以及所述异常持续度获取所述目标产品的异常类别系数；通过所述异常程度得到异常数据，根据所述异常类别系数得到所述异常数据中的机器故障引起的异常质检数据，完成对所有产品的数据的筛选。2.根据权利要求1所述的一种数控卷板机产品异常数据分析识别方法，其特征在于，所述根据所述目标产品的标签获取所述目标产品的邻近区域的方法，包括：所述邻近区域包括前邻近区域和后邻近区域；前邻近区域为所述目标产品的标签之前的多个相邻标签的产品构成的区域；后邻近区域为所述目标产品的标签之后的多个相邻标签的产品构成的区域。3.根据权利要求2所述的一种数控卷板机产品异常数据分析识别方法，其特征在于，所述关注权重的获取方法为：对于前邻近区域中的每个产品，获取前邻近区域中包括的所有产品的数量加1的结果，计算所述结果与前邻近区域中包括的所有产品的数量的乘积作为分母；获取前邻近区域中待分析的产品与目标产品的标签之间的差异，计算所述结果与所述差异的差值，将...

【专利技术属性】
技术研发人员：姚建，朱益和，
申请(专利权)人：南通创为机械科技有限公司，
类型：发明
国别省市：