[发明专利]一种基于改进MKECA方法的注塑机异常检测方法及系统

权利要求书

1.一种基于改进MKECA方法的注塑机异常检测方法，其特征在于，包括以下步骤：

S1、收集注塑机正常工作时的数据作为训练集，对训练集数据进行预处理：将训练集的三维数据沿批次-变量方向展开并进行局部近邻标准化，得到服从单一模态的二维数据；

S2、采用核熵成分分析方法对预处理后的数据进行非线性特征提取；

S3、对提取的数据特征采用支持向量数据描述SVDD建立包裹正常样本的超球体，根据超球体的半径确定控制限和阈值范围；

S4、在线收集测试样本，对测试样本进行预处理，计算预处理后的测试样本的统计量D，判断统计量D是否超出阈值范围，超出则视为检测到注塑机出现异常，未超出则表明注塑机正常运行。

2.根据权利要求1所述的一种基于改进MKECA方法的注塑机异常检测方法，其特征在于，所述训练集数据的维度包括有：时间、批次、过程；所述训练集数据能够用三维矩阵X(I×J×K)表示，其中I代表生产批次，代表J过程变量，K代表采样点。

3.根据权利要求2所述的一种基于改进MKECA方法的注塑机异常检测方法，其特征在于，所述将训练集的三维数据沿批次-变量方向展开成二维数据的过程，具体为：首先将注塑机正常工作时的数据X(I×J×K)沿批次展开为X(I×(J×K))，对其进行局部近邻标准化化后再沿变量方向展开为二维矩阵X((I×J)×K)。

4.根据权利要求3所述的一种基于改进MKECA方法的注塑机异常检测方法，其特征在于，进行局部近邻标准化的过程，具体为：根据欧氏距离公式得出样本x_i与训练集中其他样本的距离，并选取前k个近邻样本组成样本x_i的近邻集其次计算出样本x_i近邻集N(x_i)的均值和标准差，然后再进行局部近邻标准化处理；其数学表达形式为：

其中，m(N(x_i))表征样本x_i近邻集N(x_i)的均值，s(N(x_i))表征样本x_i近邻集N(x_i)的标准差，采用局部近邻标准化能够将不同分布、不同中心的多模态数据聚合为离散程度和中心近似相同的单模态数据。

5.根据权利要求1所述的一种基于改进MKECA方法的注塑机异常检测方法，其特征在于，所述步骤S2具体为：采用瑞利熵对数据信息进行定量度量，利用均值对V(p)进行估计，能够通过样本核矩阵K求出瑞利熵H(p)，对核矩阵K进行特征值分解并代入V(p)得到每一个特征值及对应特征向量对瑞利熵的贡献度，将瑞利熵贡献度从大到小排序，选取前A项对应的特征向量组成投影矩阵。