CN118081873A - 一种异形海绵切割方法及控制*** - Google Patents
一种异形海绵切割方法及控制*** Download PDFInfo
- Publication number
- CN118081873A CN118081873A CN202410524095.0A CN202410524095A CN118081873A CN 118081873 A CN118081873 A CN 118081873A CN 202410524095 A CN202410524095 A CN 202410524095A CN 118081873 A CN118081873 A CN 118081873A
- Authority
- CN
- China
- Prior art keywords
- value
- generation amount
- debris
- chip
- amount
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000005520 cutting process Methods 0.000 title claims abstract description 57
- 238000000034 method Methods 0.000 title claims abstract description 28
- 230000002159 abnormal effect Effects 0.000 claims abstract description 70
- 238000004519 manufacturing process Methods 0.000 claims description 59
- 238000009499 grossing Methods 0.000 claims description 20
- 238000004364 calculation method Methods 0.000 claims description 19
- 238000004458 analytical method Methods 0.000 claims description 10
- 238000012544 monitoring process Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 9
- 238000005457 optimization Methods 0.000 claims description 5
- 238000010606 normalization Methods 0.000 claims description 3
- 230000005856 abnormality Effects 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 3
- 229920000742 Cotton Polymers 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 238000005299 abrasion Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000002790 cross-validation Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种异形海绵切割方法及控制***,涉及海绵切割技术领域,该方案的技术要点为:通过t时刻实际碎屑产生量观测值以及上一刻碎屑产生量的平滑值和趋势值,计算获得下一时刻碎屑产生量的预测值,通过时间窗口内不同时刻的实际碎屑产生量观测值以及实际碎屑产生量观测值的均值,计算获得碎屑产生量波动值,通过标记的时间序列下碎屑产生量的预测值以及实际碎屑产生量观测值之间的差值,计算获得碎屑产生量误差值,结合碎屑产生量波动值以及碎屑产生量误差值,计算获得碎屑产生量异常值,将碎屑产生量异常值与异常阈值进行比对,对异形海绵切割设备是否存在异常进行判断,本发明监测因素单一且简单,能够及时发现和处理异常。
Description
技术领域
本发明涉及海绵切割技术领域,具体为一种异形海绵切割方法及控制***。
背景技术
“异形海绵”通常指的是那些形状不规则或特殊设计的海绵制品,随着工业技术的不断进步和市场竞争的日益激烈,异形海绵切割技术已经成为现代工业生产中不可或缺的一环,异形海绵切割方法的优化和控制***的智能化,对于提高生产效率、降低成本、提升产品质量具有重要意义。
在申请公布号为CN116277267A的中国发明申请中,公开了一种智能切割流水线的控制方法,环竖刀流水线包括纠偏平台、切片机、吸绵机、第一升降台、环竖刀异形切割机、第二升降台、控制***,控制方法包括下述步骤:工作准备;切片分层加工:底皮切割、海绵纠偏、切片分层;海绵片材中转;异形切割加工;控制***实时追踪订单。
在申请公布号为CN114654523A的中国发明申请中,公开了一种新型海绵切片机的控制***,海绵切片机包括龙门架、输送带、刀架、刀带、压辊,其中,龙门架横跨在输送带的幅宽方向的两侧,刀带通过刀架安装在龙门架上,压辊活动安装在刀架上,控制***包括可编程控制器、平台上棉光电、平台出棉光电、压辊光电、刀架伺服、平台伺服、压辊升降伺服、压辊旋转伺服、触摸显示屏。
结合以上发明,现有技术存在以下不足:
在异形海绵切割过程中,由于多种潜在因素的作用,如设备磨损、材料性质变化、操作不当等,都可能引发切割异常,这些异常原因复杂且多样化,给监测过程带来了极大的挑战,现有技术往往难以全面、准确地捕捉这些异常信号,导致异常监测的准确性和效率受到制约;
在异形海绵切割的监测过程中,有些异常原因可能表现得相对隐蔽,不易被直接观测到,而海绵碎屑量作为切割过程中一个重要的指标,能够直观地反映设备的运转状况,现有技术往往忽视了这一关键因素,未能充分利用碎屑量信息来揭示潜在的异常原因,从而形成了监测盲区。
发明内容
(一)解决的技术问题
针对现有技术的不足,本发明提供了一种异形海绵切割方法及控制***,通过t时刻实际碎屑产生量观测值以及上一刻碎屑产生量的平滑值和趋势值,计算获得下一时刻碎屑产生量的预测值,通过时间窗口内不同时刻的实际碎屑产生量观测值以及实际碎屑产生量观测值的均值,计算获得碎屑产生量波动值,通过标记的时间序列下碎屑产生量的预测值以及实际碎屑产生量观测值之间的差值,计算获得碎屑产生量误差值,结合碎屑产生量波动值以及碎屑产生量误差值,计算获得碎屑产生量异常值,将碎屑产生量异常值与异常阈值进行比对,对异形海绵切割设备是否存在异常进行判断,解决了背景技术中提到的问题。
(二)技术方案
为实现以上目的,本发明通过以下技术方案予以实现:一种异形海绵切割方法,包括以下步骤:
通过t时刻实际碎屑产生量观测值以及上一刻碎屑产生量的平滑值和趋势值,计算获得t时刻碎屑产生量的平滑值和趋势值,进一步计算获得下一时刻碎屑产生量的预测值;
计算获取连续时间序列的碎屑产生量的预测值,通过比较碎屑产生量的预测值和对应的实际碎屑产生量观测值,计算获得碎屑产生量误差值,当碎屑产生量误差值大于误差阈值时,进行优化和调整;
初始化时间窗口并进行移动,通过时间窗口内不同时刻的实际碎屑产生量观测值以及实际碎屑产生量观测值的均值,计算获得碎屑产生量波动值,当碎屑产生量波动值大于波动阈值时,对当前时间窗口内的时间序列进行标记;
通过标记的时间序列下碎屑产生量的预测值以及实际碎屑产生量观测值之间的差值,计算获得碎屑产生量误差值,结合碎屑产生量波动值以及碎屑产生量误差值,计算获得碎屑产生量异常值,将碎屑产生量异常值与异常阈值进行比对,对异形海绵切割设备是否存在异常进行判断。
进一步的,设置初始的平滑值和趋势值,通过t时刻实际碎屑产生量观测值以及上一刻碎屑产生量的平滑值和趋势值,计算获得t时刻碎屑产生量的平滑值和趋势值,计算公式如下:
其中,表示t时刻碎屑产生量的平滑值,/>表示上一时刻碎屑产生量的平滑值,α表示平滑系数,α的取值范围为[0,1],/>表示t时刻实际碎屑产生量观测值,/>表示t时刻碎屑产生量的趋势值,/>表示上一时刻碎屑产生量的趋势值,β表示趋势平滑系数,β的取值范围为[0,1]。
进一步的,通过t时刻碎屑产生量的平滑值和趋势值,预测下一时刻的碎屑产生量,计算获得下一时刻碎屑产生量的预测值,计算公式如下:
其中,表示下一时刻碎屑产生量的预测值,/>表示t时刻碎屑产生量的平滑值,/>表示t时刻碎屑产生量的趋势值。
进一步的,计算获取连续时间序列的碎屑产生量的预测值,通过比较碎屑产生量的预测值和对应的实际碎屑产生量观测值,计算获得碎屑产生量误差值,对碎屑产生量的预测结果进行评估,计算公式如下:
其中,Ev表示碎屑产生量误差值,表示碎屑产生量的预测值,/>表示实际碎屑产生量观测值,i表示时间序列的标记,/>,n为正整数;
当碎屑产生量误差值大于误差阈值时,对平滑系数和趋势平滑系数进行优化和调整,直到碎屑产生量误差值小于误差阈值。
进一步的,通过时间窗口内不同时刻的实际碎屑产生量观测值以及实际碎屑产生量观测值的均值,分析不同时刻碎屑产生量的变化波动情况,计算获得碎屑产生量波动值,计算公式如下:
其中,Fd表示碎屑产生量波动值,表示k时刻的实际碎屑产生量观测值,k表示时刻的标识,/>,K为正整数,/>表示实际碎屑产生量观测值的均值。
进一步的,将时间窗口向前移动一个时间单位,直到遍历整个时间序列,将碎屑产生量波动值与波动阈值进行比较,当碎屑产生量波动值大于波动阈值时,对当前时间窗口内的时间序列进行标记。
进一步的,通过比较碎屑产生量的预测值以及实际碎屑产生量观测值之间的差值,计算获得碎屑产生量误差值,计算公式如下:
其中,Ev表示碎屑产生量误差值,表示碎屑产生量的预测值,/>表示实际碎屑产生量观测值,j表示被标记的时间序列的标识,/>,m为正整数。
进一步的,结合碎屑产生量波动值以及碎屑产生量误差值,并经过线性归一化处理后,计算获得碎屑产生量异常值,计算公式如下:
其中,Dp表示碎屑产生量异常值,Ev表示碎屑产生量误差值,Fd表示碎屑产生量波动值,、/>表示权重系数,/>,/>。
进一步的,预先设置异常阈值,将碎屑产生量异常值与异常阈值进行比对,对异形海绵切割设备是否存在异常进行判断,具体为:
当碎屑产生量异常值小于或等于异常阈值时,无需进行处理;当碎屑产生量异常值大于异常阈值,发出预警,及时对异形海绵切割设备进行检查和维护。
一种异形海绵切割控制***,包括碎屑产生量监测模块、碎屑产生量预测模块、碎屑产生量分析模块以及异常判断模块;其中,
碎屑产生量监测模块,用于实时采集异形海绵切割过程中产生的碎屑量数据,并传输到控制***中的其他模块,包括碎屑产生量预测模块和碎屑产生量分析模块;
碎屑产生量预测模块,通过t时刻实际碎屑产生量观测值以及上一刻碎屑产生量的平滑值和趋势值,计算获得t时刻碎屑产生量的平滑值和趋势值,进一步计算获得下一时刻碎屑产生量的预测值;
调整和优化模块,计算获取连续时间序列的碎屑产生量的预测值,通过比较碎屑产生量的预测值和对应的实际碎屑产生量观测值,计算获得碎屑产生量误差值,当碎屑产生量误差值大于误差阈值时,进行优化和调整;
碎屑产生量分析模块,通过时间窗口内不同时刻的实际碎屑产生量观测值以及实际碎屑产生量观测值的均值,计算获得碎屑产生量波动值,当碎屑产生量波动值大于波动阈值时,对当前时间窗口内的时间序列进行标记;
异常判断模块,通过标记的时间序列下碎屑产生量的预测值以及实际碎屑产生量观测值之间的差值,计算获得碎屑产生量误差值,结合碎屑产生量波动值以及碎屑产生量误差值,计算获得碎屑产生量异常值,将碎屑产生量异常值与异常阈值进行比对,对异形海绵切割设备是否存在异常进行判断。
(三)有益效果
本发明提供了一种异形海绵切割方法及控制***,具备以下有益效果:
(1)通过结合当前时刻的观测值和上一时刻的平滑值,更加准确地反映碎屑产生量的实际变化,考虑了时间序列的连续性和相关性,使得预测结果更加贴近实际,引入趋势值可以明确地表示碎屑产生量的增长或下降趋势,对于预测未来碎屑产生量的变化至关重要,特别是在生产环境或工艺条件发生变化时,趋势值能够更好地反映这些变化对碎屑产生量的影响。
(2)通过不断地优化和调整平滑系数和趋势平滑系数,提高预测的准确性,有助于更精确地了解未来一段时间内碎屑产生量的变化趋势,从而做出更合理的决策,通过动态调整模型参数,可以使模型更好地适应实际数据的变化,有助于提高模型的稳定性和可靠性,使其能够在不同的环境和场景下保持良好的预测性能。
(3)波动值反映了时间窗口内碎屑产生量观测值的变化程度,当波动值超过预设阈值时,意味着该时间窗口内的变化超出了正常范围,通过与阈值比较,可以快速定位到那些具有显著变化特征的时间序列段。
(4)通过综合考虑碎屑产生量的波动值和误差值,更全面地评估设备的运行状态,波动值反映了碎屑产生量的变化程度,而误差值则衡量了实际值与预期值之间的偏差,将两者结合,能够更准确地识别出异常现象,减少误报和漏报的可能性,碎屑产生量的异常往往与切割质量密切相关,通过及时发现和处理异常,可以减少不合格产品的产生,提升产品的整体质量,增强企业的市场竞争力。
附图说明
图1为本发明异形海绵切割方法步骤示意图;
图2为本发明异形海绵切割方法流程示意图;
图3为本发明异形海绵切割控制***结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1-图2,本发明提供一种异形海绵切割方法,包括以下步骤:
步骤一:通过t时刻实际碎屑产生量观测值以及上一刻碎屑产生量的平滑值和趋势值,计算获得t时刻碎屑产生量的平滑值和趋势值,进一步计算获得下一时刻碎屑产生量的预测值;
所述步骤一包括以下内容:
步骤101:在进行异形海绵切割时,实时监测在异形海绵切割过程中产生的碎屑量,并将监测到的数据进行汇总,构建碎屑产生量数据集;
步骤102:设置初始的平滑值和趋势值,通过t时刻实际碎屑产生量观测值以及上一刻碎屑产生量的平滑值和趋势值,计算获得t时刻碎屑产生量的平滑值和趋势值,计算公式如下:
其中,表示t时刻碎屑产生量的平滑值,/>表示上一时刻碎屑产生量的平滑值,α表示平滑系数,α的取值范围为[0,1],/>表示t时刻实际碎屑产生量观测值,/>表示t时刻碎屑产生量的趋势值,/>表示上一时刻碎屑产生量的趋势值,β表示趋势平滑系数,β的取值范围为[0,1];
初始的平滑值和趋势值可以设置为第一个观测值或其他合理的估计值;
步骤103:通过t时刻碎屑产生量的平滑值和趋势值,预测下一时刻的碎屑产生量,计算获得下一时刻碎屑产生量的预测值,计算公式如下:
其中,表示下一时刻碎屑产生量的预测值,/>表示t时刻碎屑产生量的平滑值,/>表示t时刻碎屑产生量的趋势值;
步骤104:重复以上步骤,使用新的实际碎屑产生量观测值来更新碎屑产生量的平滑值和趋势值,并预测下一时刻的碎屑产生量。
需要说明的是,平滑系数α和趋势平滑系数β的选择对预测结果至关重要,较大的α值会使预测值更敏感于近期的观测值,而较小的α值则会使预测值更平滑,可以通过试验不同的α值,观察预测结果与实际数据的拟合程度,选择最佳的α值,趋势平滑系数β的主要作用是控制趋势项在预测中的权重,与平滑系数α类似,β的取值也会影响到预测值对近期趋势变化的敏感程度。
使用时,结合步骤101至步骤102的内容:
通过结合当前时刻的观测值和上一时刻的平滑值,更加准确地反映碎屑产生量的实际变化,考虑了时间序列的连续性和相关性,使得预测结果更加贴近实际,引入趋势值可以明确地表示碎屑产生量的增长或下降趋势,对于预测未来碎屑产生量的变化至关重要,特别是在生产环境或工艺条件发生变化时,趋势值能够更好地反映这些变化对碎屑产生量的影响。
步骤二:计算获取连续时间序列的碎屑产生量的预测值,通过比较碎屑产生量的预测值和对应的实际碎屑产生量观测值,计算获得碎屑产生量误差值,当碎屑产生量误差值大于误差阈值时,进行优化和调整;
所述步骤二包括以下内容:
步骤201:计算获取连续时间序列的碎屑产生量的预测值,通过比较碎屑产生量的预测值和对应的实际碎屑产生量观测值,计算获得碎屑产生量误差值,对碎屑产生量的预测结果进行评估,计算公式如下:
其中,Ev表示碎屑产生量误差值,表示碎屑产生量的预测值,/>表示实际碎屑产生量观测值,i表示时间序列的标记,/>,n为正整数;
步骤202:预先设置误差阈值,当碎屑产生量误差值大于误差阈值时,对平滑系数和趋势平滑系数进行优化和调整,直到碎屑产生量误差值小于误差阈值。
需要说明的是,在调整平滑系数和趋势平滑系数时,采用网格搜索和交叉验证的方法,设定了一系列可能的系数值,然后通过交叉验证来评估不同系数组合下的模型性能,最终,选择使预测误差最小的系数组合作为最优参数,此外,还考虑了参数的动态调整策略,即根据新数据的输入动态更新平滑系数,以更好地适应数据的变化。
使用时,结合步骤201至步骤202的内容:
通过不断地优化和调整平滑系数和趋势平滑系数,可以显著提高预测的准确性,有助于更精确地了解未来一段时间内碎屑产生量的变化趋势,从而做出更合理的决策,通过动态调整模型参数,可以使模型更好地适应实际数据的变化,有助于提高模型的稳定性和可靠性,使其能够在不同的环境和场景下保持良好的预测性能。
步骤三:初始化时间窗口并进行移动,通过时间窗口内不同时刻的实际碎屑产生量观测值以及实际碎屑产生量观测值的均值,计算获得碎屑产生量波动值,当碎屑产生量波动值大于波动阈值时,对当前时间窗口内的时间序列进行标记;
所述步骤三包括以下内容:
步骤301:在异形海绵切割时,获取连续时间序列下实际碎屑产生量观测值,初始化一个空的时间窗口,并确定时间窗口的大小,从时间序列的起始点开始,将时间窗口内的数据提取出来,时间窗口的大小可以设置为30分钟;
步骤302:通过时间窗口内不同时刻的实际碎屑产生量观测值以及实际碎屑产生量观测值的均值,分析不同时刻碎屑产生量的变化波动情况,计算获得碎屑产生量波动值,计算公式如下:
其中,Fd表示碎屑产生量波动值,表示k时刻的实际碎屑产生量观测值,k表示时刻的标识,/>,K为正整数,/>表示实际碎屑产生量观测值的均值;
步骤303:将时间窗口向前移动一个时间单位,时间单位可以设置为5分钟,并重复上述步骤,直到遍历整个时间序列,预先设置波动阈值,将碎屑产生量波动值与波动阈值进行比较,当碎屑产生量波动值大于波动阈值时,对当前时间窗口内的时间序列进行标记。
需要说明的是,时间窗口的大小的选择应该能够捕捉到实际碎屑产生量的变化特征,同时避免过于平滑或过于敏感,在实际操作中,可以通过试错法或基于统计方法的优化来确定最佳的时间窗口大小,例如,可以尝试不同的时间窗口大小,并比较分析结果的变化和稳定性,另外,也可以利用交叉验证等技术来评估不同时间窗口大小下模型的性能。
使用时,结合步骤301至步骤303的内容:
波动值反映了时间窗口内碎屑产生量观测值的变化程度,当波动值超过预设阈值时,意味着该时间窗口内的变化超出了正常范围,可能是由某种特殊事件或因素引起的,因此,通过与阈值比较,可以快速定位到那些具有显著变化特征的时间序列段。
步骤四:通过标记的时间序列下碎屑产生量的预测值以及实际碎屑产生量观测值之间的差值,计算获得碎屑产生量误差值,结合碎屑产生量波动值以及碎屑产生量误差值,计算获得碎屑产生量异常值,将碎屑产生量异常值与异常阈值进行比对,对异形海绵切割设备是否存在异常进行判断。
所述步骤四包括以下内容:
步骤401:获取标记的时间序列下碎屑产生量的预测值以及实际碎屑产生量观测值,通过比较碎屑产生量的预测值以及实际碎屑产生量观测值之间的差值,计算获得碎屑产生量误差值,计算公式如下:
其中,Ev表示碎屑产生量误差值,表示碎屑产生量的预测值,/>表示实际碎屑产生量观测值,j表示被标记的时间序列的标识,/>,m为正整数;
需要说明的是,此时的碎屑产生量的预测值是经过优化和调整后的预测值,因此当碎屑产生量误差值出现较大波动时,说明此时的实际碎屑产生量观测值很可能存在问题,需要进一步进行分析;
步骤402:结合碎屑产生量波动值以及碎屑产生量误差值,并经过线性归一化处理后,计算获得碎屑产生量异常值,计算公式如下:
其中,Dp表示碎屑产生量异常值,Ev表示碎屑产生量误差值,Fd表示碎屑产生量波动值,、/>表示权重系数,/>,/>;
步骤403:预先设置异常阈值,将碎屑产生量异常值与异常阈值进行比对,对异形海绵切割设备是否存在异常进行判断,具体为:
当碎屑产生量异常值小于或等于异常阈值时,表示异形海绵切割设备正常,无需进行处理;
当碎屑产生量异常值大于异常阈值,表示异形海绵切割设备出现异常,发出预警,及时对异形海绵切割设备进行检查和维护。
使用时,结合步骤401至步骤403的内容:
通过综合考虑碎屑产生量的波动值和误差值,更全面地评估设备的运行状态,波动值反映了碎屑产生量的变化程度,而误差值则衡量了实际值与预期值之间的偏差,将两者结合,能够更准确地识别出异常现象,减少误报和漏报的可能性,碎屑产生量的异常往往与切割质量密切相关,通过及时发现和处理异常,可以减少不合格产品的产生,提升产品的整体质量,增强企业的市场竞争力。
请参阅图3,本发明还提供了一种异形海绵切割控制***,包括碎屑产生量监测模块、碎屑产生量预测模块、碎屑产生量分析模块以及异常判断模块;其中,
碎屑产生量监测模块,用于实时采集异形海绵切割过程中产生的碎屑量数据,并传输到控制***中的其他模块,包括碎屑产生量预测模块和碎屑产生量分析模块;
碎屑产生量预测模块,通过t时刻实际碎屑产生量观测值以及上一刻碎屑产生量的平滑值和趋势值,计算获得t时刻碎屑产生量的平滑值和趋势值,进一步计算获得下一时刻碎屑产生量的预测值;
调整和优化模块,计算获取连续时间序列的碎屑产生量的预测值,通过比较碎屑产生量的预测值和对应的实际碎屑产生量观测值,计算获得碎屑产生量误差值,当碎屑产生量误差值大于误差阈值时,进行优化和调整;
碎屑产生量分析模块,通过时间窗口内不同时刻的实际碎屑产生量观测值以及实际碎屑产生量观测值的均值,计算获得碎屑产生量波动值,当碎屑产生量波动值大于波动阈值时,对当前时间窗口内的时间序列进行标记;
异常判断模块,通过标记的时间序列下碎屑产生量的预测值以及实际碎屑产生量观测值之间的差值,计算获得碎屑产生量误差值,结合碎屑产生量波动值以及碎屑产生量误差值,计算获得碎屑产生量异常值,将碎屑产生量异常值与异常阈值进行比对,对异形海绵切割设备是否存在异常进行判断。
在申请中,所述涉及到的若干个公式均是去量纲后取其数值计算,而所述公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式,公式中的系数由本领域的技术人员根据实际情况进行设置。
上述实施例,可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时,上述实施例可以全部或部分地以计算机程序产品的形式实现。本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,既可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。
Claims (10)
1.一种异形海绵切割方法,其特征在于,包括以下步骤:
通过t时刻实际碎屑产生量观测值以及上一刻碎屑产生量的平滑值和趋势值,计算获得t时刻碎屑产生量的平滑值和趋势值,进一步计算获得下一时刻碎屑产生量的预测值;
计算获取连续时间序列的碎屑产生量的预测值,通过比较碎屑产生量的预测值和对应的实际碎屑产生量观测值,计算获得碎屑产生量误差值,当碎屑产生量误差值大于误差阈值时,进行优化和调整;
初始化时间窗口并进行移动,通过时间窗口内不同时刻的实际碎屑产生量观测值以及实际碎屑产生量观测值的均值,计算获得碎屑产生量波动值,当碎屑产生量波动值大于波动阈值时,对当前时间窗口内的时间序列进行标记;
通过标记的时间序列下碎屑产生量的预测值以及实际碎屑产生量观测值之间的差值,计算获得碎屑产生量误差值,结合碎屑产生量波动值以及碎屑产生量误差值,计算获得碎屑产生量异常值,将碎屑产生量异常值与异常阈值进行比对,对异形海绵切割设备是否存在异常进行判断。
2.根据权利要求1所述的一种异形海绵切割方法,其特征在于,
设置初始的平滑值和趋势值,通过t时刻实际碎屑产生量观测值以及上一刻碎屑产生量的平滑值和趋势值,计算获得t时刻碎屑产生量的平滑值和趋势值,计算公式如下:
其中,/>表示t时刻碎屑产生量的平滑值,表示上一时刻碎屑产生量的平滑值,α表示平滑系数,α的取值范围为[0,1],/>表示t时刻实际碎屑产生量观测值,/>表示t时刻碎屑产生量的趋势值,/>表示上一时刻碎屑产生量的趋势值,β表示趋势平滑系数,β的取值范围为[0,1]。
3.根据权利要求2所述的一种异形海绵切割方法,其特征在于,
通过t时刻碎屑产生量的平滑值和趋势值,预测下一时刻的碎屑产生量,计算获得下一时刻碎屑产生量的预测值,计算公式如下:
其中,/>表示下一时刻碎屑产生量的预测值,/>表示t时刻碎屑产生量的平滑值,/>表示t时刻碎屑产生量的趋势值。
4.根据权利要求1所述的一种异形海绵切割方法,其特征在于,
计算获取连续时间序列的碎屑产生量的预测值,通过比较碎屑产生量的预测值和对应的实际碎屑产生量观测值,计算获得碎屑产生量误差值,对碎屑产生量的预测结果进行评估,计算公式如下:
其中,Ev表示碎屑产生量误差值,/>表示碎屑产生量的预测值,表示实际碎屑产生量观测值,i表示时间序列的标记,/>,n为正整数;
当碎屑产生量误差值大于误差阈值时,对平滑系数和趋势平滑系数进行优化和调整,直到碎屑产生量误差值小于误差阈值。
5.根据权利要求1所述的一种异形海绵切割方法,其特征在于,
通过时间窗口内不同时刻的实际碎屑产生量观测值以及实际碎屑产生量观测值的均值,分析不同时刻碎屑产生量的变化波动情况,计算获得碎屑产生量波动值,计算公式如下:
其中,Fd表示碎屑产生量波动值,/>表示k时刻的实际碎屑产生量观测值,k表示时刻的标识,/>,K为正整数,/>表示实际碎屑产生量观测值的均值。
6.根据权利要求5所述的一种异形海绵切割方法,其特征在于,
将时间窗口向前移动一个时间单位,直到遍历整个时间序列,将碎屑产生量波动值与波动阈值进行比较,当碎屑产生量波动值大于波动阈值时,对当前时间窗口内的时间序列进行标记。
7.根据权利要求1所述的一种异形海绵切割方法,其特征在于,
通过比较碎屑产生量的预测值以及实际碎屑产生量观测值之间的差值,计算获得碎屑产生量误差值,计算公式如下:
其中,Ev表示碎屑产生量误差值,/>表示碎屑产生量的预测值,/>表示实际碎屑产生量观测值,j表示被标记的时间序列的标识,/>,m为正整数。
8.根据权利要求7所述的一种异形海绵切割方法,其特征在于,
结合碎屑产生量波动值以及碎屑产生量误差值,并经过线性归一化处理后,计算获得碎屑产生量异常值,计算公式如下:
其中,Dp表示碎屑产生量异常值,Ev表示碎屑产生量误差值,Fd表示碎屑产生量波动值,/>、/>表示权重系数,/>,/>。
9.根据权利要求8所述的一种异形海绵切割方法,其特征在于,
将碎屑产生量异常值与异常阈值进行比对,对异形海绵切割设备是否存在异常进行判断,具体为:当碎屑产生量异常值小于或等于异常阈值时,无需进行处理;当碎屑产生量异常值大于异常阈值,发出预警,及时对异形海绵切割设备进行检查和维护。
10.一种异形海绵切割控制***,用于实现权利要求1至9中任一项所述方法,其特征在于,包括:
碎屑产生量监测模块,用于实时采集异形海绵切割过程中产生的碎屑量数据,并传输到碎屑产生量预测模块和碎屑产生量分析模块;
碎屑产生量预测模块,通过t时刻实际碎屑产生量观测值以及上一刻碎屑产生量的平滑值和趋势值,计算获得t时刻碎屑产生量的平滑值和趋势值,进一步计算获得下一时刻碎屑产生量的预测值;
调整和优化模块,计算获取连续时间序列的碎屑产生量的预测值,通过比较碎屑产生量的预测值和对应的实际碎屑产生量观测值,计算获得碎屑产生量误差值,当碎屑产生量误差值大于误差阈值时,进行优化和调整;
碎屑产生量分析模块,通过时间窗口内不同时刻的实际碎屑产生量观测值以及实际碎屑产生量观测值的均值,计算获得碎屑产生量波动值,当碎屑产生量波动值大于波动阈值时,对当前时间窗口内的时间序列进行标记;
异常判断模块,通过标记的时间序列下碎屑产生量的预测值以及实际碎屑产生量观测值之间的差值,计算获得碎屑产生量误差值,结合碎屑产生量波动值以及碎屑产生量误差值,计算获得碎屑产生量异常值,将碎屑产生量异常值与异常阈值进行比对,对异形海绵切割设备是否存在异常进行判断。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410524095.0A CN118081873B (zh) | 2024-04-29 | 2024-04-29 | 一种异形海绵切割方法及控制*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410524095.0A CN118081873B (zh) | 2024-04-29 | 2024-04-29 | 一种异形海绵切割方法及控制*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN118081873A true CN118081873A (zh) | 2024-05-28 |
CN118081873B CN118081873B (zh) | 2024-06-21 |
Family
ID=91145972
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410524095.0A Active CN118081873B (zh) | 2024-04-29 | 2024-04-29 | 一种异形海绵切割方法及控制*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118081873B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160091393A1 (en) * | 2014-09-26 | 2016-03-31 | Palo Alto Research Center Incorporated | Computer-Implemented Method And System For Machine Tool Damage Assessment, Prediction, And Planning In Manufacturing Shop Floor |
CN107363645A (zh) * | 2017-08-21 | 2017-11-21 | 温州大学 | 基于功率检测的铣床加工过程刀具磨损量预测方法 |
CN114211561A (zh) * | 2021-10-27 | 2022-03-22 | 南通禾弘电子科技有限公司 | 一种碎屑差量中心补偿式线路板打孔机 |
CN117435718A (zh) * | 2023-10-30 | 2024-01-23 | 深圳市云初信息科技有限公司 | 一种科技情报推荐方法及*** |
-
2024
- 2024-04-29 CN CN202410524095.0A patent/CN118081873B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160091393A1 (en) * | 2014-09-26 | 2016-03-31 | Palo Alto Research Center Incorporated | Computer-Implemented Method And System For Machine Tool Damage Assessment, Prediction, And Planning In Manufacturing Shop Floor |
CN107363645A (zh) * | 2017-08-21 | 2017-11-21 | 温州大学 | 基于功率检测的铣床加工过程刀具磨损量预测方法 |
CN114211561A (zh) * | 2021-10-27 | 2022-03-22 | 南通禾弘电子科技有限公司 | 一种碎屑差量中心补偿式线路板打孔机 |
CN117435718A (zh) * | 2023-10-30 | 2024-01-23 | 深圳市云初信息科技有限公司 | 一种科技情报推荐方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN118081873B (zh) | 2024-06-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112527788B (zh) | 变压器监测数据异常值检测与清洗的方法及装置 | |
CA2634328C (en) | Method and system for trend detection and analysis | |
CN107146004B (zh) | 一种基于数据挖掘的矿渣粉磨***健康状态识别***及方法 | |
US9378183B2 (en) | Monitoring diagnostic device and monitoring diagnostic method | |
CN101470426B (zh) | 一种故障检测的方法和*** | |
CN109524139A (zh) | 一种基于设备工况变化的实时设备性能监测方法 | |
CN110362608B (zh) | 基于雨流计数法和局部异常因子的能耗异常检测方法 | |
WO2006019448A1 (en) | Parametric injection molding system and method | |
CN110995153B (zh) | 一种光伏电站的异常数据检测方法、装置及电子设备 | |
CN117290802B (zh) | 一种基于数据处理的主机电源运行监测方法 | |
CN114781476B (zh) | 一种量测设备故障分析***和方法 | |
CN116050678A (zh) | 一种基于云计算的压铸产品加工测试***及方法 | |
CN110208028B (zh) | 基于粉尘浓度的混凝土生产设备在线故障检测方法及*** | |
CN118081873B (zh) | 一种异形海绵切割方法及控制*** | |
US11676055B2 (en) | System for detecting data drift in machine-learning process monitoring | |
CN113552853B (zh) | 一种化工***多工况的报警管理方法及装置 | |
US11609836B2 (en) | Operation method and operation device of failure detection and classification model | |
CN116341993B (zh) | 一种用于聚苯乙烯生产过程中状态监测方法及*** | |
CN117078118B (zh) | 一种数控机床生产工件质量智能检测*** | |
CN118122785B (zh) | 一种线材轧制生产制造智能监测*** | |
CN116993734B (zh) | 基于视觉成像进行分析的电池隔热棉裁切质量预测*** | |
EP4068179A1 (en) | Analysis apparatus, analysis method, and program | |
CN118294145A (zh) | 一种轴承故障预测方法及*** | |
CN117359393A (zh) | 数控加工过程多信号刀具磨损监测与控制*** | |
CN118410271A (zh) | 基于多源异构数据治理的工业大数据分析方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |