[发明专利]一种基于集成学习的注塑机堵料异常检测方法

摘要

本发明涉及一种基于集成学习的注塑机堵料异常检测方法，包括原始数据采集、数据预处理、特征值提取、构建堵料异常分类器，在特征值提取阶段，首先从样本库中提取处各模块工作电压的时域特征，然后对这些特征值输入二级异常分类器进行训练，首先构建三个基分类器，将三个基分类器的结果采用投票法选择出现频率最高的结果作为新增的特征列结合原有的特征数据集传入第二级强分类器，最后，强分类器的结果就是注塑机堵料异常的检测值。本发明能够准确快速地发现注塑机堵料的异常状况，克服了原有检测方式精确度不高的特点，本发明实施步骤简单便捷，能及时对注塑机堵料进行检测，有助于注塑机设备的正常运转，延长设备的使用寿命。

主权项

1.一种基于集成学习的注塑机堵料异常检测方法，其特征在于，该方法包括以下步骤：1)原始数据采集将模块电压采集器安装到注塑机的各个工作模块上，并在设定时长内定时采集各个工作模块上的工作电压作为原始数据存储到数据库中；2)数据预处理对数据库中存储的各工作模块在指定工作时间内的工作电压各组数据依次采用数据清洗方法、数据归一化方法预处理；3)特征值提取对步骤2得到预处理后的数据提取特征值，组成带有时域特征（均值、方差、标准差、中位数、峰值、谷值）的数据集，并存储到数据集文件中；4)生成数据集正、负样本将数据文件中的新数据集分成堵料异常数据集和正常工作数据集，并采用合成少数类过采样技术（SMOTE）增加堵料异常情况的数据集，平衡数据集中的正、负样本；5)构建堵料异常分类器在步骤4的基础上构建二级分类器，第一级为三个基分类器，第二级为一个分类器，第一级的三个基分类器分别为Logistic分类器、SVM分类器和决策树分类器，第二级分类器为Logistic分类器。