高稳定性的HTCC氧化铝陶瓷制备参数异常识别方法与流程

本发明涉及氧化铝陶瓷制备数据监测，具体涉及高稳定性的htcc氧化铝陶瓷制备参数异常识别方法。

背景技术：

1、htcc氧化铝陶瓷制备过程中需要制备炉进行多次烧结、冷却等工作流程，在连续的工作流程中烧炉的温度控制对于陶瓷成品质量而言起到重要作用。因此需要对烧炉的温度参数进行准确的监测并判断异常，保证能够及时进行参数调整，避免陶瓷产品质量受到影响。

2、在对烧炉的温度参数进行异常监测过程中，可直接设置温度阈值范围，若监测到温度不在阈值范围内，则判定出现温度异常。但是该方法会因为监测不及时，导致反馈异常识别结果时烧炉内的陶瓷产品已经出现了一定的质量损伤，并且因为制备过程中进行多轮烧结、冷却等过程，不同过程对应的温度阈值范围是存在变化的，若不能确定合适的温度对比数据，还会导致异常识别结果存在误差。

技术实现思路

1、为了解决现有技术中在陶瓷制备过程中对烧炉温度参数的异常检测不及时并且存在误差的技术问题，本发明的目的在于提供一种高稳定性的htcc氧化铝陶瓷制备参数异常识别方法，所采用的技术方案具体如下：

2、本发明提出了一种高稳定性的htcc氧化铝陶瓷制备参数异常识别方法，所述方法包括：

3、获得htcc氧化铝陶瓷正常制备过程中的历史温度曲线，以及实时制备过程中的实时温度曲线；

4、对历史温度曲线进行趋势项分解；获取趋势项中的同趋势段；根据相邻同趋势段之间的趋势匹配关系确定趋势类别；趋势项上的同趋势段在历史温度曲线上对应的曲线段为温度分割曲线段；根据温度分割曲线段之间的相似度确定曲线段类别；

5、获得实时温度曲线在曲线段类别中的匹配曲线段类别；将匹配曲线段类别的类别中心作为实时温度曲线的代表曲线段；在历史温度曲线上，将匹配曲线段类别中的每条温度分割曲线段的相邻温度分割曲线段作为实时温度曲线的待参考曲线段；

6、获得实时温度曲线与待参考曲线段之间的第一变化趋势特征和第一数据匹配特征，获得代表曲线段在趋势项上对应的趋势类别的第二变化趋势特征；获得代表曲线段与相邻温度分割曲线段之间的第二数据匹配特征；获得第一变化趋势特征与第二变化趋势特征之间的变化趋势相似度；获得第一数据匹配特征与第二数据匹配特征之间的曲线相似度；根据变化趋势相似度和曲线相似度在待参考曲线段中筛选出参考曲线段；

7、获得实时温度曲线的预测曲线段，根据参考曲线段与预测曲线段之间的相似度判断是否出现参数异常。

8、进一步地，所述获取趋势项中的同趋势段，包括：

9、获取所述趋势项中每个数据点的切线斜率，构成切线斜率序列，对所述切线斜率序列利用多阈值分割算法进行处理，获得所述同趋势段。

10、进一步地，所述根据相邻同趋势段之间的趋势匹配关系确定趋势类别包括：

11、获得趋势项上相邻两条同趋势段之间的匹配关系特征序列，根据所述匹配关系特征序列之间的相似度对所述匹配关系特征序列进行聚类，获得所述趋势类别。

12、进一步地，所述匹配关系特征序列的获取方法包括：

13、相邻同趋势段之间进行dtw匹配，获得两条趋势段之间的数据点匹配关系，在所述数据点匹配关系中，将前一个同趋势段对应的数据点数量作为分子，后一个同趋势段对应的数据点数量作为分母，获得匹配特征值，将所述匹配特征值构成的序列作为所述匹配关系特征序列。

14、进一步地，所述曲线段类别的获取方法包括：

15、获取所述温度分割曲线段之间的差异距离，根据所述差异距离进行聚类，获得所述曲线段类别。

16、进一步地，所述获得实时温度曲线在所述曲线段类别中的匹配曲线段类别，包括：

17、获得所述实时温度曲线与所述曲线段类别的类别中心的数据相似度，将最大数据相似度对应的所述曲线段类别作为所述实时温度曲线的所述匹配曲线段类别。

18、进一步地，所述变化趋势相似度的获取方法包括：

19、所述实时温度曲线上每个数据点的切线斜率构成实时切线斜率序列；所述待参考曲线段上每个数据点的切线斜率构成待参考切线斜率序列；

20、对所述实时切线斜率序列与所述待参考切线斜率序列进行dtw匹配，获得的匹配关系特征序列作为所述第一变化趋势特征；

21、将所述代表曲线段在趋势项上对应的趋势类别的类别中心作为第二变化趋势特征；将第一变化趋势特征与所述第二变化趋势特征之间的相似度作为所述变化趋势相似度。

22、进一步地，所述曲线相似度的获取方法包括：

23、对所述实时温度曲线与所述待参考曲线段进行dtw匹配，获得的匹配关系特征序列作为第一数据匹配特征；

24、对所述代表曲线段与相邻的温度分割曲线段进行dtw匹配，获得的匹配关系特征序列作为第二数据匹配特征；

25、将所述第一数据匹配特征与第二数据匹配特征之间的相似度作为所述曲线相似度。

26、进一步地，所述根据变化趋势相似度和曲线相似度在待参考曲线段中筛选出参考曲线段，包括：

27、将所述变化趋势相似度和所述曲线相似度的乘积作为所述待参考曲线段的筛选指标，将最大筛选指标对应的待参考曲线段作为所述实时温度曲线的参考曲线段。

28、进一步地，所述根据参考曲线段与预测曲线段之间的相似度判断是否出现参数异常，包括：

29、以所述实时温度曲线为基础进行多项式拟合，获得多项式拟合模型，根据多项式拟合模型获得与所述参考曲线段长度相同的预测曲线段；

30、根据所述预测曲线段与所述参考曲线段之间的差异获得异常概率，当所述异常概率大于预设异常阈值时，判断实时温度曲线出现参数异常。

31、本发明具有如下有益效果：

32、本发明实施例为了避免直接确定温度阈值范围进行异常检测导致的检测不准确，在温度数据的基础上分析温度的变化趋势，对于整条历史温度曲线而言，根据趋势划分为趋势类别，根据数据划分为曲线段类别。进一步进行准确的匹配，确定实时温度曲线在历史温度曲线上所对应的匹配曲线段类别，即匹配曲线段类别中的温度分割曲线段所表征的工作流程与实时温度曲线所对应的工作流程相同，因此可根据匹配曲线段类别中的温度分割曲线获得待参考曲线段。待参考曲线段可视为实时温度曲线在未来时刻有可能对应的曲线段，为了进一步确定最合适的参考曲线段，进一步结合对应趋势项中的数据变化趋势相似度以及曲线相似度对待参考曲线段进行筛选，获得参考曲线段。因为参考曲线段是由正常制备过程的历史温度曲线获得的，因此参考曲线段可作为实时温度曲线在未来时刻的正常制备过程基准数据，通过数据预测以及数据对比，能够及时判断实时温度曲线是否出现参数异常的同时保证了判断结果的准确性。

技术特征：

1.一种高稳定性的htcc氧化铝陶瓷制备参数异常识别方法，其特征在于，所述方法包括：

2.根据权利要求1所述的一种高稳定性的htcc氧化铝陶瓷制备参数异常识别方法，其特征在于，所述获取趋势项中的同趋势段，包括：

3.根据权利要求2所述的一种高稳定性的htcc氧化铝陶瓷制备参数异常识别方法，其特征在于，所述根据相邻同趋势段之间的趋势匹配关系确定趋势类别包括：

4.根据权利要求3所述的一种高稳定性的htcc氧化铝陶瓷制备参数异常识别方法，其特征在于，所述匹配关系特征序列的获取方法包括：

5.根据权利要求1所述的一种高稳定性的htcc氧化铝陶瓷制备参数异常识别方法，其特征在于，所述曲线段类别的获取方法包括：

6.根据权利要求1所述的一种高稳定性的htcc氧化铝陶瓷制备参数异常识别方法，其特征在于，所述获得实时温度曲线在所述曲线段类别中的匹配曲线段类别，包括：

7.根据权利要求4所述的一种高稳定性的htcc氧化铝陶瓷制备参数异常识别方法，其特征在于，所述变化趋势相似度的获取方法包括：

8.根据权利要求4所述的一种高稳定性的htcc氧化铝陶瓷制备参数异常识别方法，其特征在于，所述曲线相似度的获取方法包括：

9.根据权利要求1所述的一种高稳定性的htcc氧化铝陶瓷制备参数异常识别方法，其特征在于，所述根据变化趋势相似度和曲线相似度在待参考曲线段中筛选出参考曲线段，包括：

10.根据权利要求1所述的一种高稳定性的htcc氧化铝陶瓷制备参数异常识别方法，其特征在于，所述根据参考曲线段与预测曲线段之间的相似度判断是否出现参数异常，包括：

技术总结
本发明涉及氧化铝陶瓷制备数据监测技术领域，具体涉及高稳定性的HTCC氧化铝陶瓷制备参数异常识别方法。该方法获取趋势项上的趋势类别以及历史温度曲线上的曲线段类别。获取实时温度曲线对应的匹配曲线段类别以及代表曲线段和待参考曲线段。以代表曲线段为参考基础，对比实时温度曲线与待参考曲线段之间的数据特征，进而筛选出参考曲线段，获得实时温度曲线的预测曲线段，根据参考曲线段与预测曲线段之间的相似度判断是否出现参数异常。本发明通过确定参考性强的参考曲线段作为异常对比的基础数据，基于预测以及对比的数据处理方法实现了及时准确的对HTCC氧化铝陶瓷制备过程中烧炉温度参数进行异常检测。

技术研发人员：纪健超,荣蓬勃,成淑敏
受保护的技术使用者：西安航科创星电子科技有限公司
技术研发日：
技术公布日：2024/4/29