CN111538755A - 一种基于归一化互相关与单位根检验的设备运行状态异常检测方法 - Google Patents

Abstract

本发明是为了克服现有技术对低压铸造机生产压力原始数据利用率低，提出一种基于归一化互相关与单位根检验的设备生产状态异常检测方法，充分利用了生产压力原始数据，并为设备检修等提供依据，包括以下步骤：从数据库中调取低压铸造生产压力原始数据，对调取的数据进行预处理，将数据预处理后以生产单个产品为基本单位进行初步分离，得到所有候选子序列并对其进行遍历，提取其中具有完整生产周期的生产压力曲线数据子序列，按照生产顺序进行排列；对所有子序列提取所需压力上升段到恒压段的部分特征段数据，设定压力曲线与提取得到的特征段数据，计算得到归一化互相关值特征序列并对其进行ADF检验，根据检验结果，判断设备运行状态是否存在异常。

Description

一种基于归一化互相关与单位根检验的设备运行状态异常检 测方法

技术领域

本发明属于低压铸造机设备运行状态异常检测领域，尤其是涉及一种基于归一化互相关与单位根检验的设备运行状态异常检测方法。

背景技术

计算机相关技术的发展带动了工业化技术水平的提升，制造执行系统环境下生产过程中的数据参数等由车间作业现场控制采集，存储在指定的数据库或数据仓库中。如何利用这些数据，挖掘其中的潜在价值，进而为设备生产、检修等提供指导，成为亟待解决的问题。

低压铸造是一个循环过程，每个循环过程可分为四个阶段，分别是：合模冲型、保压凝固与冷却、卸压冷却和开模操作，其中合模冲型阶段可以分为3段，分别是升液阶段、充型阶段和增压阶段。低压铸造机的设备运行状态可通过低压铸造机压力实际值与设定值在合模冲型与保压阶段的生产过程中的偏离程度来反映，对于连续生产：当每个工件生产时的实际值与设定值偏离程度基本恒定时，认为设备生产状况稳定；反之，当实际值与设定值的偏离程度越来越大，或出现较大波动时，认为设备生产状况不稳定，即出现异常。

互相关是描述两个信号相似程度的常用度量方法，归一化互相关是通过比较两个信号各位置的归一化互相关系数来衡量两个信号的相似程度，因此可通过归一化互相关来描述低压铸造机压力实际值与设定值之间的偏离程度。ADF检验用于进行单位根检验，是Dickey-Fuller检验的增广形式，单位根决定了趋势对时间序列的影响有多强，当存在单位根时，时间序列非平稳，因此可通过ADF检验判断时间序列的平稳性。本方法对低压铸造机压力原始数据进行处理，将原始压力生产数据进行相应处理后，以压力上升段到恒压段的部分数据作为特征段数据，通过特征段数据与设定曲线的归一化互相关计算，表示实际曲线与设定曲线的偏离程度，并将得到的按生产顺序排列的所有归一化互相关值组成的特征序列视为时间序列，进而将设备异常检测问题转换为时间序列稳定性检测问题，最后通过ADF 检验判断时间序列稳定性，进而得到设备生产状况的异常情况，取得了较好的效果。

发明内容

本发明是为了克服现有技术对低压铸造机生产压力原始数据利用率低且需要一种简易的低压铸造机设备运行状况异常检测方法，提出一种基于归一化互相关与单位根检验的设备生产状态异常检测方法，充分利用了生产压力原始数据，并为设备检修等提供依据。

为了实现上述目的，本发明采用以下技术方案：

一种基于归一化互相关与单位根检验的设备运行状态异常检测方法，其特征在于，包括以下步骤：

步骤一：从数据库中调取待测设备——运行状态的低压铸造机设备生产压力原始数据；

步骤二：对步骤一调取的低压铸造机压力原始数据进行数据预处理操作，将数据预处理后的连续生产压力数据以生产单个产品为基本单位进行初步分离，得到所有候选子序列；

步骤三：对步骤二得到的所有候选子序列进行遍历，提取其中具有完整生产周期的生产压力曲线数据子序列，按照生产顺序对得到的子序列进行排列；

步骤四：对步骤三得到的所有子序列提取所需压力上升段到恒压段的部分特征段数据，根据设定压力曲线与提取得到的特征段数据，计算得到归一化互相关值特征序列；

步骤五：根据步骤四得到的归一化互相关值特征序列，进行ADF检验，选定相应模型和参数，根据ADF检验结果，判断设备运行状态是否存在异常。

作为优选，所述步骤二主要包括以下步骤：

1)舍去数据中所有无用的列，仅保留采集时刻与对应的采集值；

2)遍历压力原始数据，对数据项中所有采集时刻相同的数据项进行处理，仅保留相同数据项的第一项，删除其他异常记录项；

3)根据采样时间间隔对步骤2)所得数据进行处理，将原数据转换为等间隔时间序列，对新增采样时刻的采集值，采用牛顿方法进行插值，插值公式如下：

其中P_n(t)为新增t时刻对应的采样值；

设插值处理后采集时刻t和采集值v之间的对应关系为v＝V(t)，则对于某一实际采集值v，可用t＝V^-1(v)表示该采集值对应的采集时刻；

4)计算得到压力最小值v_min，计算公式如下所示：

其中，v_min1,…,v_mink和n_min1,…,n_mink分别为[0,v_holding/2)区间内，出现频率最高的k个采集值及其对应出现次数，v_holding为恒压设定值；

5)根据步骤4)计算所得的v_min，计算得到单个样本分离临界区间值v_cv，计算公式如下所示：

其中

为样本分离系数；

6)对步骤3)得到的数据序列进行遍历，根据

将所有采集时刻相连的数据项划分到一个子序列中，按生产的先后顺序对子序列排序。

作为优选，所述步骤三主要包括以下步骤：

1)确定具有完整生产周期的生产压力下界值v_{lower_bound}和压力上升段末端压力值v_{upper_bound},其计算公式如下所示：

v_{lower_bound}＝v_min+3×α×v_holding

v_{upper_bound}＝β×v_max

其中

为样本分离系数，β为上界划分系数；

2)对所有子序列

进行初次筛选，筛选原则如下所示：

3)对步骤2)分离得到的所有子序列

其初始时刻为t₀，结束时刻为t_m，在t₀与t_m中取时刻t_m1＝(t₀+t_m)/3，t_m2＝2×(t₀+t_m)/3，根据如下公式进行二次筛选：

t_m-t₀>γ×t_tor&&V(t_m1)≥β×v_holding&&V(t_m2)≥β×v_holding

其中t_tor为对应工件恒压时间一般值，γ为恒压时间截取系数；

4)将步骤3)得到的所有子序列按照生产顺序进行排列，即得到所有具有完整生产周期的生产压力曲线数据子序列。

作为优选，所述步骤四主要包括以下步骤：

1)对于第i个子序列

中的值

在满足

的值中选取最大值为

将对应时刻

作为子序列特征段开始时刻；

2)对于第i个子序列

中的值

在满足

的值中选取最小值

将对应时刻

作为压力上升段的结束时刻，根据恒压段设定分析时间t_{ana_holding}，得到恒压段结束时刻

3)对于所有子序列，计算得到

的最小值，取为Δt_min,并以此计算得到所有子序列的特征段结束时刻

子序列特征段开始时刻

与结束时刻

之间的数据即为子序列特征段数据；

4)提取低压铸造机各段压力与速率设定参数值，计算得到设定压力曲线为v＝S(t)，则对于任意给定压力v，可通过t＝S^-1(v)计算得到该压力值下的理论时刻；

5)遍历步骤3)得到的所有子序列特征段数据

根据如下公式计算得到第i个子序列特征段对应的归一化互相关值

6)将步骤5)得到的所有子序列的

值，按照生产顺序进行排列，即得到待测样本归一化互相关值特征序列。

因此，本发明具有如下有益效果：本发明方法仅使用低压铸造机原始压力生产数据和基本生产设定参数进行铸造机设备生产状况检测，并充分利用这些数据，实现设备运行状况异常检测，为设备检修等提供依据，充分发挥了这些数据的潜在价值，并且整个检测过程无需额外搭建检测设备，简单易行。

附图说明

图1为主要过程步骤示意图

图2为分离得到所有完整子序列后的数据处理流程图

图3为本发明实施例中对原数据去除异常项后绘制的曲线图

图4为本发明实施例中对原数据插值后绘制的曲线图

图5为本发明实施例中得到的归一化互相关特征序列曲线图

具体实施方式

下面结合附图与具体实施方式对本发明做进一步的描述；

如图1-5所示的实施例中，

一种基于归一化互相关与单位根检验的设备运行状态异常检测方法，包括以下步骤：

步骤一：从数据库中调取待测设备——运行状态的低压铸造机设备生产压力原始数据，本实施例调取的压力原始数据共记录有数据项8687项，每一项记录5个信息。

步骤二：对步骤一调取的低压铸造机压力原始数据进行数据预处理操作，将数据预处理后的连续生产压力数据以生产单个产品为基本单位进行初步分离，得到所有候选子序列，主要包括以下步骤：

1)舍去数据中所有无用的列，仅保留采集时刻与对应的采集值；本实施例删除了所有数据中与分析无关的3列信息。

2)遍历压力原始数据，对数据项中所有采集时刻相同的数据项进行处理，仅保留相同数据项的第一项，删除其他异常记录项，处理完成后共得到数据项共8624项，绘制成图像后如图3所示；

3)根据采样时间间隔t_smp＝1s对步骤2)所得数据进行处理，添加空缺采样时刻，将原数据转换为等间隔时间序列，对新增采样时刻的采集值，采用牛顿方法进行插值，插值公式如下：

其中P_n(t)为新增t时刻对应的采样值，最终得到数据项共10798项，绘制成图像后如图4所示；

设插值处理后采集时刻t和采集值v之间的对应关系为v＝V(t)，则对于某一实际采集值v，可用t＝V^-1(v)表示该采集值对应的采集时刻；

4)计算得到压力最小值v_min，计算公式如下所示：

其中，v_min1,…,v_mink和n_min1,…,n_mink分别为[0,v_holding/2)区间内，出现频率最 高的k个采集值及其对应出现次数，v_holding为恒压设定值，本实施例根据恒 压设定值v_holding＝800，在[0,v_holding/2)区间内，统计得到出现频率最高的3个采 集值及其出现次数，按照如下公式计算得到v_min，其中v_min1＝10，n_min1＝486, v_min2＝11,n_min2＝304,v_min3＝9,n_min3＝300。计算可得v_min＝10.004，四舍五入后， v_min＝10。

5)根据步骤4)计算所得的v_min，计算得到单个样本分离临界区间值v_cv，计算公式如下所示：

其中

为样本分离系数，取样本分离系数

计算得到单样本分离临界区间值v_cv,

6)对步骤3)得到的数据序列进行遍历，根据

将所有采集时刻相连的数据项划分到一个子序列中，按生产的先后顺序对子序列排序，得到子序列共40项。。

步骤三：对步骤二得到的所有候选子序列进行遍历，提取其中具有完整生产周期的生产压力曲线数据子序列，按照生产顺序对得到的子序列进行排列，主要包括以下步骤：

1)确定具有完整生产周期的生产压力下界值v_{lower_bound}和压力上升段末端压力值v_{upper_bound},其计算公式如下所示：

v_{lower_bound}＝v_min+3×α×v_holding

v_{upper_bound}＝β×v_max

其中

为样本分离系数，β为上界划分系数，取上界划分系数β＝0.99，确定具有完整生产周期的生产压力下界值v_{lower_bound}＝v_min+3×α×v_holding＝70，和压力上升段末端压力值v_{upper_bound}＝β*v_max＝792；

2)对所有子序列

进行初次筛选，筛选原则如下所示：

3)对步骤2)分离得到的所有子序列

其初始时刻为t₀，结束时刻为t_m，在t₀与t_m中取时刻t_m1＝(t₀+t_m)/3，t_m2＝2×(t₀+t_m)/3，根据如下公式进行二次筛选：

t_m-t₀>γ×t_tor&&V(t_m1)≥β×v_holding&&V(t_m2)≥β×v_holding

其中t_tor为对应工件恒压时间一般值，γ为恒压时间截取系数，取对应工件恒压时间一般值t_tor＝150，恒压时间截取系数γ＝0.8；

4)将步骤3)得到的所有子序列按照生产顺序进行排列，即得到所有具有完整生产周期的生产压力曲线数据子序列，本实施例得到符合要求的子序列共40项。

步骤四：对步骤三得到的所有子序列提取所需压力上升段到恒压段的部分特征段数据，根据设定压力曲线与提取得到的特征段数据，计算得到归一化互相关值特征序列，主要包括以下步骤：

1)对于第i个子序列

中的值

在满足

的值中选取最大值为

将对应时刻

作为子序列特征段开始时刻；

2)对于第i个子序列

中的值

在满足

的值中选取最小值

将对应时刻

作为压力上升段的结束时刻，根据恒压段设定分析时间t_{ana_holding}，得到恒压段结束时刻

根据本实施例设定的恒压段设定分析时间t_{ana_holding}＝60，得到各子序列的恒压段结束时刻

3)对于所有子序列，计算得到

的最小值，取为Δt_min,并以此计算得到所有子序列的特征段结束时刻

子序列特征段开始时刻

与结束时刻

之间的数据即为子序列特征段数据，本实施例得到Δt_min＝105，据此修改所有子序列特征段结束时刻

4)提取低压铸造机各段压力与速率设定参数值，计算得到设定压力曲线为v＝S(t)，则对于任意给定压力v，可通过t＝S^-1(v)计算得到该压力值下的理论时刻；

5)遍历步骤3)得到的所有子序列特征段数据

根据如下公式计算得到第i个子序列特征段对应的归一化互相关值

6)将步骤5)得到的所有子序列的

值，按照生产顺序进行排列，即得到待测样本归一化互相关值特征序列，本实施例得到待测样本归一化互相关值特征序列：NCC_v,S＝[0.99994019,0.99993475,L,0.99778388]，绘制成图像如图5所示。

步骤五：根据步骤四得到的归一化互相关值特征序列，进行ADF检验，选定相应模型和参数，根据ADF检验结果，判断设备运行状态是否存在异常。ADF检验原假设为序列存在单位根，即非平稳。本实施例选定仅包含常数项，不包含趋势项的模型，模型对应公式如下所示：

其中α是常数项，Δ为一阶差分项，ε_t为随机误差项。若检测结果P 值小于显著性水平0.05，表示拒绝原假设，即序列平稳，反之，序列非平稳，得到检验结果如下表所示：

从表中可以看出P值大于显著性水平0.05，表明接受原假设，即原时间序列存在单位根，时间序列非平稳，因此，该归一化互相关值特征序列代表的原设备生产状况存在异常，这与图5所示情况一致，设备在生产第 17个工件时偏离程度突然增大，操作人员可据此对设备相关内容进行检查，因此本发明方法具有较好的检测效果。

上述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (4)

1.一种基于归一化互相关与单位根检验的设备运行状态异常检测方法，其特征在于，包括以下步骤：

步骤一：从数据库中调取待测设备——运行状态的低压铸造机设备生产压力原始数据；

步骤二：对步骤一调取的低压铸造机压力原始数据进行数据预处理操作，将数据预处理后的连续生产压力数据以生产单个产品为基本单位进行初步分离，得到所有候选子序列；

步骤三：对步骤二得到的所有候选子序列进行遍历，提取其中具有完整生产周期的生产压力曲线数据子序列，按照生产顺序对得到的子序列进行排列；

步骤四：对步骤三得到的所有子序列提取所需压力上升段到恒压段的部分特征段数据，根据设定压力曲线与提取得到的特征段数据，计算得到归一化互相关值特征序列；

步骤五：根据步骤四得到的归一化互相关值特征序列，进行ADF检验，选定相应模型和参数，根据ADF检验结果，判断设备运行状态是否存在异常。

2.根据权利要求1所述的一种基于归一化互相关与单位根检验的设备运行状态异常检测方法，其特征在于，所述步骤二主要包括以下步骤：

1)舍去数据中所有无用的列，仅保留采集时刻与对应的采集值；

2)遍历压力原始数据，对数据项中所有采集时刻相同的数据项进行处理，仅保留相同数据项的第一项，删除其他异常记录项；

3)根据采样时间间隔对步骤2)所得数据进行处理，将原数据转换为等间隔时间序列，对新增采样时刻的采集值，采用牛顿方法进行插值，插值公式如下：

P_n(t)＝f₀+(t-t₀)f₀ ^[1]+(t-t₀)(t-t₁)f₀ ^[2]+…+(t-t₀)(t-t₁)…(t-t_n-1)f₀ ^[n]

其中P_n(t)为新增t时刻对应的采样值；

设插值处理后采集时刻t和采集值v之间的对应关系为v＝V(t)，则对于某一实际采集值v，可用t＝V^-1(v)表示该采集值对应的采集时刻；

4)计算得到压力最小值v_min，计算公式如下所示：

其中，v_min1,…,v_mink和n_min1,…,n_mink分别为[0,v_holding/2)区间内，出现频率最高的k个采集值及其对应出现次数，v_holding为恒压设定值；

5)根据步骤4)计算所得的v_min，计算得到单个样本分离临界区间值v_cv，计算公式如下所示：

其中

为样本分离系数；

6)对步骤3)得到的数据序列进行遍历，根据

将所有采集时刻相连的数据项划分到一个子序列中，按生产的先后顺序对子序列排序。

3.根据权利要求1所述的一种基于归一化互相关与单位根检验的设备运行状态异常检测方法，其特征在于，所述步骤三主要包括以下步骤：

1)确定具有完整生产周期的生产压力下界值v_{lower_bound}和压力上升段末端压力值v_{upper_bound},其计算公式如下所示：

v_{lower_bound}＝v_min+3×α×v_holding

v_{upper_bound}＝β×v_max

其中

为样本分离系数，β为上界划分系数；

2)对所有子序列

进行初次筛选，筛选原则如下所示：

3)对步骤2)分离得到的所有子序列

其初始时刻为t₀，结束时刻为t_m，在t₀与t_m中取时刻

根据如下公式进行二次筛选：

t_m-t₀>γ×t_tor&&V(t_m1)≥β×v_holding&&V(t_m2)≥β×v_holding

其中t_tor为对应工件恒压时间一般值，γ为恒压时间截取系数；

4)将步骤3)得到的所有子序列按照生产顺序进行排列，即得到所有具有完整生产周期的生产压力曲线数据子序列。

4.根据权利要求1所述的一种基于归一化互相关与单位根检验的设备运行状态异常检测方法，其特征在于，所述步骤四主要包括以下步骤：

1)对于第i个子序列

中的值

在满足

的值中选取最大值为

将对应时刻

作为子序列特征段开始时刻；

2)对于第i个子序列

中的值

在满足

的值中选取最小值

将对应时刻

作为压力上升段的结束时刻，根据恒压段设定分析时间t_{ana_holding}，得到恒压段结束时刻

3)对于所有子序列，计算得到

的最小值，取为Δt_min,并以此计算得到所有子序列的特征段结束时刻

子序列特征段开始时刻

与结束时刻

之间的数据即为子序列特征段数据；

4)提取低压铸造机各段压力与速率设定参数值，计算得到设定压力曲线为v＝S(t)，则对于任意给定压力v，可通过t＝S^-1(v)计算得到该压力值下的理论时刻；

5)遍历步骤3)得到的所有子序列特征段数据

根据如下公式计算得到第i个子序列特征段对应的归一化互相关值

6)将步骤5)得到的所有子序列的

值，按照生产顺序进行排列，即得到待测样本归一化互相关值特征序列。

Images