我国一直以来都是铝型材生产和消费大国,其中挤压材在我国铝材产业中具有重要地位。挤压机作为铝型材生产线上的重要设备,其结构在发展过程中日趋于自动化、复杂化及大型化。在生产过程中,挤压机设备存在许多难以直接观察到的异常,若没有及时处理异常,极易引起其他相关异常,从而对产品质量和企业正常生产带来不可预知的影响,给企业带来极大的经济损失。在研究中发现,由于采集程序数据传输异常、传感设备故障等情况,能源管理系统所采集的生产数据中数据缺失问题尤为严重,严重影响了异常检测算法的有效性和完整性。因此为了使所研究异常检测算法得到有效应用,很有必要先解决采集数据中的数据缺失问题。本文以铝型材挤压机为研究对象,将挤压设备生产过程中采集到的各种数据作为研究的基础数据单元,对挤压机生产数据缺失问题与生产异常检测问题进行了研究,具体的研究内容如下:(1)为了对挤压机的生产工艺流程以及生产异常状态有更具体的认知,首先对挤压机生产系统的结构与生产工艺流程进行了分析,阐述了挤压机系统中各个元件之间的协同工作关系;在此基础上,进一步分析了挤压机的生产异常状态以及相关影响因素。(2)为了解决能源管理系统中出现的数据缺失问题,提出了一种基于朴素贝叶斯的大段不等长缺失数据填补方法。针对工业大数据采集设备多,修补效率要求高的情况,提出基于朴素贝叶斯方法建立概率模型的方式在保证模型可以较好地拟合数据的变化规律的同时,更高效率地完成数据填补任务。针对数据缺失段在生产环境中出现长短不一的情况,所提方法使用连续预测再用约束条件筛选的方式可以在一次数据修补过程中同时修补长短不一的数据缺失段。实验结果表明,所提出的数据填补算法不仅可以完成大段不等长的缺失数据填补任务,还具有较高的准确性。(3)为了对挤压机在运行中可能存在的设备状态异常进行检测,提出了基于孤立森林算法的挤压机流数据异常检测方法。针对数据集中存在噪声无法正确反映设备状态的问题,算法抽取数据的序列特征用来表示设备在某一时间段的状态,降低了噪声对异常检测效果的影响。同时,对半空间孤立森林(HS-Trees)算法做了进一步改进,解决了原算法中存在的结果反馈延迟问题,使其能更好地适应流数据场景。实验结果表明,所提出的算法不仅可以实时地检测出挤压机在运行中存在的状态异常,还具有较高的准确性。(4)结合所提出的数据填补方法与异常检测方法,在佛山某铝型材生产企业的能源管理系统的基础上设计并实现了挤压机数据填补与异常检测系统。通过对具体实施项目的展示,说明了所提出的数据填补方法与异常检测方法在现实应用中的可行性。