杨 慧 芳

(广东工业大学计算机学院 广东 广州 510006)

0 引 言

我国铝型材产业是高能耗产业，铝挤压工艺平均能耗约为1 571～5 405 kg标煤每吨[1],是欧洲的1.43倍。而且近几年的发展十分迅速，有数据显示，截止至2015年我国铝加工型材总量已达到26 000 kt/a，居世界第一，另铝合金挤压材产量也达到14 000 kt/a[2]。挤压机作为铝型材生产过程中的核心设备，发展日趋大型化、复杂化及自动化，在生产过程中一旦发生异常或故障，将会造成极大的停产损失，耗费大量的维护费用，甚至造成严重的安全事故。设备故障检测方面的研究，一直是国内外学者关注的重点。贺惠新[3]对燃气轮机故障模式的点形式及序列形式的异常行为的检测方式进行了深入研究；周珂仪[4]研究了复杂结构系统长时间运行产生的一维以及多维时间序列的异常检测方法；Soner Emec等[5]提出了一种用于制造设备的故障监控框架，以解决面对复杂情况下不可扩展的问题。标杆法[6]和人工免疫算法[7]在设备故障检测方面也有不错的效果。针对挤压机的异常检测问题近期也得到了广大学者的关注，并有了研究成果。周理[8]针对大型挤压机设备的多回路复杂液压系统提出一种混杂键合图与时间因果图的故障诊断方法；江海昌[9]为解决检测挤压机点异常和模式异常的问题，分别提出了基于GA-SVR的挤压机能耗点异常检测模型和基于免疫算法的模式异常检测模型；曾利云[10]研究了挤压机能耗数据的特性，提出基于时间序列和聚类的异常检测方法，通过改进的K-means算法和K-MDOF算法，在点异常和模式异常方面的检测准确率有所提高。……