[發明專利]一種基于改進MKECA方法的注塑機異常檢測方法及系統

在審

• 申請號: 202210894048.6
• 申請日: 2022-07-27
• 公開（公告）號: CN115358297A
• 公開（公告）日: 2022-11-18
• 發明（設計）人: 楊海東;胡洋;黃梓偉;印四華;張卓勤;杜嘉灝
• 申請（專利權）人: 廣東工業大學
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 劉俊

本發明公開了一種基于改進MKECA方法的注塑機異常檢測方法與系統，包括以下步驟：S1、收集注塑機正常工作時的數據作為訓練集，對訓練集數據進行預處理；S2、采用核熵成分分析方法對預處理后的數據進行非線性特征提??；S3、對提取的數據特征采用支持向量數據描述SVDD建立包裹正常樣本的超球體，根據超球體的半徑確定閾值范圍；S4、在線收集測試樣本，對測試樣本進行預處理，計算預處理后的測試樣本的統計量，判斷統計量是否超出閾值范圍，超出則視為檢測到注塑機出現異常。本方法與傳統注塑機異常檢測技術相比，解決了注塑機異常檢測精度低的問題，實現了對注塑成型過程中出現的強非線性、變量混合分布、多模態特性等數據的異常檢測。

技術領域

本發明涉及注塑機異常檢測領域，更具體地，涉及一種基于改進MKECA 方法的注塑機異常檢測方法及系統。

背景技術

為保證高分子材料在注塑機內部順利完成注塑過程，需要為注塑機提供苛 刻的高溫、高壓環境。注塑行業每年消耗大量電能，是典型的高能耗、低能效 產業。傳統注塑機結構復雜，高度耦合，一旦在運行過程各種出現異常工況， 會導致注塑機功率低下，能耗激增。近年來，“智能制造”、“綠色生產”是 制造業發展的主旋律，注塑機行業也面臨著產業更新換代之挑戰，提高產品質 量精度、減少能源消耗、保證安全可靠生產是注塑行業的關注重點以及研究熱 點。因此，采用異常檢測和定位方法對注塑成型過程中的異常工況進行及時有 效的監測，對于提高注塑機智能化水平、提高企業生產效率、減少因異常工況 造成的能耗，具有重要意義。

在KPCA的基礎上，Jessen提出了一種新的非線性特征提取算法——核熵 成分分析(Kernel Entropy Component Analysis，KECA)，該算法從瑞麗熵損失最 小的角度提取過程變量之間的非線性特征信息，在數據結構特征提取上具有一 定的優勢而引起學術界關注，并被引入間歇生產過程，即是多向核熵成分分析 方法(Multi-way Kernel EntropyComponent Analysis，MKECA)。研究結果表明， MKECA方法具有比MKPCA方法更好的監測性能，但MKECA沒有考慮到復 雜工業過程具有的多模態和非高斯特性,異常檢測性能有待提高。Ma根據不同 模態數據均值和標準差存在差異的特點，提出局部近鄰標準化取代全局標準化 策略對數據進行預處理，一定程度上解決了復雜工業過程存在的多模態問題。 顧幸生等將局部近鄰標準化(Local Neighbor Standardization，LNS)和

MKECA相結合進行特征提取，但其忽略了數據的非高斯特性。MKECA對 降維后的數據建立T²和Q統計量進行異常檢測，由于工業過程數據往往難以服 從多元正態分布，檢測效果受限。

現有技術中公開了一種基于高斯混合模型的注塑機能耗異常檢測方法及系 統，該方法具體為：通過對第一注塑機的能耗數據進行實時采集，獲得第一實 時能耗數據；通過對所述第一實時能耗數據進行數據預處理，獲得第二實時能 耗數據；將所述第二實時能耗數據輸入高斯混合模型中進行聚類特征學習，獲 得第一聚類數據集并生成第一標記訓練數據集；根據所述第一標記訓練數據集 進行模型訓練，獲得第一異常檢測模型；將所述第一注塑機的第一測試訓練數 據集輸入所述第一異常檢測模型中，獲得第一輸出信息。該方案的缺陷是，采 用的是對數據分布有要求的實時數據，不能解決多模態和非高斯分布特性數據 的檢測問題。

為此，結合以上需求和現有技術缺陷，本申請提出了一種基于改進 MKECA方法的注塑機異常檢測方法及系統。

發明內容

本發明提供了一種基于改進MKECA方法的注塑機異常檢測方法及系統， 能夠對注塑成型過程中出現的強非線性、變量混合分布、多模態特性等數據類 型進行異常檢測。

本發明的首要目的是為解決上述技術問題，本發明的技術方案如下：

本發明第一方面提供了一種基于改進MKECA方法的注塑機異常檢測方法， 本方法包括以下步驟：