一种数字化工厂设备运行风险预警方法

摘要

本发明涉及数据清理技术领域，具体涉及一种数字化工厂设备运行风险预警方法。该方法获取铝型材自动切割机在历史工作时间段内每个时刻下振动速度数据的数据点，获取每个数据点的振动异常度；将数据点划分为有效数据段，获取有效数据段中每个数据点的修正异常度；获取每个有效数据段内的子数据段，对每个子数据段内数据点的修正异常度进行更新，根据更新后的修正异常度对有效数据段内数据点的振动速度数据进行清洗，基于清洗后的振动速度数据对铝型材自动切割机的运行风险进行预警。本发明对基于振动速度数据的变化情况获取的振动异常度进行修正，降低数据清洗时数据出现偏差的可能性，提高对铝型材自动切割机风险预警的准确(56)对比文件严英杰. 基于大数据分析技术的输变电设备状态评估方法研究《.中国优秀博硕士学位论文全文数据库(博士)》.2020,(第01期),第1-129页.

权利要求

1.一种数字化工厂设备运行风险预警方法，其特征在于，该方法包括：

获取铝型材自动切割机在历史工作时间段内每个时刻下振动速度数据的数据点；

根据每个数据点之前的预设第一时间段内相邻时刻下数据点的振动速度数据之间的差异，获取每个数据点的振动异常度；

将历史工作时间段内的数据点划分为至少两个有效数据段；依据各有效数据段内每个数据点在其所处有效数据段的位置，与该有效数据段之前的预设第二时间段内有效数据段的长度，对该有效数据段内每个数据点的振动异常度进行调整，获取各有效数据段内每个数据点的修正异常度；

获取每个有效数据段内的子数据段；结合每个子数据段内每个数据点在其所处子数据段的位置，以及该子数据段之前的预设数量个子数据段内同一数据点的修正异常度，对该子数据段内每个数据点的修正异常度进行更新，获取每个子数据段内各数据点的更新后的修正异常度；

根据更新后的修正异常度对有效数据段内数据点的振动速度数据进行数据清洗，基于清洗后的振动速度数据对铝型材自动切割机进行运行风险预警；

所述根据每个数据点之前的预设第一时间段内相邻时刻下数据点的振动速度数据之间的差异，获取每个数据点的振动异常度的方法，包括：将每个数据点与其前一时刻的数据点的振动速度数据之间的差值绝对值，作为每个数据点的振动速度变化值；

将每个数据点之前的预设第一时间段内所有数据点的所述振动速度变化值的均值作为每个数据点的振动速度综合变化值；

结合每个数据点的振动速度变化值与振动速度综合变化值，以及该数据点与其前一时刻的数据点的振动速度变化值之间的差异，获取每个数据点的振动异常度；

所述每个数据点的振动异常度的计算公式如下：

；式中， 为历史工作时间段内第i

个数据点的振动异常度； 为历史工作时间段内第i‑1个数据点的振动速度变化值；

为历史工作时间段内第i个数据点的振动速度变化值； 为历史工作时间段内第i个数据点的振动速度综合变化值；c为预设第一正数； 为绝对值函数；

所述获取各有效数据段内每个数据点的修正异常度的方法，包括：

对于每个有效数据段，将有效数据段内最后一个数据点与第一个数据点对应的时刻之间的时间间隔作为有效数据段的有效时长；将有效数据段内第一个数据点之前的预设第二时间段内包含的全部有效数据段的有效时长的均值作为有效数据段的综合时长；

将有效数据段内每个数据点与其所处有效数据段内第一个数据点对应的时刻之间的时间间隔，作为有效数据段内每个数据点的第一时长值；

根据有效数据段内每个数据点的第一时长值，以及该数据点所处有效数据段的有效时长与综合时长之间的差异，对该数据点的所述振动异常度进行调整，获取有效数据段内每个数据点的修正异常度；

所述有效数据段内每个数据点的修正异常度的计算公式如下：

；式中， 为每个有效数据段内第j

个数据点的修正异常度； 为每个有效数据段内第j个数据点的振动异常度；T为每个有效数据段的有效时长； 为每个有效数据段的综合时长； 为每个有效数据段内第j个数据点的第一时长值；c为预设第一正数；a为预设第二正数；Norm为归一化函数； 为绝对值函数。

2.根据权利要求1所述的一种数字化工厂设备运行风险预警方法，其特征在于，所述将历史工作时间段内的数据点划分为至少两个有效数据段的方法，包括：利用阈值为预设常数的高通滤波对历史工作时间段内数据点进行过滤处理；将振动速度数据小于预设常数的数据点作为失效数据点，由相邻的两个失效数据点之间的数据点构成有效数据段。

3.根据权利要求1所述的一种数字化工厂设备运行风险预警方法，其特征在于，所述获取每个子数据段内各数据点的更新后的修正异常度的方法，包括：对于每个子数据段，将子数据段与其之前的预设数量个子数据段内同一数据点的修正异常度的均值，作为子数据段内每个数据点的修正综合异常度；

将子效数据段内每个数据点与其所处子数据段内第一个数据点对应的时刻之间的时间间隔，作为子数据段内每个数据点的第二时长值；

结合每个子数据段内每个数据点的修正异常度与修正综合异常度之间的差异，以及所述第二时长值，对子数据段内每个数据点的修正异常度进行更新，获取每个子数据段内每个数据点的更新后的修正异常度。

4.根据权利要求3所述的一种数字化工厂设备运行风险预警方法，其特征在于，所述每个子数据段内每个数据点的更新后的修正异常度的计算公式如下：；式中， 为每个子数据段内

第k个数据点的更新后的修正异常度； 为每个子效数据段内第k个数据点的更新前的修正异常度； 为每个子数据段内第k个数据点的第二时长值； 为预设第三时间段的时长； 为每个子数据段内第k个数据点的修正综合异常度；c为预设第一正数；a为预设第二正数；sin为正弦函数；Norm为归一化函数； 为绝对值函数。

5.根据权利要求1所述的一种数字化工厂设备运行风险预警方法，其特征在于，所述根据更新后的修正异常度对有效数据段内数据点的振动速度数据进行数据清洗的方法，包括：对于每个有效数据段内数据点，将更新后的修正异常度大于预设异常阈值的数据点作为异常数据点；将更新后的修正异常度小于或者等于预设异常阈值的数据点作为正常数据点；

将正常数据点的振动速度数据的均值作为每个异常数据点的更新后的振动速度数据。

6.根据权利要求1所述的一种数字化工厂设备运行风险预警方法，其特征在于，所述获取每个有效数据段内的子数据段的方法，包括：由每个有效数据段内最后一个数据点与该数据点之前的预设第三时间段内数据点构成子数据段；预设第三时间段的时长小于每个有效数据段的所述有效时长。

说明书

一种数字化工厂设备运行风险预警方法

技术领域

[0001] 本发明涉及数据清理技术领域，具体涉及一种数字化工厂设备运行风险预警方法。

背景技术

[0002] 数字化工厂设备是指在传统的工厂设备中，引入了信息技术，嵌入了传感器、集成电路、软件和其它信息元器件，从而形成了机械技术与信息技术、机械产品与电子信息产品深度融合的装备。

[0003] 数字化工厂设备中铝型材自动切割机是常见的设备，能够高效地对铝型材进行切割，提高生产效率和产品质量。在铝型材的切割过程中，不可避免地会产生振动，振动不仅会对切割质量产生负面影响，而且可能导致机器的磨损加剧、精度下降以及故障发生率的提高。因此，对铝型材自动切割机的振动数据进行风险预警是有必要的。

[0004] 由于传感器采集噪声、环境噪声等一系列因素，采集的数据是不准确的，需要对数据进行清洗。现有技术常用高通滤波对采集的数据进行数据清洗，由于铝型材自动切割机的振动数据存在较大的变化差异，在使用滤波进行数据清洗时，不仅会将噪声数据去掉，还会将数据自身的波动也平滑，造成数据信息失真，降低对铝型材自动切割机进行风险预警的准确性。

发明内容

[0005] 为了解决利用滤波进行数据清洗时将切割时产生的合理振动波动进行平滑，导致铝型材自动切割机进行风险预警的准确率较低的技术问题，本发明的目的在于提供一种数字化工厂设备运行风险预警方法，所采用的技术方案具体如下：

[0006] 本发明提出了一种数字化工厂设备运行风险预警方法，该方法包括：

[0007] 获取铝型材自动切割机在历史工作时间段内每个时刻下振动速度数据的数据点；

[0008] 根据每个数据点之前的预设第一时间段内相邻时刻下数据点的振动速度数据之间的差异，获取每个数据点的振动异常度；

[0009] 将历史工作时间段内的数据点划分为至少两个有效数据段；依据各有效数据段内每个数据点在其所处有效数据段的位置，与该有效数据段之前的预设第二时间段内有效数据段的长度，对该有效数据段内每个数据点的振动异常度进行调整，获取各有效数据段内每个数据点的修正异常度；

[0010] 获取每个有效数据段内的子数据段；结合每个子数据段内每个数据点在其所处子数据段的位置，以及该子数据段之前的预设数量个子数据段内同一数据点的修正异常度，对该子数据段内每个数据点的修正异常度进行更新，获取每个子数据段内各数据点的更新后的修正异常度；

[0011] 根据更新后的修正异常度对有效数据段内数据点的振动速度数据进行数据清洗，基于清洗后的振动速度数据对铝型材自动切割机进行运行风险预警。

[0012] 进一步地，所述根据每个数据点之前的预设第一时间段内相邻时刻下数据点的振动速度数据之间的差异，获取每个数据点的振动异常度的方法，包括：

[0013] 将每个数据点与其前一时刻的数据点的振动速度数据之间的差值绝对值，作为每个数据点的振动速度变化值；

[0014] 将每个数据点之前的预设第一时间段内所有数据点的所述振动速度变化值的均值作为每个数据点的振动速度综合变化值；

[0015] 结合每个数据点的振动速度变化值与振动速度综合变化值，以及该数据点与其前一时刻的数据点的振动速度变化值之间的差异，获取每个数据点的振动异常度。

[0016] 进一步地，所述每个数据点的振动异常度的计算公式如下：

[0017] ；式中， 为历史工作时间段内第i个数据点的振动异常度； 为历史工作时间段内第i‑1个数据点的振动速度变化值；
为历史工作时间段内第i个数据点的振动速度变化值； 为历史工作时间段内第i个数据点的振动速度综合变化值；c为预设第一正数； 为绝对值函数。

[0018] 进一步地，所述将历史工作时间段内的数据点划分为至少两个有效数据段的方法，包括：

[0019] 利用阈值为预设常数的高通滤波对历史工作时间段内数据点进行过滤处理；将振动速度数据小于预设常数的数据点作为失效数据点，由相邻的两个失效数据点之间的数据点构成有效数据段。

[0020] 进一步地，所述获取各有效数据段内每个数据点的修正异常度的方法，包括：

[0021] 对于每个有效数据段，将有效数据段内最后一个数据点与第一个数据点对应的时刻之间的时间间隔作为有效数据段的有效时长；

[0022] 将有效数据段内第一个数据点之前的预设第二时间段内包含的全部有效数据段的有效时长的均值作为有效数据段的综合时长；

[0023] 将有效数据段内每个数据点与其所处有效数据段内第一个数据点对应的时刻之间的时间间隔，作为有效数据段内每个数据点的第一时长值；

[0024] 根据有效数据段内每个数据点的第一时长值，以及该数据点所处有效数据段的有效时长与综合时长之间的差异，对该数据点的所述振动异常度进行调整，获取有效数据段内每个数据点的修正异常度。

[0025] 进一步地，所述有效数据段内每个数据点的修正异常度的计算公式如下：

[0026] ；式中， 为每个有效数据段内第j个数据点的修正异常度； 为每个有效数据段内第j个数据点的振动异常度；T为每个有效数据段的有效时长；为每个有效数据段的综合时长； 为每个有效数据段内第j个数据点的第一时长值；c为预设第一正数；a为预设第二正数；Norm为归一化函数； 为绝对值函数。

[0027] 进一步地，所述获取每个子数据段内各数据点的更新后的修正异常度的方法，包括：

[0028] 对于每个子数据段，将子数据段与其之前的预设数量个子数据段内同一数据点的修正异常度的均值，作为子数据段内每个数据点的修正综合异常度；

[0029] 将子效数据段内每个数据点与其所处子数据段内第一个数据点对应的时刻之间的时间间隔，作为子数据段内每个数据点的第二时长值；

[0030] 结合每个子数据段内每个数据点的修正异常度与修正综合异常度之间的差异，以及所述第二时长值，对子数据段内每个数据点的修正异常度进行更新，获取每个子数据段内每个数据点的更新后的修正异常度。

[0031] 进一步地，所述每个子数据段内每个数据点的更新后的修正异常度的计算公式如下：

[0032] ；式中， 为每个子数据段内第k个数据点的更新后的修正异常度； 为每个子效数据段内第k个数据点的更新前的修正异常度； 为每个子数据段内第k个数据点的第二时长值； 为预设第三时间段的时长； 为每个子数据段内第k个数据点的修正综合异常度；c为预设第一正数；a为预设第二正数；sin为正弦函数；Norm为归一化函数； 为绝对值函数。

[0033] 进一步地，所述根据更新后的修正异常度对有效数据段内数据点的振动速度数据进行数据清洗的方法，包括：

[0034] 对于每个有效数据段内数据点，将更新后的修正异常度大于预设异常阈值的数据点作为异常数据点；将更新后的修正异常度小于或者等于预设异常阈值的数据点作为正常数据点；

[0035] 将正常数据点的振动速度数据的均值作为每个异常数据点的更新后的振动速度数据。

[0036] 进一步地，所述获取每个有效数据段内的子数据段的方法，包括：

[0037] 由每个有效数据段内最后一个数据点与该数据点之前的预设第三时间段内数据点构成子数据段；预设第三时间段的时长小于每个有效数据段的所述有效时长。

[0038] 本发明具有如下有益效果：

[0039] 本发明实施例中，获取铝型材自动切割机在历史工作时间段内每个时刻下振动速度数据的数据点，数据点的振动速度数据之间的差异呈现振动异常的可能性，获取数据点的振动异常度；由于铝型材切割过程中实际切割过程与铝型材位置调整过程交替出现，且实际切割过程的异常程度分析是有意义的，则将历史工作时间段内的数据点划分为有效数据段；在将较长的铝型材每次切割为较短铝型材的切割过程中，由于铝型材不变，则每次切割所用的时间基本相等，根据有效数据段内数据点的位置与有效数据段的长度，对有效数据段内数据点的振动异常度进行调整，得到数据点的修正异常度；在切割结束时，由于每次铝型材彻底被切割，导致受力的突然变化，会产生较大的振动变化，且每次切割结束过程的振动变化类似，则需要对该过程对应的数据进行分析，获取有效数据段内的子数据段即次每次切割结束过程，并对子数据段内数据点的修正异常度进行更新，使每次切割结束时振动数据变化的异常程度更加准确；降低利用更新后的修正异常度对有效数据段内数据点的振动速度数据进行清洗出现偏差的可能性，提高对铝型材自动切割机风险预警的准确性。

附图说明

[0040] 为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。

[0041] 图1为本发明一个实施例所提供的一种数字化工厂设备运行风险预警方法的方法流程图。

具体实施方式

[0042] 为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种数字化工厂设备运行风险预警方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。

[0043] 除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。

[0044] 本发明所针对的具体场景：在对铝型材自动切割机进行振动监测预警时，由于传感器采集噪声、环境噪声等一系列因素，采集的振动数据中存在失真数据，需要对振动数据进行清洗。而传统的信号滤波在对数据去噪、清洗时无法区分数据的噪声和自身波动，从而对数据自身的波形变化造成一定的影响，因此本发明通过对切割过程以及切割完成时振动的变化来对振动数据进行清洗，清洗掉失真数据的同时不对数据自身波动变化进行调整。

[0045] 下面结合附图具体的说明本发明所提供的一种数字化工厂设备运行风险预警方法的具体方案。

[0046] 请参阅图1，其示出了本发明一个实施例提供的一种数字化工厂设备运行风险预警方法的方法流程图，该方法包括。

[0047] 步骤S1：获取铝型材自动切割机在历史工作时间段内每个时刻下振动速度数据的数据点。

[0048] 具体的，本发明仅针对数字化工厂设备中的铝型材自动切割机进行分析。在铝型材自动切割机的轴承上方安装振动速度传感器，安装方向为竖直方向。在铝型材自动切割机开始工作后，采集振动速度传感器在历史工作时间段内每个时刻下的振动速度数据Z的数据点，采样频率为 。

[0049] 需要说明的是，历史工作时间段的时长需要大于1小时。

[0050] 步骤S2：根据每个数据点之前的预设第一时间段内相邻时刻下数据点的振动速度数据之间的差异，获取每个数据点的振动异常度。

[0051] 在使用铝型材自动切割机对铝型材切割的过程中，由于切割面积逐步变大，母材和要被切割的子材之间的连接面越来越小，则铝型材振动的程度越来越大，即每次切割过程中振动速度数据的变化程度越大。

[0052] 优选地，振动异常度的具体获取方法为：将每个数据点与其前一时刻的数据点的振动速度数据之间的差值绝对值，作为每个数据点的振动速度变化值；将每个数据点之前的预设第一时间段内所有数据点的振动速度变化值的均值作为每个数据点的振动速度综合变化值；结合每个数据点的振动速度变化值与振动速度综合变化值，以及该数据点与其前一时刻的数据点的振动速度变化值之间的差异，获取每个数据点的振动异常度。

[0053] 作为一个示例，相邻的数据点的振动速度数据之间的差异，呈现铝型材自动切割机振动异常情况。以第i个数据点进行分析，第i个数据点的振动速度变化值，其中， 为历史工作时间段中第i个数据点的振动速度数据，为历史工作时间段中第i‑1个数据点的振动速度数据； 与 为相邻时刻下的数据点的振动速度数据，即第i‑1个数据点与第i个数据点为相邻的数据点。将每个数据点之前的预设第一时间段内所有数据点的振动速度变化值的均值作为每个数据点的振动速度综合变化值。

[0054] 需要说明的是，本发明实施例中设置历史工作时间段中第1个数据点的振动速度变化值为0；预设第一时间段的时长取经验值1分钟，实施者可根据具体情况自行设定。

[0055] 根据每个数据点与其前一个数据点的振动速度变化值之间的差异，以及该数据点的振动速度综合变化值，获取每个数据点的振动异常度，振动异常度的计算公式如下：

[0056]

[0057] 式中， 为历史工作时间段内第i个数据点的振动异常度； 为历史工作时间段内第i‑1个数据点的振动速度变化值； 为历史工作时间段内第i个数据点的振动速度变化值； 为历史工作时间段内第i个数据点的振动速度综合变化值；c为预设第一正数，取经验值1，作用为防止 为0导致振动异常度为0； 为绝对值函数。

[0058] 当 越大时，说明第i个数据点的振动速度数据的变化相较于第i个数据点之前的预设第一时间段内数据点的振动速度数据的变化越剧烈，第i个数据点出现振动异常情况的可能性越大，则振动异常度 越大。当 越大时，说明第i个数据点与其前一个数据点即第i‑1个数据点的振动速度数据的变化之间的差异越大，说明第i个数据点的振动速度数据变化越突兀，第i个数据点出现振动异常情况的可能性越大，则振动异常度越大。

[0059] 需要注意的是，本发明实施例仅针对历史工作时间段内开始1分钟后的数据点获取振动异常度。

[0060] 步骤S3：将历史工作时间段内的数据点划分为至少两个有效数据段；依据各有效数据段内每个数据点在其所处有效数据段的位置，与该有效数据段之前的预设第二时间段内有效数据段的长度，对该有效数据段内每个数据点的振动异常度进行调整，获取各有效数据段内每个数据点的修正异常度。

[0061] 铝型材的切割通常将较长的铝型材切割为较短的铝型材，每次切割完成后有一个铝型材位置调整的过程，该过程的振动程度较小，则位置调整过程的数据点的振动速度数据接近0，因此历史工作时间段内数据点呈现分段分布。为提高对数据点异常情况分析的准确性，将历史工作时间段内数据点划分为多个有效数据段。

[0062] 优选地，有效数据段的具体划分方法为：利用阈值为预设常数的高通滤波对历史工作时间段内数据点进行过滤处理；将振动速度数据小于预设常数的数据点作为失效数据点，由相邻的两个失效数据点之间的数据点构成有效数据段。其中，高通滤波为本领域技术人员公知技术，在此不再赘述。一个有效数据段代表一次切割过程。本发明实施例中高通滤波的阈值相当于临界值，即预设常数取经验值1，实施者可根据具体情况自行设置。

[0063] 需要说明的是，调整铝型材位置需要一定时间，则失效数据点会连续多个同时出现。铝型材自动切割机在切割铝型材时，设备启动时刻与开始切割时刻之间存在一定时长，且铝型材切割完成时刻与设备关闭时刻之间也存在一定时长，这两个时间段内数据点的振动速度数据接近0，则历史工作时间段的开始时刻与最后时刻均存在连续多个失效数据点。

[0064] 作为一个示例，假设历史工作时间段内第1个时刻下的数据点为A1，第2个时刻下的数据点为A2，第3个时刻下的数据点为A3，第4个时刻下的数据点为A4，第5个时刻下的数据点为A5，第6个时刻下的数据点为A6。若数据点A1、数据点A2、数据点A5与数据点A6均为失效数据点，相邻的两个失效数据点包括：数据点A1与数据点A2，数据点A2与数据点A5，数据点A5与数据点A6。数据点A1与数据点A2，数据点A5与数据点A6之间均不存在数据点，则不会产生有效数据段；数据点A2与数据点A5之间存在数据点，由数据点A3与数据点A4构成有效数据段。

[0065] 历史工作时间段内数据点的振动速度数据变化可能为噪声影响等因素影响，也可能为切割产生的合理变化，产生原因为：铝型材切割过程中母材和要被切割的子材之间的连接面越来越小，使得铝型材振动的程度越来越大；在最后切割完成时，由于状态和力的突然变化，此时会产生一个较大的振动变化。因此，步骤S2获取的振动异常度可能出现误差，本发明对切割过程中的振动变化和切割结束时的振动变化的异常程度进行修正。

[0066] 优选地，有效数据段内数据点的修正异常度的具体获取方法为：对于每个有效数据段，将有效数据段内最后一个数据点与第一个数据点对应的时刻之间的时间间隔作为有效数据段的有效时长；将有效数据段内第一个数据点之前的预设第二时间段内包含的全部有效数据段的有效时长的均值作为有效数据段的综合时长；将有效数据段内每个数据点与其所处有效数据段内第一个数据点对应的时刻之间的时间间隔，作为有效数据段内每个数据点的第一时长值；根据有效数据段内每个数据点的第一时长值，以及该数据点所处有效数据段的有效时长与综合时长之间的差异，对该数据点的振动异常度进行调整，获取有效数据段内每个数据点的修正异常度。

[0067] 在连续切割过程中，由于铝型材不变，切割参数没有调整，则每次切割过程的时长基本相等，即正常情况下每个有效数据段的有效时长较为接近。

[0068] 每个将有效数据段内第一个数据点之前的预设第二时间段内包含的全部有效数据段的有效时长的均值作为每个有效数据段的综合时长。以第5个有效数据段为例进行分析，若第5个有效数据段内第一个数据点之前的预设第二时间段内包含的有效数据段为：第3个有效数据段与第4个有效数据段，即第5个有效数据段内第一个数据点与第3个有效数据段内第一个数据点对应的时刻之间的时间间隔，以及第5个有效数据段内第一个数据点与第4个有效数据段内第一个数据点对应的时刻之间的时间间隔，均小于预设第二时间段的时长。将第4、5个有效数据段的有效时长的均值作为第5个有效数据段的综合时长 。

[0069] 本发明实施例中预设第二时间段的时长取经验值1小时，实施者可根据具体情况自行设定。需要注意的是，本发明实施例中仅针对历史工作时间段开始的1小时后的有效数据段内的数据点的振动异常度进行修正。

[0070] 将有效数据段内每个数据点与其所处有效数据段内第一个数据点对应的时刻之间的时间间隔，作为有效数据段内每个数据点的第一时长值。当数据点的第一时长值越大时，说明该数据点为其所处有效数据段内靠近结束的数据点的可能性越大，该数据点的数据变化越可能为切割时产生的合理变化，出现变化异常的可能性越小，对有效数据段内数据点的异常程度修正的程度越小。每个有效数据段内数据点的振动速度数据的变化程度是逐渐变大的。

[0071] 有效数据段内每个数据点的修正异常度的计算公式如下：

[0072]

[0073] 式中， 为每个有效数据段内第j个数据点的修正异常度； 为每个有效数据段内第j个数据点的振动异常度；T为每个有效数据段的有效时长；为每个有效数据段的综合时长； 为每个有效数据段内第j个数据点的第一时长值；c为预设第一正数，取经验值1，作用为防止 为0；a为预设第二正数，取经验值0.01，作用为防止分母为0导致分式无意义；Norm为归一化函数； 为绝对值函数。

[0074] 需要说明的是，当 越大时，说明每个有效数据段与整体的有效数据段的时长之间差异越大，该有效时间段出现异常的可能性越大，需要修正的程度越大； 呈现有效数据段内第j个数据点位于该有效数据段的位置，当 越大时，即 越大时，第j个数据点位于有效数据点的越靠后位置，有效数据段内第j个数据点的振动速度数据的变化为切割时产生的合理变化，出现变化异常的可能性越小，对有效数据段内数据点的振动异常度 修正的程度越小，则数据点的修正异常度 与振动异常度 之间的差异越小。

[0075] 步骤S4：获取每个有效数据段内的子数据段；结合每个子数据段内每个数据点在其所处子数据段的位置，以及该子数据段之前的预设数量个子数据段内同一数据点的修正异常度，对该子数据段内每个数据点的修正异常度进行更新，获取每个子数据段内各数据点的更新后的修正异常度。

[0076] 在切割结束时，由于铝型材彻底被切割，导致受力的突然变化，此时会产生一个较大的振动变化，且这个振动由小到大再变小。同时由于工厂中铝型材自动切割机运行时往往进行连续重复的相同规格的切割操作，因此相邻数据段的相似程度极高，可以通过相邻数据段对应位置的数据的差异来进行辅助修正。

[0077] 由于切割结束时铝型材的母材和子材已经分割完毕，此时的振动变化主要是因为受力变化而导致的，而切割过程的中的振动在此时的影响逐渐降低，但是步骤S3中的修正仍然是按照逐渐升高的过程进行计算的，因此为了避免切割过程中的修正与切割结束时的修正产生过度修正，还需要对每次切割开结束时即有效数据段内子数据段内数据点的修正异常度进行调整。

[0078] 优选地，子数据段的获取方法为：由每个有效数据段内最后一个数据点与该数据点之前的预设第三时间段内的数据点构成子数据段；预设第三时间段的时长小于每个有效数据段的有效时长。本发明实施例中预设第三时间段的时长 取经验值0.1秒，实施者可根据具体情况自行设定。需要说明的是，有效数据段的数量等于子数据点的数量。

[0079] 对子数据段内数据点的修正异常度进行调整的方法为：对于每个子数据段，将子数据段与其之前的预设数量个子数据段内同一数据点的修正异常度的均值，作为子数据段内每个数据点的修正综合异常度；将子效数据段内每个数据点与其所处子数据段内第一个数据点对应的时刻之间的时间间隔，作为子数据段内每个数据点的第二时长值；结合每个子数据段内每个数据点的修正异常度与修正综合异常度之间的差异，以及第二时长值，对子数据段内每个数据点的修正异常度进行更新，获取每个子数据段内每个数据点的更新后的修正异常度。本发明实施例中预设数量取经验值10，实施者可根据具体情况自行设置。

[0080] 作为一个示例，以第11个子数据段内第1个数据点为例进行分析，第1个子数据段至第11个子数据段内第1个数据点为同一数据点，将第1个子数据段至第11个子数据段内第1个数据点的修正异常度的均值，作为第11个子数据段内第1个数据点的修正综合异常度。
根据该方法，获取每个子数据段内每个数据点的综合异常度。

[0081] 每个子数据段内每个数据点的更新后的修正异常度的计算公式如下：

[0082]

[0083] 式中， 为每个子数据段内第k个数据点的更新后的修正异常度； 为每个子效数据段内第k个数据点的更新前的修正异常度； 为每个子数据段内第k个数据点的第二时长值； 为预设第三时间段的时长； 为每个子数据段内第k个数据点的修正综合异常度；c为预设第一正数，取经验值1，作用为 为0；a为预设第二正数，取经验值0.01，作用为防止整个分式的分母为0导致式子无意义；sin为正弦函数；Norm为归一化函数； 为绝对值函数。

[0084] 第二时长值呈现数据点位于其所处子数据段内的位置，当 越大时，数据点越靠近每次切割结束的时刻。在每次切割结束时，由于铝型材彻底被切割，导致受力的突然变化，此时会产生一个较大的振动变化，且这个振动由小到大再变小。本发明实施例利用描述切割结束时振动速度数据的振动变化情况。由于结束时的振动变化属于切割时产生的合理变化，出现变化异常的可能性越小，因此， 与 呈负相关变化。

[0085] 当 越小时，说明每个子数据段内数据点的异常程度与其之前的预设数量个子数据段内数据点的平均的异常程度之间的差异越小，说明每个子数据段内数据点为正常的数据点的可能性越大，数据点的修正异常度需要调整的程度越小，则更新后的修正异常度 越接近更新前的修正异常度 。

[0086] 需要注意的是，本发明实施例从历史工作时间段内第11个子数据段开始，对子数据段内数据点修正异常度进行更新。

[0087] 步骤S5：根据更新后的修正异常度对有效数据段内数据点的振动速度数据进行数据清洗，基于清洗后的振动速度数据对铝型材自动切割机进行运行风险预警。

[0088] 有效数据段内数据点分为两部分，分别为：有效数据段内子数据段内数据点，有效数据段内除子数据段内数据点外的数据点。步骤S4仅针对有效数据段内子数据段内数据点的修正异常度进行更新，因此有效数据点内数据点的更新后的修正异常度同样分为两部分，分别为：有效数据段内子数据段内数据点经过步骤S4得到的更新后的修正异常度，有效数据段内除子数据段内数据点外的数据点，其更新后的修正异常度等于更新前的修正异常度。

[0089] 对于每个有效数据段内数据点，将更新后的修正异常度大于预设异常阈值的数据点作为异常数据点；将更新后的修正异常度小于或者等于预设异常阈值的数据点作为正常数据点；将正常数据点的振动速度数据的均值作为每个异常数据点的更新后的振动速度数据。本发明实施例中预设异常阈值取经验值0.9，实施者可根据具体情况自行设置。

[0090] 本发明将所有正常数据点的振动速度数据的均值作为每个异常数据点的更新后的振动速度数据，以实现异常数据点的振动速度数据的更新，正常数据点的振动速度数据保持不变，从而实现对每个有效数据段内数据点的振动速度数据进行数据清洗。

[0091] 当工作时间段内有效数据段内存在数据点的振动速度数据大于振动速度阈值时，认为铝型材自动切割机出现振动异常，对铝型材自动切割机进行风险预警。

[0092] 本发明通过清洗后的振动速度数据进行振动风险预警，在进行预警时需要考虑到设备的机械分类。铝型材自动切割机设备在生产出厂时均标注有国标规格，根据铝型材自动切割机设备上标注的国标规格可以将铝型材自动切割机划分为大型铝型材自动切割设备、中型铝型材自动切割设备与小型铝型材自动切割设备。获取本发明进行分析的铝型材自动切割机的国标规格，确定铝型材自动切割机的类型。如果是大型铝型材自动切割设备，振动速度阈值取经验值 ；中型铝型材自动切割设备，振动速度阈值取经验值；小型铝型材自动切割设备，振动速度阈值取经验值 ，实施者可根据具体情况自行设置。

[0093] 需要注意的是，本发明实施例从历史工作时间段内第11个有效数据段开始，对有效数据段内数据点进行分析。

[0094] 至此，本发明完成。

[0095] 综上所述，本发明实施例中，获取铝型材自动切割机在历史工作时间段内每个时刻下振动速度数据的数据点，获取每个数据点的振动异常度；将数据点划分为有效数据段，获取有效数据段中每个数据点的修正异常度；获取每个有效数据段内的子数据段，对每个子数据段内数据点的修正异常度进行更新，根据更新后的修正异常度对有效数据段内数据点的振动速度数据进行清洗，基于清洗的振动速度数据对铝型材自动切割机的运行风险进行预警。本发明对基于振动速度数据的变化情况获取的振动异常度进行修正，降低数据清洗时数据出现偏差的可能性，提高对铝型材自动切割机风险预警的准确性。

[0096] 需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

[0097] 本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。