Η βελτιστοποίηση της απόδοσης του αλγορίθμου σύγκρισης πλεονασμάτων διπλού{0}}αισθητήρα εξαρτάται από την αναβάθμιση από "στατική σύγκριση" σε "δυναμική έξυπνη σύντηξη", εστιάζοντας στην επίλυση ψευδών συναγερμών, χαμένων συναγερμών και διακυμάνσεων ακρίβειας. Αυτό υλοποιείται σε τέσσερα βήματα:
1. Εισαγάγετε δυναμικά κατώφλια πολλαπλών σταδίων-για προσαρμογή στη διαδικασία χύτευσης με έγχυση
Η χύτευση με έγχυση περιλαμβάνει δραστικές αλλαγές πίεσης και τα σταθερά κατώφλια είναι επιρρεπή σε ψευδείς συναγερμούς. Απαιτείται αυτόματη εναλλαγή με βάση τα στάδια της διαδικασίας:
Στάδιο πίεσης έγχυσης/αναμονής (δραστικές διακυμάνσεις πίεσης): Χαλαρώστε το όριο στο 0,2%-0,3%FS και ενεργοποιήστε μια καθυστέρηση 5-10 δευτερολέπτων για κρίση για το φιλτράρισμα των στιγμιαίων κρούσεων.
Στάδιο ανοίγματος ψύξης/καλουπιού (η πίεση σταθεροποιείται στο 0): Σφίξτε το κατώφλι στο 0,05%FS για να συλλάβετε με ακρίβεια τη μετατόπιση μηδενικών-σημείων.
Το σύστημα διαβάζει τα σήματα διαδικασίας της μηχανής χύτευσης με έγχυση σε πραγματικό χρόνο και ταιριάζει αυτόματα με το αντίστοιχο όριο, μειώνοντας τους ψευδείς συναγερμούς κατά περισσότερο από 80%.
2. Αναβαθμίστε τον αλγόριθμο φιλτραρίσματος για να εξαλείψετε τις παρεμβολές θορύβου.
Αποφύγετε την άμεση σύγκριση με ακατέργαστα δεδομένα. προεπεξεργασία πρώτα:
Χρησιμοποιήστε έναν συνδυασμό φιλτραρίσματος κινούμενου μέσου όρου και φιλτραρίσματος διάμεσου: αφαιρέστε πρώτα τις ξαφνικές αιχμές του θορύβου και μετά εξομαλύνετε τις τυχαίες διακυμάνσεις για να εξαγάγετε την πραγματική τάση.
Συνιστάται να ρυθμίσετε το παράθυρο δειγματοληψίας σε 20-30 σημεία για να διασφαλιστεί η ταχύτητα απόκρισης, ενώ ταυτόχρονα καταστέλλεται αποτελεσματικά ο θόρυβος υψηλής συχνότητας, καθιστώντας το σημείο αναφοράς σύγκρισης πιο σταθερό.
3. Δημιουργήστε ένα σταθμισμένο μοντέλο σύντηξης για να βελτιώσετε την ακρίβεια εξόδου.
Όταν και οι δύο αισθητήρες λειτουργούν κανονικά, ο απλός μέσος όρος δεν είναι η βέλτιστη λύση:
Εκχωρήστε βάρη με βάση την ιστορική σταθερότητα: δώστε υψηλότερα βάρη σε αισθητήρες με μικρότερη-μακροπρόθεσμη μετατόπιση και χαμηλότερο θόρυβο (π.χ. 0,6:0,4).
Δυναμική ενημέρωση βαρών: επαν-αξιολογήστε τη σταθερότητα και των δύο αισθητήρων κάθε 1000 προσομοιώσεις, προσαρμόζοντας αυτόματα την αναλογία βάρους για να διασφαλίσετε ότι η τελική έξοδος ταιριάζει πάντα με την πλευρά υψηλότερης-ακρίβειας, βελτιώνοντας τη συνολική ακρίβεια κατά 10%-15%.
4. Βελτιώστε τη λογική πρόβλεψης τάσεων για έγκαιρη προειδοποίηση.
Εκτός από την παρακολούθηση των τρεχουσών αποκλίσεων, εξετάστε επίσης το ρυθμό μεταβολής:
Παρακολούθηση της πρώτης παραγώγου της απόκλισης (ρυθμός αλλαγής): Εάν η απόκλιση συνεχίσει να αυξάνεται μονοκατευθυντικά εντός 24 ωρών, ακόμη και αν δεν έχει υπερβεί ένα όριο, επισημάνετε την ως "δυνητικά γερασμένη" και υπενθυμίστε στους χρήστες να πραγματοποιήσουν προγραμματισμένη συντήρηση.
Αυτό μετατρέπει τους παθητικούς συναγερμούς σε προληπτική πρόληψη, αποφεύγοντας διακοπές παραγωγής που προκαλούνται από ξαφνικές βλάβες.
Αυτό το σχήμα βελτιστοποίησης επιτρέπει στον αλγόριθμο να διατηρεί υψηλή αξιοπιστία κάτω από πολύπλοκες συνθήκες λειτουργίας, ενώ μεγιστοποιεί τα πλεονεκτήματα ακρίβειας των διπλών αισθητήρων.
