[发明专利]基于模拟退火改进克隆选择算法的能耗异常检测方法

说明书

本发明公开了一种基于模拟退火改进克隆选择算法的能耗异常检测方法，通过采集液压机的历史能耗数据，进行数据预处理后作为训练集数据；基于克隆选择算法的检测器生成阶段，随机生成检测器；利用模拟退火优化所述检测器，生成最佳检测器集；采集液压机的实时能耗数据，进行数据预处理后作为测试集数据；并利用所述最佳检测器集对所述测试集数据进行能耗异常检测。本发明的能耗定位方法考虑了液压机生产过程中能耗数据的周期性和动态特性，对于液压机异常能耗的定位精度高及效率均有所提高，以便操作人员及时采取措施，避免能耗的损失，提高机械效率。

技术领域

本发明涉及液压机的能耗异常检测技术领域，尤其涉及基于模拟退火改进克隆选择算法的能耗异常检测方法。

背景技术

液压力机以其高功率质量比、高刚度、高承载能力等优点，在金属成形过程中得到了广泛的应用。然而它们也是众所周知的高能耗，低能效，在复杂的生产条件和长期满负荷运行。考虑到近年来在生产过程中大力推进节能降耗，提高液压机的能源效率已成为低碳制造系统的一个重要研究领域。在过去的几十年里，人们对液压机的效率和能耗及其生产过程的节能优化进行了大量的研究，但主要集中在液压系统的节能优化、液压控制、能量匹配法、动态行为、热力学等方面。

目前许多学者将NSA应用于异常检测，取得了良好的效果。Idris I等人利用粒子群算法改进了NSA中随机检测器的生成，并开发了一个电子邮件垃圾邮件检测系统。Li等人提出了两种新的NSA，可用于机械设备的异常检测。然而，这两种方法在时间和空间上过于复杂，并且需要扩大应用范围。Barontini等人提出了一种适用于二元分类问题的非随机检测器生成方法。然而，该算法不能排除这两个参数之间的交互作用对异常评分的负面影响。液压机的能耗主要是电能。机械系统异常、超长待机、不完全挤压等异常工况将导致能源消耗异常。目前，现有的NSA方法不能直接应用于液压机能耗的异常检测。

发明内容

本发明为解决现有的能耗异常检测方法不能直接应用于液压机能耗模式异常检测的问题，提供了基于模拟退火改进克隆选择算法的能耗异常检测方法。

为实现以上发明目的，而采用的技术手段是：

基于模拟退火改进克隆选择算法的能耗异常检测方法，包括以下步骤：

S1.采集液压机的历史能耗数据，进行数据预处理后作为训练集数据；

S2.基于克隆选择算法的检测器生成阶段，随机生成检测器；

S3.利用模拟退火优化所述检测器，生成最佳检测器集；

S4.采集液压机的实时能耗数据，进行数据预处理后作为测试集数据；并利用所述最佳检测器集对所述测试集数据进行能耗异常检测。

优选的，所述步骤S1以及步骤S4中进行数据预处理的具体步骤包括：

对所述能耗数据的时间序列按时间轴进行加窗处理，并移动窗口以提取实值特征向量作为样本数据，逐行对所述样本数据进行标准化处理，将每一行样本数据分别标准化到区间[0,1]内从而完成数据预处理。

优选的，步骤S1中所述的将每一行样本数据分别标准化到区间[0,1]内具体为：

进行平移–标准差变换：

其中，n为样本数据的个数，m为变量的个数；

若在平移–标准差变换后仍存在则进行进一步的平移–极差变换，即：

其中n为样本数据的个数，m为变量的个数。

优选的，所述步骤S2的具体步骤包括：

S21.将训练集数据中的异常模式数据标记为1类，正常模式数据标记为0类；