一種堆垛機(jī)狀態(tài)異常區(qū)間自動(dòng)篩選新方法

趙良德, 梁勝濤, 陳良坤, 張宏生, 楊　樂, 梁曉偉, 黃大榮

(1.國(guó)網(wǎng)安徽省電力有限公司電力科學(xué)研究院, 安徽 合肥　230000;2.重慶交通大學(xué), 重慶　400074)

隨著經(jīng)濟(jì)的快速發(fā)展,立體倉(cāng)庫(kù)越來越趨向于自動(dòng)化、智能化。自動(dòng)化智能倉(cāng)儲(chǔ)系統(tǒng)具有空間利用率高、便于實(shí)現(xiàn)自動(dòng)化管理、實(shí)時(shí)自動(dòng)結(jié)算庫(kù)存貨物種類和數(shù)量、立體倉(cāng)庫(kù)信息庫(kù)可以和中央計(jì)算機(jī)系統(tǒng)聯(lián)網(wǎng)運(yùn)行等許多優(yōu)點(diǎn),對(duì)加快物流速度、提高勞動(dòng)生產(chǎn)率、降低生產(chǎn)成本都有重要意義,已開始應(yīng)用于汽車、電子、醫(yī)藥、煙草、建材、郵電等許多行業(yè)。堆垛機(jī)是自動(dòng)化立體倉(cāng)庫(kù)中最主要的作業(yè)機(jī)械設(shè)備,是輸送系統(tǒng)的核心設(shè)備,是決定整個(gè)出入庫(kù)是否能流暢運(yùn)行的關(guān)鍵。故檢測(cè)其狀態(tài)異常點(diǎn)并及時(shí)維修是保證堆垛機(jī)的安全正常運(yùn)行的有效手段,從而保障智能運(yùn)維倉(cāng)庫(kù)正常運(yùn)行?；诖?如何有效地檢測(cè)堆垛機(jī)狀態(tài)異常區(qū)間逐漸成為學(xué)者研究的重點(diǎn)[1-2]。但遺憾的是國(guó)內(nèi)目前對(duì)堆垛機(jī)的研究大多數(shù)是從結(jié)構(gòu)設(shè)計(jì)或者控制角度進(jìn)行的研究,而基于堆垛機(jī)運(yùn)行狀態(tài)數(shù)據(jù)進(jìn)行分析的還沒有。

為解決上述問題,本文提出一種基于堆垛機(jī)運(yùn)行狀態(tài)數(shù)據(jù)異常檢測(cè)方法。首先,建立均值平滑模型,對(duì)數(shù)據(jù)進(jìn)行預(yù)處理;其次,利用箱形圖法建立異常區(qū)間篩選模型,對(duì)異常區(qū)間進(jìn)行定位。最后,利用從電力行業(yè)自動(dòng)化智能倉(cāng)儲(chǔ)系統(tǒng)中采集的堆垛機(jī)運(yùn)行信號(hào)進(jìn)行實(shí)例驗(yàn)證,證明算法的工程有效性和適用性。

1　數(shù)據(jù)均值平滑處理

1.1　數(shù)據(jù)分析

分析現(xiàn)今所采集得到的數(shù)據(jù)包括3-6月堆垛機(jī)的電流及振動(dòng)數(shù)據(jù),其采集位置范圍為:0m-24m。數(shù)據(jù)分布如圖1所示。

圖1　原始電流數(shù)據(jù)

由圖1可知,原始數(shù)據(jù)雜亂無序,樣本量過大。從原圖上無法發(fā)現(xiàn)任何規(guī)律及有用信息,因此對(duì)首先得數(shù)據(jù)進(jìn)行均值平滑處理,既可減少數(shù)據(jù)量大小,又可增強(qiáng)其規(guī)律性。

1.2　數(shù)據(jù)平滑處理

實(shí)際運(yùn)行過程中,存在運(yùn)行區(qū)間重復(fù),含有啟動(dòng)電流與停止電流;偶發(fā)性故障與隱形故障存在相互干擾,區(qū)間均值對(duì)數(shù)據(jù)進(jìn)行平滑。為此,本文建立一種數(shù)據(jù)平滑模型,總體分為兩步:區(qū)間采樣[3-5]和均值平滑。

1)區(qū)間采樣

為解決采樣數(shù)據(jù)區(qū)間重復(fù)問題,將堆垛機(jī)運(yùn)動(dòng)數(shù)據(jù)采集等區(qū)間劃分,設(shè)置區(qū)間采樣參數(shù)如下:

區(qū)間采樣起點(diǎn):start=0 mm；

區(qū)間采樣間隔:interval=100 mm。

綜上可知,均值平滑即將0m-24m劃分如下:[0 100]、[101 200]…直到取到24m。

2) 均值平滑

對(duì)于給定區(qū)間I,在這個(gè)區(qū)間所包含信號(hào)集表示為SI(t)=(s1(t),s2(t),…sN(t)),規(guī)定這個(gè)區(qū)間值為

(1)

由此可知,平滑后的區(qū)間信號(hào)集如下:

S=(S1′,S2′…SM′)

(2)

其中,M=24000/100=240。

數(shù)據(jù)平滑整體算法流程如圖2所示。

圖2　平滑算法流程

利用Matlab軟件對(duì)上述進(jìn)行實(shí)現(xiàn),堆垛機(jī)運(yùn)動(dòng)狀態(tài)數(shù)據(jù)平滑結(jié)果如圖3所示。

圖3　4-6月份電流平滑結(jié)果

1.3　機(jī)動(dòng)目標(biāo)跟蹤技術(shù)的發(fā)展

對(duì)比分析原始信號(hào)和均值平滑后信號(hào),可發(fā)現(xiàn),均值平滑后的信號(hào)規(guī)律性更強(qiáng),更清晰?？傊?均值平滑后的信號(hào)更利于異常區(qū)間的定位及篩選。

2　基于箱形圖法的異常區(qū)間定位

箱線圖需要用到統(tǒng)計(jì)學(xué)的四分位數(shù)(Quartile)的概念,所謂四分位數(shù),就是把組中所有數(shù)據(jù)由小到大排列并分成四等份,處于三個(gè)分割點(diǎn)位置的數(shù)字就是四分位數(shù)[6-8]。

由于堆垛機(jī)運(yùn)行狀態(tài)數(shù)據(jù)屬于無標(biāo)簽數(shù)據(jù),因此在進(jìn)行異常檢測(cè)時(shí)只能設(shè)定異常數(shù)據(jù)占總體百分比。而箱形圖法可以自主設(shè)定其百分比,自動(dòng)篩選異常點(diǎn)。

異常值通常定義為小于QL-1.5IQR或大于QL-1.5IQR的值。其中,QL稱為下四分位數(shù),表示全部觀察值中有四分之一的數(shù)據(jù)取值比它小;QU稱為上四分位數(shù),表示全部觀察值中有四分之一的數(shù)據(jù)取值比它。IQR稱為四分位數(shù)間距,QU是上四分位數(shù)與下四分位數(shù)QL之差,其間包含了全部觀察值的一半。如圖4所示。

圖4　箱形圖算法原理

3　實(shí)驗(yàn)驗(yàn)證

自動(dòng)化立體倉(cāng)庫(kù)(ASRS)作為現(xiàn)代物流的核心技術(shù)之一,受到了各類企業(yè)的普遍關(guān)注,廣泛應(yīng)用于各個(gè)領(lǐng)域中。其中堆垛機(jī)作為自動(dòng)化立體倉(cāng)儲(chǔ)系統(tǒng)中的最關(guān)鍵設(shè)備,隨著運(yùn)行速度不斷提高,而隨之帶來堆垛機(jī)異常問題越來越多。因而,檢測(cè)堆垛機(jī)的運(yùn)行狀態(tài)異常是整個(gè)自動(dòng)化物流系統(tǒng)的異常檢測(cè)關(guān)鍵。本文以電力行業(yè)自動(dòng)化智能倉(cāng)儲(chǔ)系統(tǒng)中的堆垛機(jī)電流信號(hào)為數(shù)據(jù)源,其中數(shù)據(jù)中包含了軌道焊縫、軌道凹凸等異常。如圖5-7所示。

圖5　位置大約為7200mm天軌接頭處

圖6　位置大約為13000mm地軌凹陷

圖7　位置大約為15200mm地軌凹陷

此外,在軌道20m,10m,18m分別都有軌道焊縫。

首先利用等區(qū)間采樣定理進(jìn)行區(qū)間采樣,其次利用均值對(duì)采樣數(shù)據(jù)進(jìn)行平滑處理,最后利用箱形圖法對(duì)平滑處理后數(shù)據(jù)進(jìn)行異常點(diǎn)篩選。如果只進(jìn)行異常點(diǎn)篩選會(huì)造成誤判結(jié)果太大,且由于采集信號(hào)時(shí)存在時(shí)延,因此導(dǎo)致記錄位置存在誤差。為此,對(duì)所檢測(cè)出的異常點(diǎn)進(jìn)行區(qū)間拓展,仿真結(jié)果如圖8(a-c)所示。

圖8(a)　4月份電流數(shù)據(jù)箱線圖結(jié)果

圖8(b)　4月份電流數(shù)據(jù)異常點(diǎn)檢測(cè)結(jié)果

圖8(c)　4月份電流數(shù)據(jù)異常區(qū)間檢測(cè)結(jié)果

仿真檢測(cè)異常區(qū)間如表1所示。

表1　4月份異常位置區(qū)間

利用5月份電流數(shù)據(jù)進(jìn)行仿真,結(jié)果如圖9(a-c)所示。

圖9(a)　5月份電流數(shù)據(jù)箱線圖結(jié)果

圖9(b)　5月份電流數(shù)據(jù)異常點(diǎn)檢測(cè)結(jié)果

圖9(c)　5月份電流數(shù)據(jù)異常區(qū)間檢測(cè)結(jié)果

從圖9可知,由5月份堆垛機(jī)電流數(shù)據(jù)所得的異常區(qū)間如表2所示。

表2　5月份異常位置區(qū)間

利用6月份電流數(shù)據(jù)進(jìn)行仿真,結(jié)果如圖10(a-c)所示。

圖10(a)　6月份電流數(shù)據(jù)箱線圖結(jié)果

圖10(b)　6月份電流數(shù)據(jù)異常點(diǎn)檢測(cè)結(jié)果

圖10(c)　6月份電流數(shù)據(jù)異常區(qū)間檢測(cè)結(jié)果

從圖10可知,由6月份堆垛機(jī)電流數(shù)據(jù)所得的異常區(qū)間如表3所示。

表3　6月份異常位置區(qū)間

4　結(jié)束語

本文首先通過將堆垛機(jī)運(yùn)行軌道進(jìn)行區(qū)間劃分,并利用等區(qū)間采樣對(duì)原始數(shù)據(jù)進(jìn)行采樣,其次利用均值平滑對(duì)每個(gè)區(qū)間進(jìn)行均值處理。對(duì)比均值平滑后的信號(hào)圖和原始信號(hào)圖,發(fā)現(xiàn)均值平滑后的信號(hào)圖數(shù)據(jù)量更少,規(guī)律性更強(qiáng)。再者,利用箱形圖法對(duì)平滑后的信號(hào)進(jìn)行異常點(diǎn)篩選,篩選結(jié)果與堆垛機(jī)軌道現(xiàn)場(chǎng)異常相吻合,證明了本文所提出的異常檢測(cè)方法的有效性和工程可靠性。

參考文獻(xiàn):

[1]呂婷,楊濤,韓賓,等.基于模糊貝葉斯網(wǎng)絡(luò)的堆垛機(jī)系統(tǒng)可靠性分析[J].計(jì)算機(jī)應(yīng)用研究,2014,31(12):3632-3636.

[2]范紅巖,劉軍,張可薇.堆垛機(jī)狀態(tài)監(jiān)測(cè)與故障診斷的研究和進(jìn)展[J].物流技術(shù),2017,36(2):33-37.

[3]賈繼德,陳榮剛,陳劍.基于抽區(qū)間采樣的內(nèi)燃機(jī)狀態(tài)監(jiān)測(cè)方法研究[J].內(nèi)燃機(jī)工程,2005,26(6):72-75.

[4]宋曉宇,郭寒冰,袁帥,等.基于自適應(yīng)閾值區(qū)間的動(dòng)態(tài)采樣Hough變換直線檢測(cè)算法[J].沈陽建筑大學(xué)學(xué)報(bào)(自然科學(xué)版),2014,30(5):945-952.

[5]周彪,李喬,周筱航.基于探索性數(shù)據(jù)分析的橋梁模態(tài)識(shí)別數(shù)據(jù)處理方法[J].四川建筑科學(xué)研究,2017,43(2):33-37.

[6]李新春,侯躍.基于改進(jìn)AP選擇和K最近鄰法算法的室內(nèi)定位技術(shù)[J].計(jì)算機(jī)應(yīng)用,2017,37(11):3276-3280+3287.

[7]李夢(mèng)輝,桑小田,田振川,等.箱形圖在長(zhǎng)江流域棉區(qū)棉花含雜率異常值檢驗(yàn)中的應(yīng)用[J].湖北農(nóng)業(yè)科學(xué),2016,55(11):2895-2898+2954.

[8]趙超.偏態(tài)抗差箱形圖函數(shù)分析[J].武漢大學(xué)學(xué)報(bào)(工學(xué)版),2015,48(6):778-781.