[发明专利]一种基于改进MLLE的注塑机异常检测方法

说明书

本发明公开了基于改进MLLE的注塑机异常检测方法，包括以下步骤：采集注塑机正常工况下的样本，沿变量展开为二维矩阵，得到样本集X，计算各样本点之间的灰色关联度，再求取样本点X_i的k个近邻点；根据邻近点，得到X_i的重构权值矩阵W，将样本点映射到低维空间计算低维嵌入，得到低维矩阵Y；定义映射矩阵A，使其满足Y＝AX，求得矩阵A；依统计学及样本集X，得到统计量T²的阈值及统计量SPE的阈值SPE_α；采集注塑机待检测工况下的样本，得到新样本集X_new；依式Y_new＝AX_new，得X_new降维后的低维矩阵Y_new，然后求得待检测样本的统计量T²以及统计量SPE；如果或SPE＞SPE_α，表明注塑机出现异常工况，定位引起注塑机异常的变量。本发明能够实现更准确的数据重构，提高了注塑机异常检测的效率和精度。

技术领域

本发明涉及注塑成型技术领域，更具体地，涉及一种基于改进MLLE的注塑 机异常检测方法。

背景技术

目前，塑料、混凝土、钢筋和木材是四大工业材料，注塑机是我国塑料机 械行业产量最大、产值最高、出口最多的第一大类产品。生产塑料的注塑成型 过程是一个包括注射、冷却、保压等多个阶段在内的典型间歇工业生产过程， 具有多时段、非线性、动态性、多工况等特点，且注射成型的过程数据具有批 次、时间、变量三个维度。由于过程复杂，注塑机工作环境恶劣以及设备自然 损坏等原因，注塑成型过程可能存在各种设备异常状况，一旦注塑机的某个部 位发生异常，将会产生连锁反应，导致整台注塑机故障，最终给企业带来经济 损失。注塑成型过程机理复杂，难以对其建立精准有效的机理模型进行异常监 测，为了保证生产安全性和稳定性，迫切需要建立一种基于数据驱动的异常检 测方案来对注塑机生产过程进行有效、及时的监控。中国专利申请，公开号为： CN109145948A公开了一种基于集成学习的注塑机堵料异常检测方法，包括原始 数据采集、数据预处理、特征值提取、构建堵料异常分类器，在特征值提取阶 段，首先从样本库中提取处各模块工作电压的时域特征，然后对这些特征值输 入二级异常分类器进行训练，首先构建三个基分类器，将三个基分类器的结果 采用投票法选择出现频率最高的结果作为新增的特征列结合原有的特征数据集 传入第二级强分类器，最后，强分类器的结果就是注塑机堵料异常的检测值。 本发明能够准确快速地发现注塑机堵料的异常状况，克服了原有检测方式精确 度不高的特点，本发明实施步骤简单便捷，能及时对注塑机堵料进行检测，有 助于注塑机设备的正常运转，延长设备的使用寿命。但是该公开的技术方案在 进行特征提取时，根据欧式距离衡量样本点之间的相似性，而欧式距离只表示 两个样本之间的直线距离，在高维空间中并不一定能反应数据间的真实空间分 布，导致样本近邻集选取不准确，进而导致设备异常检测效果不好。

发明内容

本发明为克服上述现有技术中对过程数据进行特征提取时，采用欧式距离 不能很好度量样本之间的相似性，从而导致特征提取过程中近邻集选取不准确 的问题，提供一种基于改进MLLE的注塑机异常检测方法。

为解决上述技术问题，本发明采用的技术方案是：一种基于改进MLLE的注 塑机异常检测方法，包括以下步骤：

S1：采集注塑机正常工况下的样本，所述样本包括批次I、变量J以及时间K 三个维度，将该三维矩阵展开并标准化处理，然后沿变量J展开为二维矩阵， 得到样本集X，用X_i表示样本集X中的一个样本点；

S2：计算出各样本点之间的灰色关联度，再通过knn算法求取样本点X_i的k个 近邻点，K个所述近邻点构成样本点X_i的局部邻域集；

S3：根据样本点X_i的局部邻域集，计算样本点X_i的重构权值向量ω_ij，其构成 样本集X的重构权值矩阵W；