论文部分内容阅读
挤压机是铝型材生产的核心设备，其安全稳定、可靠运行是保障铝型材正常生产的前提，一旦设备发生异常情况或出现故障，异常信息未及时获取并处理，就有可能引起其他部件甚至整个挤压生产线停产或者损坏，有时甚至会造成严重的安全事故，致使人员和财产遭受巨大损失。而传统设备异常检测方法属于一种侵入式检测，需要借助其他辅助设备才能完成检测需求，检测成本高、自适应能力差，基于能耗信号的非侵入式异常检测方法已成为一种趋势。 本文针对铝型材挤压机，通过对挤压生产过程能耗异常特征的表现形式进行多角度全面分析，确定能耗异常类型，建立挤压机能耗点异常检测模型与能耗模式异常检测模型。本文具体研究工作如下： (1)根据铝型材挤压生产工艺过程，系统分析了挤压设备、挤压工艺流程和挤压过程能流分析，揭示了挤压周期的能耗特点及能耗影响因素，并在此基础上确定了挤压机能耗异常类型，即能耗点异常与能耗模式异常。 (2)针对能耗点异常，采用GA对SVR进行参数优化，提出一种基于GA-SVR的挤压机能耗点异常检测模型。利用关联度分析法获得挤压过程的主要能耗影响因素，并以挤压单产能耗为对象，运用GA-SVR算法获取单产能耗与主能耗影响因素的关系，通过概率分布，获取正常能耗的预测区间，从而判定实际单产能耗的观察值是否处于预测区间内，进而确定能耗点异常。 (3)针对能耗模式异常，提出一种基于改进阴性选择算法的挤压机能耗模式异常检测模型。引入模拟退火算法，优化阴性选择算法检测器，解决传统阴性选择算法中自体边界与非自体空间覆盖率低的问题，以实现利用改进阴性选择算法更有效地判别能耗模式异常；同时，在检测器异常检测阶段引入模式异常分类器，以确定能耗模式异常类型。 综合以上研究，并结合企业实际特点，建立能耗异常检测模型库和 GA-SVR、阴性选择构成的算法库，采用Java语言开发了能耗异常检测模块，然后将该模块集成到能源管理系统中，并在企业生产中进行初步应用。