用于铸造生产过程异常检测的加权超球核主元分析.pdfVIP

2023年第6期/第72卷铸造709

工艺技术FOUNDRY

用于铸造生产过程异常检测的

加权超球核主元分析

向观兵，刘迎辉，计效园，殷亚军，周建新

（华中科技大学材料成形与模具技术国家重点实验室，湖北武汉430074）

摘要：针对铸造过程数据维度高、非线性和非高斯性的特点，导致主元分析法存在易漏检、

检测效率低等问题，提出了加权超球核主元分析的生产过程异常检测方法。首先使用指数加

权移动平均对数据平滑处理，然后通过核主元分析法对数据核映射获得主元空间和残差空

间，最后将两个子空间信息分别输入到样本加权的支持向量数据描述建立统计模型，并利用

建立的模型对数据进行异常检测。使用田纳西-伊斯曼过程数据和铸造的砂处理过程数据进行

验证，结果表明该方法比主元分析法具有更高的检测率。

关键词：铸造；异常检测；主元分析；支持向量数据描述；砂处理

随着工业技术的进步，铸造企业紧紧抓住智能制造带来的重大机遇，对铸件产

品的质量、生产效益的要求越来越高。铸造是一个从无到有、混批、长流程的热加

工手段，工艺参数波动大且相互影响，导致我国高端装备复杂铸件生产存在合格率

低、质量波动大等短板，生产过程不稳定从而产生铸件缺陷，因此需要及时掌握铸

造生产过程的运行情况，快速准确地监测到生产过程中出现的异常情况，减少参数

波动。通过对铸造生产过程运行状态进行监测，现场的操作人员能够实时掌握生产

作者简介：的优劣情况，及时发现异常信息，对后续的生产情况进行调整改进[2]。

向观兵（1996-），男，

基于数据驱动的方法不需要建立精确的数学模型，通过分析和挖掘生产过程

硕士生，研究方向为铸

造数字化监测。E-mail:中的数据来获得工业过程运行状态。随着计算机技术、物联网技术、通信技术的发

417649984@展，可以通过一系列传感器和数据收集设备采集工业过程中的生产数据，丰富的数

通讯作者：据中蕴含着大量的运行状态信息，这些采集的数据可以反映温度、压力的过程变

计效园，男，副教授。E-mail化，为基于数据驱动的方法提供了充足的数据支撑[3-4]。基于数据驱动的方法主要包

linnjxy@

括统计分析方法和机器学习方法两种[5]

中图分类号：TG248多变量统计方法中最常使用的是主元分析法（PrincipleComponentAnalysis，

文献标识码：APCA）和偏最小二乘法（PartialLeastSquares，PLS）[6-7]。多变量统计方法主要借助

文章编号：1001-4977(2023)

统计学理论，分析过程的历史数据并训练模型，构造异常判断的统计控制量，与正

06-0709-08

常生产过程中提取的统计指标作对比，从而进行异常检测。李斌锋[8]、郑煜[9]建立了

基金项目：基于PCA的多变量统计过程控制模型，用于监控砂处理过程的波动情况。在使用传

国家重点研发计划“网络协统的PCA方法监测时只能处理各变量之间线性相关问题，有很多学者使用核主元分

同制造和智能工厂”重点

专项（2020YFB1710100）；析（KernelPrincipleComponentAnalysis，KPCA）处理非线性问题。WangXGliol针

国家自然科学基金对非线性多模式过程的监控，