一种基于变点检测的冷镦机热惯性异常识别与纠偏方法与流程
本发明涉及智能控制,尤其涉及一种基于变点检测的冷镦机热惯性异常识别与纠偏方法。
背景技术:
1、冷镦机在连续成形过程中,冲模、凹模、模座、润滑油回路及冷却介质回路等部件会受到周期性成形负载、冷却条件和润滑状态变化的共同影响,设备内部热量在不同部件之间持续传递并逐步累积,使各部件温度呈现明显的循环响应特征和热惯性特征。现有冷镦机运行监测通常以单个温度测点的实时数值或固定温度阈值作为异常判定依据,并根据操作经验调整冷镦速度、冷却流量或润滑供给参数,难以结合成形负载、辅助调节数据和曲轴相位对连续冷镦循环中的温度变化进行统一分析。
2、由于不同部件之间存在接触传热关系和冷却介质流向,热异常通常会沿热传递路径延迟扩散,单纯比较温度是否超过阈值难以区分正常热惯性波动与持续性异常,也难以确定异常首先发生的部件及其对应的热量积聚、冷却响应或局部传热异常类型。现有方法对不同采样频率数据的时间对应关系、循环间温度残差变化、热激励响应时延和相邻节点温度梯度考虑不足,容易出现异常发现滞后、异常源定位不准确的问题。同时,现有纠偏方式缺少依据异常程度和异常类型确定调整方向、调整等级及最大调整步数的统一机制,容易造成参数调整幅度不合理。因此,需要解决冷镦机多源运行数据难以按冷镦循环统一表征、热惯性异常难以及时识别和准确定位,以及纠偏参数难以定向生成的技术问题。
3、因此,如何提供一种基于变点检测的冷镦机热惯性异常识别与纠偏方法是本领域技术人员亟需解决的问题。
技术实现思路
1、本发明的一个目的在于提出一种基于变点检测的冷镦机热惯性异常识别与纠偏方法,本发明通过冷镦循环同步、热传导建模和变点检测,准确识别热惯性异常区间、异常源及异常类型,并依据异常程度生成对应纠偏方案,提高异常识别、定位和参数调整的准确性与针对性。
2、根据本发明实施例的一种基于变点检测的冷镦机热惯性异常识别与纠偏方法,包括如下步骤:
3、步骤一:采集冷镦机运行过程中的温度状态数据、成形负载数据和辅助调节数据,并进行时间对齐、曲轴角度划分和相位重采样处理,得到冷镦循环相位同步数据序列;
4、步骤二:对冷镦循环相位同步数据序列进行积分计算和窗口平均处理,生成冷镦循环热状态序列;
5、步骤三:将所述冷镦循环热状态序列输入至改进stgode模型,通过热状态编码模块、热输入注入模块、传导延迟编码模块和图状态演化模块,生成各热状态节点对应的正常温度预测序列;
6、步骤四:计算各热状态节点的实测温度序列与正常温度预测序列之间的温度残差,进行循环间差分和滑动窗口累加,并计算响应时延,构建热惯性特征序列;
7、步骤五:根据所述冷镦循环热惯性特征序列计算特征变化距离和特征分布差异,确定热惯性异常候选区间,并生成热惯性异常定位结果;
8、步骤六:根据所述热惯性异常类型确定调整方向,并按照最大调整步长生成目标热惯性纠偏方案。
9、可选的,所述步骤一具体为:
10、采集冷镦机运行过程中的温度状态数据、成形负载数据和辅助调节数据,并按照统一时间基准进行时间对齐,得到冷镦机多源时间对齐数据序列;
11、从冷镦机多源时间对齐数据序列中提取曲轴角度数据,确定曲轴角度连续变化过程中重复经过预设参考角度的位置;
12、将相邻两个经过预设参考角度的位置分别作为单个冷镦循环的起始位置和结束位置,并按照所述起始位置和结束位置对冷镦机多源时间对齐数据序列进行分段,得到连续冷镦循环数据片段;
13、将每个连续冷镦循环数据片段重采样至统一相位长度,得到冷镦循环相位同步数据序列。
14、可选的,所述步骤二具体为:
15、基于所述冷镦循环相位同步数据序列,对每个冷镦循环内的成形负载数据进行积分计算,得到循环热激励量;
16、对辅助调节数据进行窗口平均处理,得到循环热边界量;
17、将所述循环热激励量、循环热边界量和对应循环的温度状态数据进行时间关联,生成冷镦循环热状态序列。
18、可选的,所述改进stgode模型具体为:
19、将冷镦循环热状态序列输入至热状态编码模块,将冷镦机中存在热传递关系的部件设置为热状态节点,根据部件接触关系和冷却介质流向建立节点之间的热传导边,构建冷镦机热传导关系图;
20、按照冷镦循环顺序,从冷镦机热传导关系图中提取各热状态节点的温度状态数据,并将对应冷镦循环的循环热激励量分配至冲模节点和凹模节点,将循环热边界量分配至润滑油回路节点和冷却介质回路节点,得到各冷镦循环对应的节点热状态向量;
21、对各节点热状态向量进行线性映射,并将同一热状态节点在连续冷镦循环中的映射结果按照时间顺序排列,得到节点热状态编码序列;
22、将节点热状态编码序列输入至热输入注入模块进行标准化编码,得到节点热输入特征序列;
23、在传导延迟编码模块中,计算热传导边两端热状态节点温度变化序列之间在不同循环偏移量下的延迟相关系数;
24、将延迟相关系数最大时对应的循环偏移量确定为热传导延迟量,并将对应的最大延迟相关系数确定为当前热传导边的传导关联权重;
25、将各热传导延迟量除以预设最大循环偏移量进行归一化,并按照源节点编号和目标节点编号写入对应矩阵位置,得到热传导延迟矩阵,将各传导关联权重与对应位置的元素值相乘,得到热传导权重矩阵;
26、将热传导邻接矩阵和热传导权重矩阵输入至图状态演化模块,将节点热输入特征序列作为初始图状态,将所述热传导邻接矩阵和热传导权重矩阵作为图状态演化约束,在连续冷镦循环上执行图卷积信息聚合和常微分状态演化,得到各冷镦循环对应的最终演化状态;
27、将各最终演化状态与维度为d×1的温度输出权重矩阵相乘,并加上温度输出偏置,得到各热状态节点的标准化预测温度;
28、将标准化预测温度乘以对应热状态节点的温度标准差,并加上对应热状态节点的温度均值,得到各热状态节点在下一冷镦循环中的预测温度;
29、按照冷镦循环顺序排列各热状态节点的预测温度,生成各热状态节点对应的正常温度预测序列。
30、可选的,所述将节点热状态编码序列输入至热输入注入模块进行标准化编码,具体为:
31、对当前冷镦循环的循环热激励量进行标准化处理,并与维度为1×d的第二映射权重矩阵相乘,加上维度为1×d的第二偏置向量,得到d维热激励编码;
32、按照冷镦速度、冷却流量、冷却阀开度和润滑供给状态的固定顺序排列循环热边界量中的各分量,对各分量分别进行标准化处理,得到四维标准化热边界向量;
33、将四维标准化热边界向量与维度为4×d的第三映射权重矩阵相乘,并加上维度为1×d的第三偏置向量,得到d维热边界编码;
34、设置与热状态节点数量相同的热激励分配向量和热边界分配向量,其中,将冲模节点和凹模节点在热激励分配向量中的对应位置设置为1,其余位置设置为0;
35、将润滑油回路节点、冷却介质入口节点和冷却介质出口节点在热边界分配向量中的对应位置设置为1,其余位置设置为0;
36、将d维热激励编码与热激励分配向量对应位置的数值相乘,将d维热边界编码与热边界分配向量对应位置的数值相乘,并将相乘结果与对应节点的d维节点热状态编码相加,得到各热状态节点对应的节点热输入特征;
37、按照节点编号排列所述节点热输入特征,得到节点热输入特征序列。
38、可选的,所述步骤四具体为:
39、计算各热状态节点的实测温度序列与正常温度预测序列之间的温度残差;
40、对所述温度残差进行循环间差分和滑动窗口累加,得到残差变化量和残差累计量;
41、计算循环热激励量与节点温度之间的响应时延,并根据相邻热状态节点的温度差计算节点温度梯度;
42、将所述残差变化量、残差累计量、响应时延和节点温度梯度按照固定顺序排序,得到各冷镦循环对应的热惯性特征向量;
43、按照冷镦循环的发生顺序排列各热惯性特征向量,生成冷镦循环热惯性特征序列。
44、可选的,所述步骤五具体为:
45、计算当前循环热惯性特征与前一循环热惯性特征之间的特征变化距离,并在当前循环两侧分别建立前向滑动窗口和后向滑动窗口;
46、计算两个滑动窗口之间的特征分布差异,将所述特征变化距离和特征分布差异进行归一化加权,得到各冷镦循环的初始变点分数;
47、根据冷镦机热传导关系图检查相邻热状态节点的特征突变时刻是否符合热传导先后顺序,对符合热传导先后顺序的初始变点分数进行增强,对不符合热传导先后顺序的初始变点分数进行衰减,得到综合变点分数;
48、将综合变点分数超过变点阈值且连续保持预设循环数量的位置确定为热惯性变点,并以热惯性变点为中心向前后扩展,得到热惯性异常候选区间;
49、提取所述热惯性异常候选区间内各热状态节点首次超过节点变点阈值的循环位置,并按照循环位置对各热状态节点进行排序,将最先发生突变的热状态节点作为异常源候选节点;
50、沿冷镦机热传导关系图检查其余热状态节点的突变顺序,当其余热状态节点的突变顺序与异常源候选节点向外的热传导顺序一致时,将所述异常源候选节点确定为异常源节点;
51、比较异常源节点发生突变前后的循环热激励量和循环热边界量,根据比较结果确定热量积聚异常、冷却响应异常或局部传热异常,生成热惯性异常定位结果。
52、可选的,所述步骤六具体为:
53、对热惯性异常定位结果中的热激励变化率、冷镦速度变化率、冷却流量变化率、冷却阀开度变化率和润滑供给状态变化率进行加权平均,得到热惯性异常程度值;
54、根据不同的预设数值区间,确定对应的热惯性异常程度值所属的纠偏调整等级,不同的纠偏调整等级赋予不同的最大调整步数;
55、将冷镦速度、冷却阀开度、冷却流量、润滑供给间隔、润滑持续时间和冷镦循环间歇数量按照固定顺序组成六维纠偏控制向量,并读取各控制量的当前值、允许下限、允许上限和单次调整步长;
56、根据不同的异常类型,确定调整方向;
57、根据所述纠偏调整等级确定的各控制量对应的最大调整步数,从各控制量的当前值开始,按照对应允许调整方向依次增加一个单次调整步长,生成各控制量在所述最大调整步数范围内的目标热惯性纠偏方案。
58、本发明的有益效果是:
59、本发明通过对冷镦机运行过程中的温度状态数据、成形负载数据和辅助调节数据进行统一时间对齐,并依据曲轴角度划分连续冷镦循环及执行相位重采样,使不同采样频率、不同采集时刻的多源运行数据能够在统一冷镦循环和统一相位基准下进行关联,减少数据错位对热状态分析结果的影响。通过对成形负载数据进行积分计算并对辅助调节数据进行窗口平均处理,将循环热激励量、循环热边界量和温度状态数据组合为冷镦循环热状态序列,能够同时表征冷镦成形产生的热输入、冷却与润滑条件以及各部件温度响应。
60、改进stgode模型结合部件接触关系和冷却介质流向构建冷镦机热传导关系图,并利用热传导延迟矩阵和热传导权重矩阵约束图卷积信息聚合及常微分状态演化,可获得符合部件热传递关系和循环响应规律的正常温度预测序列。基于实测温度与正常温度预测结果之间的温度残差,进一步提取残差变化量、残差累计量、响应时延和节点温度梯度,能够从温度偏离程度、持续累积趋势、热响应速度和节点间传热变化等方面描述冷镦机热惯性状态。通过联合特征变化距离、特征分布差异和热传导先后顺序计算综合变点分数,可降低正常温度波动造成的误判,并确定热惯性异常候选区间、异常源节点以及热量积聚异常、冷却响应异常或局部传热异常。根据异常类型和异常程度确定冷镦速度、冷却阀开度、冷却流量、润滑供给间隔、润滑持续时间和冷镦循环间歇数量的调整方向、调整等级及最大调整步数,可形成与异常状态相对应的目标热惯性纠偏方案,提高冷镦机热惯性异常识别、定位和运行参数纠偏的一致性与针对性。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com