Як оптимізувати продуктивність алгоритму порівняння надлишковості подвійного-сенсора

Оновлення від «статичного порівняння» до «динамічного інтелектуального злиття», яке зосереджується на усуненні помилкових тривог, пропущених сповіщень і відхилень у точності, має важливе значення для покращення продуктивності алгоритму порівняння надлишковості подвійних-датчиків. Реалізація цього включає чотири етапи:

 

1. Щоб пристосуватися до процесу лиття під тиском, запровадьте багато-етапні динамічні пороги.

Під час лиття під тиском виникають значні коливання тиску, а фіксовані пороги можуть викликати помилкові сигнали тривоги. Важливо здійснювати автоматичний перехід відповідно до етапів процесу:

Етап тиску впорскування/утримування (різкі коливання тиску): зачекайте 5–10 секунд на рішення, щоб відфільтрувати миттєві впливи та зменшити поріг до 0,2%–0,3% повної шкали;

Етап охолодження/розкриття прес-форми (тиск стабілізується на 0): щоб точно зафіксувати дрейф нульової-точки, збільште порогове значення до 0,05% повної шкали;

Завдяки автоматичному узгодженню правильного порогу після зчитування даних процесу машини для лиття під тиском у режимі реального часу, технологія зменшує помилкові тривоги більш ніж на 80%.

 

2. Щоб позбутися шумових перешкод, вдосконаліть алгоритм фільтрації.

Попередньо обробляйте дані перед тим, як безпосередньо порівнювати їх із необробленими даними.

Комбінуйте ковзну середню та медіанну фільтрацію, щоб визначити справжню тенденцію, спочатку усунувши раптові сплески шуму, а потім згладжуючи випадкові коливання;

Щоб гарантувати швидкість реакції з одночасним успішним зниженням високо{0}}частотного шуму та покращенням стабільності порівняльного тесту, рекомендовано налаштувати вікно вибірки на 20–30 точок.

 

3. Щоб підвищити точність виведення, створіть зважену модель синтезу.

Просте усереднення не є найкращим способом дії, коли обидва датчики працюють нормально:

Надайте датчикам із меншим рівнем шуму та меншим-тривалим дрейфом (наприклад, 0,6:0,4) більшу вагу на основі попередньої стабільності;

Динамічно оновлюйте вагові коефіцієнти: кожні 1000 симуляцій повторно оцінюйте стабільність обох датчиків і автоматично змінюйте співвідношення вагових показників, щоб гарантувати, що кінцевий результат завжди буде схожий на вищу-точну сторону, підвищуючи загальну точність на 10%–15%.

 

4. Покращити логіку прогнозування тенденцій раннього попередження.

Візьміть до уваги швидкість зміни на додаток до спостереження за поточними відхиленнями:

Слідкуйте за першою похідною відхилення (швидкістю зміни). Позначте відхилення як «потенційне старіння» та нагадайте користувачам виконати планове технічне обслуговування, якщо воно продовжує односпрямовано зростати протягом дня, навіть якщо воно не перевищило порогове значення.

Це запобігає збоям у виробництві, спричиненим несподіваними збоями, перетворюючи пасивні сповіщення на проактивне запобігання.

Ця стратегія оптимізації максимізує переваги точності кількох датчиків, одночасно дозволяючи алгоритму підтримувати високу надійність у складних робочих ситуаціях.