(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202211002522.6 (22)申请日 2022.08.22 (65)同一申请的已公布的文献号 申请公布号 CN 115081966 A (43)申请公布日 2022.09.20 (73)专利权人 南通俊朗智能科技有限公司 地址 226200 江苏省南 通市启东市近海镇 滨海工业园区 (72)发明人 胡金秋　 (51)Int.Cl. G06Q 10/06(2012.01) G06Q 50/04(2012.01) G06Q 10/00(2012.01) G06F 17/18(2006.01) 审查员 王生旺 (54)发明名称 异常状态监控方法及应用该方法的铝合金 挤压工艺控制器 (57)摘要 本发明涉及控制或调节 技术领域， 具体涉及 异常状态监控方法及应用该方法的铝合金挤压 工艺控制器。 方法包括： 根据铝合金挤压过程中 各采集时刻的温度， 计算预热评价指标； 根据各 采集时刻的温度、 功率和预热评价指标， 得到影 响评价指标； 根据影响评价指标， 获得目标采集 时刻； 根据各采集时刻的振动数据， 预测未来时 刻的振动数据； 对振动数据进行高通滤波， 将得 到的振动数据记为目标振动数据， 根据目标振动 数据的标准差和目标采集时刻对应的影响评价 指标， 计算未来时刻出料工作评价指标； 若所述 出料工作评价指标小于预设阈值， 则进行报警。 本发明实现了对挤压工艺控制器异常状态的自 动化监控。 权利要求书2页 说明书9页 附图1页 CN 115081966 B 2022.11.08 CN 115081966 B 1.一种异常状态监控方法， 其特 征在于， 该 方法包括以下步骤： 获取铝合金的挤压过程中各采集 时刻挤压机进料口的温度、 各采集 时刻挤压机的振动 数据和各采集时刻挤压 机的功率； 根据所述各采集时刻挤压机进料口的温度， 计算各采集时刻的预热评价指标； 根据所 述各采集时刻挤压机进料口的温度、 各采集时刻挤压机的功 率和各采集时刻的预热评价指 标， 得到各采集时刻温度对于出料通畅度的影响评价指标； 将所述各采集时刻温度对于出 料通畅度的影响评价指标作为样本数据， 根据所述样本数据， 构建孤立树； 根据所述孤立树 的平均路径长度和各样本数据在孤立树中的路径长度的期望， 计算各样本数据的异常得 分； 将异常得分小于等于预设阈值的样本数据对应的采集时刻记为目标采集时刻； 根据所述各采集时刻挤压机的振动数据， 预测未来时刻挤压机的振动数据； 对各采集 时刻挤压机的振动数据和未来时刻挤压机的振动数据进行高通滤波， 将滤波后得到的振动 数据记为目标振动数据， 根据目标振动数据的标准差、 目标振动数据的个数、 所述目标采集 时刻对应的温度对于出料通畅度的影响评价指标， 计算未来时刻出料工作评价指标； 若所 述出料工作评价指标小于预设阈值， 则进行报警； 采用如下公式计算各采集时刻的预 热评价指标： 其中， 为第 个采集时刻的预热评价指标， 为第 个采集时刻挤压机进料口的温 度， 为第 个采集时刻挤压机进料口的温度， 为第 个采集时刻挤压机进料 口的温度， 为铝合金的挤压过程中挤压 机进料口 的标准温度， 为自然常数； 所述根据 所述各采集 时刻挤压机进料口的温度、 各采集 时刻挤压机的功率和各采集 时 刻的预热评价指标， 得到各采集时刻温度对于出 料通畅度的影响评价指标， 包括： 对于第 个采集时刻： 获取该采集 时刻对应的采集 时间段， 所述该采集 时刻对应的采集 时间段为该采集 时刻 及该采集时刻之前的各采集时刻构成的集 合； 计算该采集时刻对应的采集时间段中任意两个相邻采集时刻中后一个采集时刻挤压 机进料口的温度与前一个采集时刻挤压机进料 口的温度的比值； 根据所述温度的比值， 构 建温度比值序列； 计算该采集时刻对应的采集时间段中任意两个相邻采集时刻中前一个采集时刻挤压 机的功率与后一个采集时刻挤压机的功率的比值； 根据所述功率的比值， 构建功率比值序 列； 根据所述温度比值序列、 功率比值序列和该采集时刻的预热评价指标， 采用 如下公式 计算该采集时刻温度对于出 料通畅度的影响评价指标： 其中， 为第 个采集时刻温度对于出料通畅度的影响评价指标， 为第 个采集时 刻的预热评价指标， 为皮尔逊相关系数， 为温度比值序列， 为功率比值序列，权　利　要　求　书 1/2 页 2 CN 115081966 B 2为温度比值序列和功率比值序列的皮尔逊相关系数； 采用如下公式计算未来时刻出 料工作评价指标： 其中， 为未来时刻出料工作评价指标， 为目标采集时刻对应的温度对于出料通畅 度的影响评价指标， 为目标振动数据的个数， 为目标振动数据的标准差， 为目标振 动数据， 为自然常数； 所述根据所述各采集时刻挤压 机的振动数据， 预测未来时刻挤压 机的振动数据， 包括： 将各挤压机在各历史采集时刻挤压机的振动数据作为lstm模型的训练数据集， 根据各 挤压机在各历史采集时刻的振动数据， 构建各挤压机对应的振动数据序列， 所述振动数据 序列中的各元素为各历史采集时刻挤压机的振动数据； 利用各挤压机对应的振动数据序列 对lstm模型进行训练， lstm模型的训练过程为： 将各挤压机在某一时刻之前对应的振动数 据序列作为一个训练数据输入到lstm模型中， 将各挤压机下一时刻的振动数据作为对应的 标签来训练lstm模型， 使得lstm模型能够学习到各挤压机下一时刻的振动数据， 完成对 lstm模型的训练， 训练好的lstm模型用于预测下一时刻挤压 机的振动数据； 将所述各采集时刻挤压机的振动数据输入到训练好的lstm模型中， 预测未来 时刻挤压 机的振动数据。 2.根据权利要求1所述的异常状态监控方法， 其特征在于， 采用如下公式计算各样本数 据的异常得分： 其中， 为第 个样本数据的异常得分， 为第 个样本数据在一批孤立树中 的路径长度的期望， 为孤立树的平均路径长度， 为样本数据的个数。 3.根据权利要求1所述的异常状态监控方法， 其特征在于， 所述根据所述样本数据， 构 建孤立树， 包括： 根据所述样本数据， 构建样本序列； 所述样本序列中各 元素为各样本数据； 根据所述样本序列， 构建孤立 树。 4.一种铝合金挤压工艺控制器， 包括存储器和处理器， 其特征在于， 所述处理器执行所 述存储器存储的计算机程序， 以实现如权利要求1 ‑3任一项所述的异常状态监控方法。权　利　要　求　书 2/2 页 3 CN 115081966 B 3