[发明专利]一种铝型材挤压机能耗异常检测方法

权利要求书

1.一种铝型材挤压机能耗异常检测方法，其特征在于，包括：

S1：首先对铝型材挤压机各个部分耗能进行历史能耗数据采集，再对采集来的数据进行预处理，包括数据丢失处理和数据的平滑处理；

S2：依据S1步骤中历史数据耗能建立正常数据样本库和异常数据样本库，同时根据数据样本库的数据确立阀值；

S3：依据正常数据样本库和异常数据样本库的数据做出检测并通过对比做出孤立树；

S4：在通过孤立树建立孤立森林模型，同时建立训练集、测试集和验证集，通过验证集对训练集进行测试，并做出调整，在通过测试集对模型泛化能力进行预估，并通过孤立森林模型进行数据异常检测，并且更新阀值，从而对模型进行优化；

S5：同时设立时间记录单元将出现异常的数据进行时间的匹配记录从而对出现异常情况的时间进行记录，进而能够确立异常时间段；

S6：通过模型制定能耗曲线样本，并利用小波神经网络对铝型材挤压机能耗异常进行定位，并结合异常的时间段，确定当时铝型材挤压机正在进行什么工作，从而能够有利于分析异常原因。

2.根据权利要求1所述的一种铝型材挤压机能耗异常检测方法，其特征在于：所述S4步骤中孤立森林算法为计算每条待测数据的异常分数，其计算公式为：s(x,n)＝2^{E{h(x)}}/{c(n)}，其中c(n)＝2H(n-1)-(2(n-1)/n)，h(x)为路径长度，E{h(x)}为森林中所有iTree树的平均路径长度。

3.根据权利要求2所述的一种铝型材挤压机能耗异常检测方法，其特征在于：所述异常分数，具有以下性质：分数越接近1，其是异常点的可能性越高，如果分数都比0.5要小，那么基本可以确定为正常数据，如果所有分数都在0.5附近，那么数据不包含明显的异常样本。

4.根据权利要求1所述的一种铝型材挤压机能耗异常检测方法，其特征在于：所述S2步骤中阈值为初始正常样本中偏离样本数据中心最远的能耗数据。

5.根据权利要求1所述的一种铝型材挤压机能耗异常检测方法，其特征在于：所述S4中建立孤立森林模型需要用到至少一个处理器和一个存储单元，所述存储单元用来储存处理后的数据和存储历史数据。

6.根据权利要求1所述的一种铝型材挤压机能耗异常检测方法，其特征在于：所述S6步骤中小波神经网络对铝型材挤压机能耗异常进行定位的具体步骤为，首先小波包分解，再进行计算能量值，然后维数约简，之后输入输出层参数设定、中间层数目设定，在进行神经网络学习训练，从而测试样本输入和定位能耗异常。