CN116690689A - 一种自动化裁切生产线运行状态检测方法 - Google Patents

Abstract

本发明涉及数据处理领域，具体涉及一种自动化裁切生产线运行状态检测方法。该方法包括：获取实时的压力数据，获取压力数据对应压力检测曲线，根据预设时域范围内各检测时刻对应的压力数据的变化特征获取分段时刻，根据分段时刻提取出压力检测曲线中的裁切周期；根据裁切周期和标准周期之间压力数据的差异，获得压力数据的修正系数，选取裁切周期中的压力数据构建多个决策树，并根据修正系数对压力数据在决策树中的高度进行调整，获取压力数据的异常分数，通过异常分数对裁切机的运行状态进行检测。消除了由于裁切刀片磨损导致压力数据的偏移，提高了对裁切机运行状态检测的准确性。

Description

一种自动化裁切生产线运行状态检测方法

技术领域

本发明涉及数据处理领域，具体涉及一种自动化裁切生产线运行状态检测方法。

背景技术

裁纸机作为在纸张自动化生产线上裁切过程中广泛应用的设备，裁纸机的运行状态对裁切纸张的良品率具有决定性影响，因此需要对裁切机的运行状态实时监测，由于生产线存在环境复杂性，液压系统可能存在失效或压力异常的问题，导致施加的压力过大或过小，更快或更慢的进刀速度影响裁切面效果，因此需要通过压力检测判断进刀是否正常，从而对裁切机的运行状态是否异常做出判断。

在对压力数据的检测过程中，现有技术常使用孤立森林算法对压力数据的异常情况进行检测，但裁切刀片在裁切过程中逐渐磨损，导致锋利度降低，使得裁切刀片在后期所需施加的压力相较于前期更大，随着裁切刀片生命周期变化，压力数据会产生偏移，在使用孤立森林算法构建决策树时，会降低对压力数据的异常情况判断的准确性，进而导致对裁切机的运行状态检测异常的问题。

发明内容

为了解决在对裁切机运行状态检测过程中，无法消除裁切刀片由于磨损产生的压力数据的偏移，导致降低对压力数据异常情况判断的准确性，进而导致对裁切机的运行状态检测异常的技术问题，本发明的目的在于提供一种自动化裁切生产线运行状态检测方法，所采用的技术方案具体如下：

本发明提出了一种自动化裁切生产线运行状态检测方法，所述方法包括：

获取不同时刻自动化裁切生产线运行的压力数据，根据压力数据的时序序列获得压力检测曲线，将所述压力检测曲线中每个压力数据对应的时刻作为检测时刻；

根据以每个检测时刻为中心的预设时域范围内压力数据的变化，获得检测时刻的分段参数；根据每个检测时刻的压力数据和对应检测时刻的预设时域范围内压力数据的最大值，获得检测时刻的分段权重；根据所述分段参数和所述分段权重获得分段时刻；根据所述分段时刻的所述预设时域范围内所述分段权重之间的差异，获得裁切周期；

根据每个所述裁切周期和标准周期在相同检测时刻下压力数据的差异，以及每个所述裁切周期和标准周期之间整体压力数据的差异，获得每个裁切周期中压力数据的修正系数；选取每个所述裁切周期中的压力数据构建决策树，根据所述修正系数对压力数据在所述决策树中的高度进行修正，获得压力数据的异常分数；

根据所述异常分数检测生产线上裁切机的运行状态。

进一步地，所述分段参数的获取方法包括：

在所述预设时域范围中，将每个检测时刻与其相邻的检测时刻之间压力数据的差值作为每个检测时刻的压力增量；

将所述预设时域范围位于对应检测时刻左侧的部分时域范围作为左时域范围，将所述左时域范围的所有所述压力增量的均值作为第一整体压力增量；将所述预设时域范围位于对应检测时刻右侧的部分时域范围作为右时域范围，将所述右时域范围的所有所述压力增量的均值作为第二整体压力增量；

将所述左时域范围内每个所述压力增量与所述第一整体压力增量差值的平方作为第一偏离值；将所述右时域范围内每个所述压力增量与所述第二整体压力增量差值的平方作为第二偏离值；

将左右时域范围内相应时刻下的所述第一偏离值和所述第二偏离值的差值的绝对值作为偏离差异；根据所有所述偏离差异的累加值获得每个检测时刻的分段参数。

进一步地，所述分段权重的获取方法包括：

以每个检测时刻下的压力数据作分子，以每个检测时刻的所述预设时域范围内的最大压力数据和预设常数的和值作为分母，获得区分参数；

将所述区分参数经过负相关映射并归一化，获得每个检测时刻的分段权重。

进一步地，所述分段时刻的获取方法包括：

将所述分段参数与所述分段权重的乘积经过sigmoid函数映射并归一化，获得每个检测时刻的分段因子；

将所述分段因子大于预设分段阈值的检测时刻作为分段时刻。

进一步地，所述裁切周期的获取方法包括：

在每个所述分段时刻的所述预设时域范围内，根据每个所述分段时刻两侧检测时刻的所述分段权重之间的差异，获得每个分段时刻的判定参数；

若所述判定参数不小于0，则将分段时刻作为裁切周期的起始时刻，若所述判定参数小于0，则将分段时刻作为裁切周期的终止时刻；

将相邻的所述起始时刻与所述终止时刻之间的检测时刻作为裁切周期，所述裁切周期的起始时刻小于所述终止时刻。

进一步地，所述每个分段时刻的判定参数的获取方法包括：

在每个所述分段时刻的所述预设时域范围内，将小于所述分段时刻的所有检测时刻对应的所述分段权重的累加值作为第一分段权重累加值，将大于所述分段时刻的所有检测时刻对应的所述分段权重的累加值作为第二分段权重累加值；

根据所述第一分段权重累加值和所述第二分段权重累加值获得每个分段时刻的判定参数。

进一步地，将所述第一分段权重累加值和所述第二分段权重累加值的差值作为每个分段时刻的所述判定参数。

进一步地，所述每个裁切周期中压力数据的修正系数的获取方法包括：

在每个所述裁切周期中，将所述标准周期和所述裁切周期在相同检测时刻下压力数据的比值作为偏离参数，将每个所述裁切周期的整体压力数据与所述标准周期的整体压力数据的比值作为整体偏离参数，根据所述偏离参数和所述整体偏离参数的乘积获得调整系数；

将常数1与所述偏离参数的差值作为初始调整值，根据所述初始调整值与所述调整系数的乘积获得最终调整值；

将常数1与所述最终调整值的和值作为每个裁切周期中压力数据的修正系数。

进一步地，所述压力数据的异常分数的获取方法包括：

根据每个压力数据在每个所述决策树的高度与所述修正系数的乘积，获得压力数据在每个决策树中的调整高度，将每个压力数据在所有所述决策树中的所述调整高度的均值作为压力数据的整体调整高度；

将所有所述决策树的高度的均值作为整体树高度；

将所述整体调整高度与所述整体树高度的比值进行负相关映射获得每个压力数据的异常分数。

进一步地，所述根据所述异常分数检测生产线上裁切机的运行状态包括：

所述裁切机的运行状态包括正常状态和异常状态，若所述异常分数大于预设异常阈值，则为异常状态，若所述异常分数不大于预设异常阈值，则为正常状态。

本发明具有如下有益效果：

本发明需要对裁切机的运行状态进行实时的检测，所以根据压力数据的时序序列获得压力检测曲线，通过对压力检测曲线的分析实现对裁切机运行状态的实时检测；由于裁切过程中施加的压力不同，导致裁切周期的不同，所以需要获取各个裁切周期，便于后续根据孤立森林算法对裁切周期中压力数据的异常情况进行判断；考虑到裁切周期中的压力数据有明显的波动性，而非裁切周期中的压力数据的变化趋于稳定，所以可根据以每个检测时刻为中心的预设时域范围内压力数据的变化程度，获得对应的分段参数，提高了后续获取准确的分段时刻；考虑到在分段时刻两侧的裁切周期和非裁切周期中压力数据大小的不同，所以可根据每个检测时刻的压力数据获得对应的分段权重，便于后续结合分段权重和分段参数获得压力检测曲线中所有的分段时刻；考虑到裁切周期中各检测时刻的分段权重大于非裁切周期中各检测时刻的分段权重，所以根据分段时刻对应的预设检测区间内分段权重之间的差异，获得裁切周期，有效提取了压力检测曲线中的各个裁切周期，便于后续根据裁切周期中的压力数据构建决策树；考虑到由于裁切刀片的磨损导致各裁切周期中的相同检测时刻的压力数据发生偏移，并且导致各裁切周期的整体压力数据的不同，所以根据每个裁切周期和标准周期在相同检测时刻下压力数据的差异，以及每个裁切周期和标准周期之间整体压力数据的差异，获得每个裁切周期中压力数据的修正系数，便于后续根据修正系数对压力数据在决策树中的高度进行修正，提高压力数据的异常分数的准确性。本发明根据压力检测曲线中压力数据的变化趋势提取出有效的裁切周期，根据裁切周期和标准周期之间压力数据的差异势获得修正系数，通过修正系数对压力数据在决策树中的高度进行调整，获得压力数据的异常分数，消除了由于裁切刀片磨损导致压力数据的偏移，提高了对裁切机运行状态检测的准确性。

附图说明

为了更清楚地说明本发明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发明的一些实施例，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。

图1为本发明一个实施例所提供的一种自动化裁切生产线运行状态检测方法流程图；

图2为本发明一个实施例所提供的采集单元示意图；

图3为本发明一个实施例所提供的部分压力检测曲线示意图。

具体实施方式

为了更进一步阐述本发明为达成预定发明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，对依据本发明提出的一种自动化裁切生产线运行状态检测方法，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。

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发明的技术领域的技术人员通常理解的含义相同。

下面结合附图具体的说明本发明所提供的一种自动化裁切生产线运行状态检测方法的具体方案。

请参阅图1，其示出了本发明一个实施例提供的一种自动化裁切生产线运行状态检测方法流程图，该方法包括：

步骤S1：获取不同时刻自动化裁切生产线运行的压力数据，根据压力数据的时序序列获得压力检测曲线，将压力检测曲线中每个压力数据对应的时刻作为检测时刻。

在本发明的实施例中，自动化裁切机在运行过程中通过对裁切刀片施加压力进行裁切，在裁切过程中，可能存在压力过高、过低、压力波动、失控等异常情况，需要检测裁切刀片所承受的压力中的异常压力数据，实现对生产线的运行状态的监控。首先需要采集裁切刀片在运行过程中的所承受的压力数据，请参阅图2，图2为本发明一个实施例所提供的采集单元示意图，图中的A表示刀座，B表示压力传感器，C表示固定螺母，D表示裁切刀片，将裁切刀片通过固定螺母安装到刀座上，裁切刀片的后端安装有压力传感器，当裁切运行时，刀座带动裁切刀片向下运动，裁切刀片裁切纸张等目标材料，压力传感器采集实时的压力数据，获取压力数据的时序序列，将时序序列经过计算机的处理后生成对应的压力检测曲线。

请参阅图3，图3为本发明一个实施例所提供的部分压力检测曲线示意图，图中的纵坐标表示实时采集到的压力数据的数值，横坐标坐标表示每个压力数据所对应的检测时刻。

至此，获取了压力数据的压力检测曲线，后续可通过对压力检测曲线的分析，实现对压力数据的异常检测。

步骤S2：根据以每个检测时刻为中心的预设时域范围内压力数据的变化，获得检测时刻的分段参数；根据每个检测时刻的压力数据和对应检测时刻的预设时域范围内压力数据的最大值，获得检测时刻的分段权重；根据分段参数和分段权重获得分段时刻；根据分段时刻的预设时域范围内分段权重之间的差异，获得裁切周期。

在本发明实施例中，裁切过程中的每次裁切所施加的压力不同，压力数值影响进刀速度，但每次裁切的进刀量是相同的，因此每次的裁切周期并不完全相同，并且每次裁切过程之间存在原料加载的时间空隙，原料加载的这段时间不属于裁切周期，本发明实施例通过压力数据的变化对裁切机的运行状态进行检测，因此需要提取有效的裁切周期，根据每个裁切周期中的压力数据检测裁切机的运行状态；裁切周期中的压力数据有明显的波动性，而非裁切周期中的压力数据的变化趋于稳定，所以可根据以每个检测时刻为中心的预设时域范围内压力数据的变化程度，获得对应的分段参数，分段参数越大，说明该检测时刻越可能为裁切周期和非裁切周期之间的分段时刻；考虑到裁切进刀后需要保持压力恒定，所以裁切周期中存在部分的压力数据的变化比较稳定，非裁切周期中的压力数据小于裁切周期中的压力数据，并且分段时刻两侧的压力数据变化的程度比较大，所以可根据每个检测时刻的压力数据和对应检测时刻的预设时域范围内压力数据的最大值，获得检测时刻的分段权重，分段权重越大，说明该检测时刻越可能为分段时刻，并通过结合分段参数和分段权重获取所有的分段时刻；考虑到压力检测曲线中还存在非裁切周期，仅仅获取分段时刻并不能提取出有效的裁切周期，而裁切周期中检测时刻对应的分段权重大于非裁切周期中检测时刻对应的分段权重，所以可根据分段时刻对应的预设检测区间内分段权重之间的差异，获得裁切周期。

优选地，在本发明的一个实施例中分段参数的获取方法具体包括：

在预设时域范围中，将每个检测时刻与其相邻的检测时刻之间压力数据的差值作为每个检测时刻的压力增量；将预设时域范围位于对应检测时刻左侧的部分时域范围作为左时域范围，将左时域范围的所有压力增量的均值作为第一整体压力增量；将预设时域范围位于对应检测时刻右侧的部分时域范围作为右时域范围，将右时域范围的所有压力增量的均值作为第二整体压力增量；将左时域范围内每个压力增量与第一整体压力增量差值的平方作为第一偏离值；将右时域范围内每个压力增量与第二整体压力增量差值的平方作为第二偏离值；将左右时域范围内相应时刻下的第一偏离值和第二偏离值的差值的绝对值作为偏离差异；根据所有偏离差异的累加值获得每个检测时刻的分段参数。具体表达式为：

其中，表示第/>检测时刻的分段参数；/>表示第/>检测时刻的压力增量，当/>时，压力增量/>；/>表示第/>检测时刻的压力数据，/>表示第/>检测时刻的压力数据；/>表示第/>检测时刻对应的左时域范围内压力增量的均值，即第一整体压力增量；/>表示第/>检测时刻对应的右时域范围内压力增量的均值，即第二整体压力增量；表示第/>检测时刻的压力增量；/>表示第/>检测时刻的压力增量；/>表示预设时域范围的时域半径，即左时域范围和右时域范围的长度，在本发明的一个实施例中/>设置为20。

在每个检测时刻的分段参数的获取过程中，表示第一偏离值，能够反映出左时域范围内各检测时刻的压力增量/>与左时域范围的第一整体压力增量/>之间的偏离程度，第一偏离值越大，说明在左时域范围内的压力增量越混乱，表示第二偏离值，第二偏离值越大，说明在右时域范围内的压力增量越混乱，对于分段时刻来说，分段时刻的一侧为非裁切周期，另一侧为裁切周期，非裁切周期的压力数据的变化比较稳定，每个检测时刻的压力增量与非裁切周期的整体压力增量的偏离程度较小，裁切周期的压力数据的波动较强，每个检测时刻的压力增量与整体压力增量的偏离程度较大，而/>表示检测时刻的左右时域范围内相应时刻下第一偏离值和第二偏离值的差异，即偏离差异，偏离差异越大，说明该检测时刻的左右时域范围内的压力增量的混乱程度的差异较大，进而说明该检测时刻为分段时刻的可能性越大，则分段参数越大。

优选地，在本发明的一个实施例中分段权重的获取方法具体包括：

以每个检测时刻下的压力数据作分子，以每个检测时刻的预设时域范围内的最大压力数据和预设常数的和值作为分母，获得区分参数；将区分参数经过负相关映射并归一化，获得每个检测时刻的分段权重。分段权重的表达式为：

其中，表示第/>检测时刻的分段权重；/>表示第/>检测时刻的压力数据；/>表示以自然常数/>为底的指数函数；/>表示取最大值函数，/>表示取预设时域范围内压力数据的最大值；/>表示预设时域范围的时域半径；/>表示预设常数；在本发明的一个实施例中/>设置为20，/>设置为0.01。

在每个检测时刻的分段权重的获取过程中，由于裁切周期中存在部分压力数据的变化比较稳定，而非裁切周期中的压力数据的变化也比较稳定，所以仅通过分段参数并不能提取出所有的分段时刻，考虑到裁切周期的压力数据始终大于非裁切周期中的压力数据，并且裁切周期到非裁切周期过渡时压力数据降低的程度较大，而区分参数能够反映出某个检测时刻对应的预设时域范围内压力数据降低的程度，区分参数越小，说明该检测时刻的压力数据相较于预设时域范围内的最大压力数据更小，进而说明该检测时刻越可能为分段时刻，则该检测时刻的分段权重越大，所以在本发明的一个实施例将区分参数经过以自然常数/>为底的指数函数的负相关映射并归一化，其中的预设常数/>是为了保证分母不为0而设置的。

获取的分段参数和分段权重能够反映出检测时刻两侧压力数据变化的特征，结合检测时刻对应的分段参数和分段权重可以准确地获取所有的分段时刻。

优选地，在本发明的一个实施例中分段时刻的获取方法具体包括：

将分段参数与分段权重的乘积经过sigmoid函数映射并归一化，获得每个检测时刻的分段因子；将分段因子大于预设分段阈值对应的检测时刻作为分段时刻，在本发明的一个实施例中预设分段阈值设置为0.8。分段因子的表达式为：

其中，表示第/>检测时刻的分段因子；/>表示第/>检测时刻的分段因子；/>表示第/>检测时刻的分段因子；/>函数为常见的S型函数，用于归一化。

获取所有的分段时刻之后，需要提取相邻的分段时刻之间的裁切周期，由于压力检测曲线中存在非裁切周期，非裁切周期也处于相邻的分段时刻之间，为了有效的提取出裁切周期，需要进一步的分析。

优选地，在本发明的一个实施例中裁切周期的获取方法具体包括：

在每个分段时刻对应的预设时域范围内，根据每个分段时刻两侧的检测时刻对应的分段权重之间的差异，获得每个分段时刻的判定参数；若判定参数不小于0，则将分段时刻作为裁切周期的起始时刻，若判定参数小于0，则将分段时刻作为裁切周期的终止时刻；将相邻的起始时刻与终止时刻之间的检测时刻作为裁切周期，并且裁切周期的起始时刻小于终止时刻。

优选地，在本发明的一个实施例中每个分段时刻的判定参数的获取方法具体包括：

在每个分段时刻的预设时域范围内，将小于分段时刻的所有检测时刻对应的分段权重的累加值作为第一分段权重累加值，将大于分段时刻的所有检测时刻对应的分段权重的累加值作为第二分段权重累加值；根据第一分段权重累加值和第二分段权重累加值的差值，获得每个分段时刻的判定参数。判定参数的表达式为：

其中，表示分段时刻/>的判定参数；/>表示第/>检测时刻的分段权重；/>表示分段时刻；/>表示预设时域范围的时域半径，在本发明的一个实施例中/>设置为20。

在获取分段时刻的判定参数的过程中，为在预设时域范围中小于分段时刻/>的所有检测时刻的分段权重的累加值，即第一分段权重累加值，/>为在预设时域范围中大于分段时刻/>的所有检测时刻的分段权重的累加值，即第二分段权重累加值，而分段时刻两侧分别为裁切周期和非裁切周期，由于裁切周期中的压力数据比非裁切周期中的压力数据更大，所以裁切周期中各检测时刻的分段权重小于非裁切周期中各检测时刻的分段权重，所以可根据第一分段权重累加值和第二分段权重累加值的差值判断出该分段时刻是裁切周期的起始时刻和终止时刻，当判定参数/>大于或等于0时，说明分段时刻/>的左侧为非裁切周期右侧为裁切周期，则该分段时刻为裁切周期的起始时刻，当判定参数/>小于0时，说明分段时刻/>的左侧为裁切周期右侧为非裁切周期，则该分段时刻为裁切周期的终止时刻，从而可选取相邻的起始时刻和终止时刻之间所有的检测时刻作为一个裁切周期，在选取的过程中需要保证裁切周期的起始时刻小于终止时刻即可。

根据分段时刻提取出压力检测曲线中所有的裁切周期，有效保证了每个裁切周期的完整性，使得每个裁切周期都包含了完整的压力数据，在为后续获取裁切周期中压力数据的修正系数提供了完整的数据支持。

步骤S3：根据每个裁切周期和标准周期在相同检测时刻下压力数据的差异，以及每个裁切周期和标准周期之间整体压力数据的差异，获得每个裁切周期中压力数据的修正系数；选取每个裁切周期中的压力数据构建决策树，根据修正系数对压力数据在决策树中的高度进行修正，获得压力数据的异常分数。

随着裁切刀片的磨损，裁切刀片所承受的压力增加，裁切周期中各个检测时刻的压力数据发生偏移，并且导致各裁切周期的整体压力数据的不同，本发明实施例需要对裁切周期中的每个压力数据进行修正，所以可根据每个裁切周期和标准周期在相同检测时刻下压力数据的差异，以及每个裁切周期和标准周期之间整体压力数据的差异，获得每个裁切周期中压力数据的修正系数，便于后续根据修正系数对压力数据在决策树中的高度进行修正，消除由于裁切刀片磨损导致压力数据的偏移，提高压力数据的异常分数的准确性。

优选地，在本发明的一个实施例中每个裁切周期中压力数据的修正系数的获取方法具体包括：

在每个裁切周期中，将标准周期和裁切周期在相同检测时刻下压力数据的比值作为偏离参数，将每个裁切周期的整体压力数据与标准周期的整体压力数据的比值作为整体偏离参数，根据偏离参数和整体偏离参数的乘积获得调整系数；将常数1与偏离参数的差值作为初始调整值，根据初始调整值与调整系数的乘积获得最终调整值；将常数1与最终调整值的和值作为每个裁切周期中压力数据的修正系数。修正系数的表达式为：

其中，表示第/>个裁切周期中第/>个检测时刻的压力数据的修正系数；/>表示调整系数；/>表示第/>个裁切周期中第/>个检测时刻的压力数据；/>表示标准周期中第/>个检测时刻的压力数据；/>表示裁切周期中检测时刻的数量，也可理解为裁切周期中压力数据的数量；/>表示标准周期中检测时刻的数量，也可理解为标准周期中压力数据的数量。

在每个裁切周期中压力数据的修正系数的获取过程中，为标准周期和裁切周期在相同检测时刻下压力数据的比值，即偏离参数，由于裁切刀片磨损，使得相同检测时刻下各裁切周期的压力数据为逐渐增大的趋势，所以在相同检测时刻下裁切周期的压力数据/>始终大于标准周期的压力数据/>，因此偏离参数越小，说明在相同检测时刻下，裁切周期的压力数据和标准周期的压力数据之间的差异越大，说明裁切周期在该检测时刻的压力数据的偏移程度较大，需要对压力数据的修正程度越大，则压力数据的修正系数越大，所以将/>作为初始调整值；/>为裁切周期的整体压力数据，为标准周期的整体压力数据，二者的比值/>为整体偏离参数，整体偏离参数反映了裁切周期和标准周期的压力数据的整体差异，/>为调整系数，可对初始调整值进行调整，若/>大于1，说明裁切周期的压力数据的偏移程度小于裁切周期整体的偏移程度，需要增大初始调整值，使得修正系数增大，从而提升对压力数据的修正程度，若/>小于1，说明裁切周期的压力数据的偏移程度大于裁切周期整体的偏移程度，需要减小初始调整值，使得修正系数减小，从而降低对压力数据的修正程度，若/>等于1，说明裁切周期的压力数据的偏移程度等于裁切周期整体的偏移程度，不需要对初始调整值进行调整，因此将初始调整值与调整系数的乘积/>作为最终调整值，为了保证修正系数大于1，将常数1与最终调整值的和值作为修正系数。

本发明实施例是利用孤立森林算法（Isolation Forest，iForest算法）检测裁切周期中的异常数据，孤立森林算法是通过随机选取样本数据构建多个决策树，而异常数据在决策树中的高度较低，即异常数据所在节点距离决策树的根节点较近，根据样本数据在所有决策树中的平均高度获得样本数据对应的异常分数，并根据异常分数对样本数据的异常情况进行分析，但由于裁切刀片磨损使得压力数据存在偏移，造成孤立森林算法在选取低磨损状态的压力数据构建决策树与高磨损状态的压力数据构建决策树存在模型误差，造成检测异常的问题，所以在选取每个裁切周期中的压力数据构建决策树后，需要根据修正系数对压力数据在决策树中的高度进行修正，获得压力数据的异常分数。需要说明的是，孤立森林算法是本领域技术人员熟知的技术手段，在此不再赘述。

优选地，在本发明的一个实施例中压力数据的异常分数的获取方法具体包括：

根据每个压力数据在每个决策树的高度与修正系数的乘积，获得压力数据在每个决策树中的调整高度，将每个压力数据在所有决策树中的调整高度的均值作为压力数据的整体调整高度；将所有决策树的高度的均值作为整体树高度；将整体调整高度与整体树高度的比值进行负相关映射获得每个压力数据的异常分数。异常分数的表达式为：

其中，表示压力数据/>的异常分数；/>表示压力数据/>的整体调整高度；/>表示所有决策树的平均高度，即整体树高度；/>表示压力数据/>的修正系数；/>表示压力数据/>在第/>个决策树中的高度；/>表示决策树的数量，在本发明的一个实施例中决策树的数量/>设置为50。

在压力数据的异常分数的获取过程中，表示压力数据在每个决策树中的调整高度，孤立森林算法将决策树中高度较低的压力数据视为异常数据，由于裁切周期中压力数据发生偏移，使得压力数据在决策树中的高度发生变化，导致利用孤立森林算法并不能有效的检测出裁切周期中的异常数据，所以通过修正系数/>对压力数据在决策树中的高度/>进行修正，使得压力数据在决策树中的原始高度增大，消除裁切刀片磨损导致压力数据偏移带来的异常，/>表示经过调整后压力数据/>在所有决策树中的平均高度，即整体调整高度，压力数据的整体调整高度越小，说明压力数据在决策树中的高度越小，说明该压力数据越可能为异常数据，则异常分数/>越大，/>表示所有决策树的平均高度，即整体树高度，用于对整体调整高度/>归一化。

基于修正系数对压力数据在决策树中的高度进行调整后，消除了裁切刀片磨损导致的压力数据的偏移，使得根据调整后压力数据在决策树中的整体调整高度获取的异常分数更加准确，后续可直接根据异常分数对压力数据的异常情况进行分析，提高了后续对裁切机运行状态检测的准确性。

步骤S4：根据异常分数检测生产线上裁切机的运行状态。

根据修正系数对压力数据在决策树中的高度进行修正后，消除了由于裁切刀片磨损导致的压力数据的异常现象，所以可直接根据压力数据的异常分数对裁切机的运行状态进行检测。

优选地，在本发明的一个实施例中检测生产线上裁切机的运行状态的方法具体包括：

若异常分数大于预设异常阈值，说明压力数据为异常数据，则裁切机在该压力数据对应的检测时刻下的运行状态出现异常，裁切机在该检测时刻下的运行状态为异常状态，若异常分数不大于预设异常阈值，说明压力数据为正常数据，则裁切机在该压力数据对应的检测时刻下的运行状态未出现异常，裁切机在该检测时刻下的运行状态为正常状态。在本发明的一个实施例中预设异常阈值设置为0.7。

在本发明的另一些实施例中，还可以根据修正系数对压力数据在决策树中的高度进行修正后获取压力数据的异常分数，若异常分数趋近于1时，说明对应的压力数据为异常数据，则裁切机在该压力数据对应的检测时刻下的运行状态出现异常，若异常分数趋近于0时，说明对应的压力数据为正常数据，则裁切机在该压力数据对应的检测时刻下的运行状态未出现异常，若裁切周期中所有压力数据的异常分数都趋近于0.5，说明整个裁切周期没有出现异常数据，则裁切机在该裁切周期中的运行状态未出现异常。

检测出裁切机的运行状态后，操作人员可根据裁切机在工作过程中的运行状态对裁切机进行维修或处理，便于下一步的生产安排，提高裁切机的工作效率和裁切质量。

综上所述，本发明实施例首先获取压力数据的压力检测曲线，根据预设领域范围内压力数据的变化程度获得每个检测时刻的分段参数，根据每个检测时刻的压力数据获得对应的分段权重，结合分段参数和分段权重获得压力检测曲线中的所有分段时刻，根据分段时刻对应的预设时域范围内分段权重的差异提取出所有的裁切周期；根据裁切周期和标准周期在相同检测时刻下压力数据的差异，以及两个周期的整体差异，获得裁切周期中压力数据的修正系数，随机选取裁切周期中的压力数据构建多个决策树，并根据修正系数对压力数据在决策树中的高度进行调整，获取压力数据的异常分数，通过异常分数对裁切机的运行状态进行检测。本发明实施例根据压力检测曲线中压力数据的变化趋势提取出有效的裁切周期，根据裁切周期和标准周期之间压力数据的差异势获得修正系数，通过修正系数对压力数据在决策树中的高度进行调整，获得压力数据的异常分数，消除了由于裁切刀片磨损导致压力数据的偏移，提高了对裁切机运行状态检测的准确性。

需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。

Claims (10)

1.一种自动化裁切生产线运行状态检测方法，其特征在于，所述方法包括：

获取不同时刻自动化裁切生产线运行的压力数据，根据压力数据的时序序列获得压力检测曲线，将所述压力检测曲线中每个压力数据对应的时刻作为检测时刻；

根据以每个检测时刻为中心的预设时域范围内压力数据的变化，获得检测时刻的分段参数；根据每个检测时刻的压力数据和对应检测时刻的预设时域范围内压力数据的最大值，获得检测时刻的分段权重；根据所述分段参数和所述分段权重获得分段时刻；根据所述分段时刻的所述预设时域范围内所述分段权重之间的差异，获得裁切周期；

根据每个所述裁切周期和标准周期在相同检测时刻下压力数据的差异，以及每个所述裁切周期和标准周期之间整体压力数据的差异，获得每个裁切周期中压力数据的修正系数；选取每个所述裁切周期中的压力数据构建决策树，根据所述修正系数对压力数据在所述决策树中的高度进行修正，获得压力数据的异常分数；

根据所述异常分数检测生产线上裁切机的运行状态。

2.根据权利要求1所述的一种自动化裁切生产线运行状态检测方法，其特征在于，所述分段参数的获取方法包括：

在所述预设时域范围中，将每个检测时刻与其相邻的检测时刻之间压力数据的差值作为每个检测时刻的压力增量；

将所述预设时域范围位于对应检测时刻左侧的部分时域范围作为左时域范围，将所述左时域范围的所有所述压力增量的均值作为第一整体压力增量；将所述预设时域范围位于对应检测时刻右侧的部分时域范围作为右时域范围，将所述右时域范围的所有所述压力增量的均值作为第二整体压力增量；

将所述左时域范围内每个所述压力增量与所述第一整体压力增量差值的平方作为第一偏离值；将所述右时域范围内每个所述压力增量与所述第二整体压力增量差值的平方作为第二偏离值；

将左右时域范围内相应时刻下的所述第一偏离值和所述第二偏离值的差值的绝对值作为偏离差异；根据所有所述偏离差异的累加值获得每个检测时刻的分段参数。

3.根据权利要求1所述的一种自动化裁切生产线运行状态检测方法，其特征在于，所述分段权重的获取方法包括：

以每个检测时刻下的压力数据作分子，以每个检测时刻的所述预设时域范围内的最大压力数据和预设常数的和值作为分母，获得区分参数；

将所述区分参数经过负相关映射并归一化，获得每个检测时刻的分段权重。

4.根据权利要求1所述的一种自动化裁切生产线运行状态检测方法，其特征在于，所述分段时刻的获取方法包括：

将所述分段参数与所述分段权重的乘积经过sigmoid函数映射并归一化，获得每个检测时刻的分段因子；

将所述分段因子大于预设分段阈值的检测时刻作为分段时刻。

5.根据权利要求1所述的一种自动化裁切生产线运行状态检测方法，其特征在于，所述裁切周期的获取方法包括：

在每个所述分段时刻的所述预设时域范围内，根据每个所述分段时刻两侧检测时刻的所述分段权重之间的差异，获得每个分段时刻的判定参数；

若所述判定参数不小于0，则将分段时刻作为裁切周期的起始时刻，若所述判定参数小于0，则将分段时刻作为裁切周期的终止时刻；

将相邻的所述起始时刻与所述终止时刻之间的检测时刻作为裁切周期，所述裁切周期的起始时刻小于所述终止时刻。

6.根据权利要求5所述的一种自动化裁切生产线运行状态检测方法，其特征在于，所述每个分段时刻的判定参数的获取方法包括：

在每个所述分段时刻的所述预设时域范围内，将小于所述分段时刻的所有检测时刻对应的所述分段权重的累加值作为第一分段权重累加值，将大于所述分段时刻的所有检测时刻对应的所述分段权重的累加值作为第二分段权重累加值；

根据所述第一分段权重累加值和所述第二分段权重累加值获得每个分段时刻的判定参数。

7.根据权利要求6所述的一种自动化裁切生产线运行状态检测方法，其特征在于，将所述第一分段权重累加值和所述第二分段权重累加值的差值作为每个分段时刻的所述判定参数。

8.根据权利要求1所述的一种自动化裁切生产线运行状态检测方法，其特征在于，所述每个裁切周期中压力数据的修正系数的获取方法包括：

在每个所述裁切周期中，将所述标准周期和所述裁切周期在相同检测时刻下压力数据的比值作为偏离参数，将每个所述裁切周期的整体压力数据与所述标准周期的整体压力数据的比值作为整体偏离参数，根据所述偏离参数和所述整体偏离参数的乘积获得调整系数；

将常数1与所述偏离参数的差值作为初始调整值，根据所述初始调整值与所述调整系数的乘积获得最终调整值；

将常数1与所述最终调整值的和值作为每个裁切周期中压力数据的修正系数。

9.根据权利要求1所述的一种自动化裁切生产线运行状态检测方法，其特征在于，所述压力数据的异常分数的获取方法包括：

根据每个压力数据在每个所述决策树的高度与所述修正系数的乘积，获得压力数据在每个决策树中的调整高度，将每个压力数据在所有所述决策树中的所述调整高度的均值作为压力数据的整体调整高度；

将所有所述决策树的高度的均值作为整体树高度；

将所述整体调整高度与所述整体树高度的比值进行负相关映射获得每个压力数据的异常分数。

10.根据权利要求1所述的一种自动化裁切生产线运行状态检测方法，其特征在于，所述根据所述异常分数检测生产线上裁切机的运行状态包括：

所述裁切机的运行状态包括正常状态和异常状态，若所述异常分数大于预设异常阈值，则为异常状态，若所述异常分数不大于预设异常阈值，则为正常状态。