【技术实现步骤摘要】
本专利技术涉及板带生产线测厚；具体而言，涉及一种异常数据检测方法及异常数据诊断器、射线测厚仪。
技术介绍
1、在钢板等板带生产线的
中，x射线厚度测定是用于精确测量板带的厚度的关键技术。x射线厚度测定的准确性对于保证产品质量和生产效率至关重要。
2、目前，随着板带生产技术的发展和生产需求的提高，现有的x射线厚度测定系统正面临着新挑战和新要求。专利文献号cn111051812b中公开的采用预兆服务器的x射线厚度测定系统提出了一种基于预兆数据生成的异常状态诊断方法，该方法通过收集包括驱动电压值、驱动电流值、管电压值、管电流值、检测信号及板带厚度等参数的测定信息，并进一步生成两部分的预兆数据。第一部分通过计算测定信息的标准偏差，并将标准偏差与预设的第一阈值比较；第二部分则从测定信息中提取检测信号来计算方差和峰度的乘积，并将该乘积与预设的第二阈值进行比较。该方法旨在利用统计学方法分析测定信息，以生成有用的预兆数据，从而诊断设备的异常状态。
3、然而，虽然现有的这种方法在一定程度上能够诊断设备的异常状态，但是，该方法仍然存在若干局限性和问题，比如：
4、1、依赖的统计工具相对很基础、单一，无法捕获数据中的复杂模式或隐藏的关联性。
5、2、进行比较所采用的阈值是静态、固定的，缺乏动态和自适应能力，不适用于快速变化的数据环境。
6、3、分析方法主要是进行描述性统计分析，缺乏预测分析能力，在处理大量或高维度数据时效率低下，准确性有限。
7、综上所述，现有的x射线厚度测
8、因此，当前迫切需要开发一种更高效、更智能的异常检测算法和异常数据诊断系统，以提高射线测厚仪及相关设备的可靠性和维护效率。
技术实现思路
1、鉴于此，本专利技术的目的在于提出一种高效的异常检测算法和执行该异常检测算法的诊断器，以及使用该诊断器的射线测厚仪，专注于识别数据中的异常数据，而不依赖于预设的统计阈值，以提高对异常情况的灵敏度和准确性；不需要事先假设数据遵循某种特定分布，在多变的实际应用中更加灵活；通过评估数据点被隔离的容易程度识别异常，更加动态，以适应各种数据模式的变化；实现对x射线测厚装置的实时监控和快速故障诊断，以提早发现设备故障或性能下降，帮助技术人员分析故障原因，优化维护策略，提高设备的可靠性和维护效率。
2、本专利技术提供异常数据检测方法，包括以下步骤：
3、s1、实时从x射线测厚装置采集检测数据；所述检测数据包括驱动电压值、驱动电流值、管电压值、管电流值、电压检测信号或电流检测信号、板带厚度、温度中的至少一个，以及相关时刻数据；
4、s2、对所述检测数据进行异常检测，发现异常检测数据信息；所述对检测数据进行异常检测的方法包括以下步骤：
5、s21、对检测数据进行数据预处理；
6、s22、对预处理后的数据进行异常检测，包括以下步骤：
7、s221、构建检测数据集；所述检测数据集的数据特征包括驱动电压值、驱动电流值、管电压值、管电流值、电压检测信号或电流检测信号、板带厚度、温度中的至少一个；
8、s222、从检测数据集的所有特征中随机选择一个特征；在选定的该特征上随机选择一个切分点；根据选定的特征和切分点，将数据集切分为两个子集：子集1、子集2；
9、例如，在选定的特征（如“管电压值”）上随机选择一个切分点，切分点的选择范围是该特征的最小值和最大值之间；例如，如果"管电压值"的范围是80kv到150kv,可能随机选择120kv作为切分点；
10、本专利技术实施例中，子集1包含在选定特征（“管电压值”）上的值小于或等于切分点（120kv）的所有数据点；
11、子集2：包含在选定特征（“管电压值”）上的值大于切分点（120kv）的所有数据点；
12、s223、将切分得到的两个子集中的每个子集视为一个新的数据集，在每个子集上重复s222步骤的随机分割过程进行迭代分割，在迭代过程中，通过递归对数据集进行随机分割，逐步隔离异常点；
13、具体地，从子集的的所有特征中随机选择一个特征；在选定的该特征上随机选择一个切分点；根据选定的特征和切分点，将子集分割成两个更小的子集；
14、分割过程递归地进行，每次分割都会产生更多的子集，形成一个多层次的分割结构。
15、每一次分割都旨在进一步隔离数据点，尤其是异常点。通过反复的随机分割，异常点更能被快速地隔离到小的子集中，因为它们在某些特征上的值与普通点有明显差异。
16、例如，假设在第一次分割时选择了“管电压值”特征，并以120kv为切分点。在结果子集上，选择“电流检测信号”特征进行第二次分割。如果某个异常点在这两个特征上的值都与普通点有显著不同，那么经过两次分割，它很可能已经被隔离到一个只包含它自己的小子集中。
17、所述s223步骤的在迭代过程中，通过递归对数据集进行随机分割，逐步隔离异常点的方法包括：
18、创建决策树，将每次分割都对应于决策树的一个内部节点，直到数据点被完全隔离（即无法进一步分割）或达到决策树的最大深度；
19、例如，假设在某次分割中，选择“管电压值”"特征，切分点为120kv。那么，相应的节点就储存了这个特征和切分点的信息。所有“管电压值”≤120kv的数据点被分到左子树，而“管电压值”>120kv的数据点被分到右子树；
20、s224、通过决策树判断每个数据点的异常程度；对于每个数据点，定义从根节点到该数据点所在叶子节点的边数为该数据点的路径长度；基于路径长度的评分机制计算每个数据点的异常分数，将异常分数作为判断数据点是否为异常的依据；
21、根据路径长度，计算每个数据点的异常分数，异常分数的计算公式如下：
22、
23、其中，e(h(x)) 是数据点；
24、x 是所有树的平均路径长度；
25、c(n) 是给定数据点数量 n 下的平均未成功搜索深度的归一化因子；
26、是归一化的路径长度，使得异常分数介于0和1之间；
27、异常点通常更容易被隔离，因此在决策树中有较短的路径长度；
28、如果一个数据点的异常分数接近1，说明该数据点的平均路径长度很短，大概率是异常点；如果一个数据点的异常分数接近0，说明该数据点的平均路径长度很长，大概率是普通点；
29、s225、根据计算得到的异常分数的评分情况，将评分低于设定阈值的数据点识别为异常数据点；对识别出的异常数据点进行模式分析；根据异常模式和设备的运行规律，推断故障原因；
30、通过这一详细的分析流程，能够有效地识别出x射线测厚装置中的异常数据，为后续的维护和故障排除提供准确的参考；
31、s3、存储异常检本文档来自技高网...
【技术保护点】
1.异常数据检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的异常数据检测方法，其特征在于，所述S21步骤的数据预处理包括：数据清洗、数据标准化；
3.根据权利要求1所述的异常数据检测方法，其特征在于，所述S223步骤的将每次分割都对应于决策树的一个内部节点的方法包括以下步骤：
4.根据权利要求1所述的异常数据检测方法，其特征在于，所述S224步骤的将异常分数作为判断数据点是否为异常的依据包括：
5.异常数据诊断器，其特征在于，执行如权利要求1-4任一项所述的异常数据检测方法，包括：
6.根据权利要求5所述的异常数据诊断器，其特征在于，所述分析部包括：
7.根据权利要求6所述的异常数据诊断器，其特征在于，所述异常检测模块包括：
8.射线测厚仪，其特征在于，使用如权利要求5-7任一项所述的异常数据诊断器。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现权利要求1-4任一项所述的异常数据检测方法的步骤。
10.一种计算机设备
...【技术特征摘要】
1.异常数据检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的异常数据检测方法，其特征在于，所述s21步骤的数据预处理包括：数据清洗、数据标准化；
3.根据权利要求1所述的异常数据检测方法，其特征在于，所述s223步骤的将每次分割都对应于决策树的一个内部节点的方法包括以下步骤：
4.根据权利要求1所述的异常数据检测方法，其特征在于，所述s224步骤的将异常分数作为判断数据点是否为异常的依据包括：
5.异常数据诊断器，其特征在于，执行如权利要求1-4任一项所述的异常数据检测方法，包括：
6.根据权利要求5所述...
【专利技术属性】
技术研发人员：曲海波，赵永峰，赵楠楠，
申请(专利权)人：北京华力兴科技发展有限责任公司，
类型：发明
国别省市：
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。