一种基于物联网的液冷板生产参数管理方法及系统与流程

本发明涉及数据处理。更具体地，本发明涉及一种基于物联网的液冷板生产参数管理方法及系统。

背景技术：

1、液冷板作为一种高效的散热装置，在电子设备、新能源汽车等领域均得到了实际应用。其生产过程通常采用冲压工艺，需要多个冲压滑块相互配合以实现成型，然而，在冲压过程中，如果冲压滑块的参数设置不当，不仅可能导致成型失败，还可能损坏冲压设备。因此，在液冷板冲压过程中，对各冲压滑块参数的管理至关重要，尤其是异常数据的检测。

2、cof（connectivity-based outlier factor，基于连通性的离群因子）算法是一种异常检测方法，其核心是通过计算数据点的局部连通性来评估异常程度。具体过程为：对于数据集中的每个点，首先确定其k个最近邻点，然后基于这些最近邻点构建最短路径，并计算该点的局部平均链接距离。接着，计算该点的cof值，即其局部平均链接距离与邻域内所有点的局部平均链接距离的平均值之比。cof值越高，表明该点与邻域的连通性差异越大，越可能是异常点。该算法通过考虑数据点之间的连通性，有效提高了异常检测的准确性，尤其适用于低密度和线性相关数据的场景，克服了lof算法对于序列数据和低密度数据对象不能有效度量的缺陷。

3、然而，由于cof算法本身对噪声较为敏感，在构建链接过程中容易受到干扰，使得噪声数据以及真实发生异常的数据均具有较大的cof值，导致该算法检测到的异常数据可能为噪声数据，从而影响异常检测结果的准确性，导致无法基于检测结果实现对异常情况的精准监测。

技术实现思路

1、为了解决利用cof算法检测液冷板生产参数中的异常数据时，由于噪声数据的干扰导致异常数据无法被精准识别的问题，本发明提供了一种基于物联网的液冷板生产参数管理方法及系统。

2、根据本发明的第一方面，提供了一种基于物联网的液冷板生产参数管理方法，包括：

3、在液冷板的多个完整冲压过程中，获取各冲压滑块在各采样时刻的滑动数据，以构建各采样时刻的滑动数据点，滑动数据点包括采样次序、各冲压滑块在对应采样时刻的滑动进度以及滑动速度；

4、对当前滑动数据点进行cof检测，在检测过程中，利用当前滑动数据点与之前的各滑动数据点的平均噪声程度，修正对应两滑动数据点的轨迹花费，修正值与平均噪声程度负相关，并基于修正后的轨迹花费，获取对当前滑动数据点进行cof检测的异常检测结果，以调整液冷板的生产参数；

5、任一滑动数据点的噪声程度的获取方法，包括：

6、将采样次序相同的滑动数据点作为同序数据点，将采样次序差异小于预设值的滑动数据点作为同窗口数据点；计算任一滑动数据点与同序数据点以及同窗口数据点的差异，得到第一差异以及第二差异，并通过伽马变换利用该第二差异对该第一差异进行修正，得到该任一滑动数据点的噪声程度。

7、本发明在利用cof算法进行异常数据检测时，能够避免噪声数据具有较大的cof值，使得该算法检测到的异常数据为冲压设备真实发生异常的数据，降低了噪声数据对利用该算法进行异常检测时的干扰，保障了异常检测结果的准确性，以基于准确性较高的异常检测结果，实现对冲压设备异常情况的精准监测。

8、优选的，第一差异的获取方法，包括：

9、计算任一滑动数据点中除采样次序外的各数据，与同序数据点中对应数据的平均值的差异，并取最大值，将最大值作为该任一滑动数据点与同序数据点对应的第一差异。

10、本发明能够准确度量各滑动数据点中存在异常取值的数据的可能性。

11、优选的，第二差异的获取方法，包括：

12、计算任一滑动数据点中除采样次序外的各数据，与同窗口数据点中对应数据的平均值的差异，并取平均值，得到该任一滑动数据点与同窗口数据点对应的第二差异。

13、本发明能够准确评估各滑动数据点中存在连续取值异常的数据的可能性，从而能够有效区分真实异常数据以及噪声数据。

14、优选的，任一滑动数据点的噪声程度，满足如下关系式：

15、；

16、式中，为任一滑动数据点的噪声程度；、分别为该任一滑动数据点中的第个数据和第个数据；为该任一滑动数据点的同序数据点中，第个数据的平均值；为该任一滑动数据点的同窗口数据点中，第个数据的平均值；为冲压滑块的数量；为绝对值符号；为返回值为最大值的函数。

17、本发明能够准确衡量各滑动数据点为噪声数据的可能性。

18、优选的，利用当前滑动数据点与之前的各滑动数据点的平均噪声程度，修正对应两滑动数据点的轨迹花费，满足如下关系式：

19、；

20、式中，、分别为当前滑动数据点与之前的第个滑动数据点的修正前后的轨迹花费；为当前滑动数据点与该第个滑动数据点的平均噪声程度；为自然指数函数。

21、本发明能够增大噪声程度较大的滑动数据点之间的距离，从而可以避免噪声程度较大的滑动数据点被cof算法链接到当前滑动数据点的局部最短路径中，降低了噪声数据对异常检测结果的影响。

22、优选的，利用当前滑动数据点与之前的各滑动数据点的平均噪声程度，修正对应两滑动数据点的轨迹花费，还包括：

23、若当前滑动数据点与之前的任一滑动数据点的平均噪声程度，小于预设程度阈值，则对应两滑动数据点修正前后的轨迹花费相同；若大于或等于程度阈值，则对应两滑动数据点的轨迹花费的修正值，满足如下关系式：

24、；

25、式中，、分别为当前滑动数据点与之前的第个滑动数据点的修正前后的轨迹花费；为当前滑动数据点与该第个滑动数据点的平均噪声程度；为自然指数函数。

26、优选的，基于修正后的轨迹花费，获取当前滑动数据点的异常检测结果，包括：

27、基于当前滑动数据点与之前的各滑动数据点之间修正后的轨迹花费，获取当前滑动数据点的基于连通性的局部离群因子，以根据局部离群因子和预设阈值的比较结果，确定当前滑动数据点的异常检测结果。

28、优选的，根据局部离群因子和预设阈值的比较结果，确定当前滑动数据点的异常检测结果，包括：

29、若局部离群因子大于预设异常阈值，则判定当前滑动数据点为异常数据点；若小于或等于异常阈值，则判定当前滑动数据点为正常数据点。

30、优选的，在构建各采样时刻的滑动数据点之前，方法还包括：

31、对各冲压滑块在各采样时刻的滑动速度进行归一化，以基于滑动速度的归一化值构建各采样时刻的滑动数据点。

32、根据本发明的第二方面，提供了一种基于物联网的液冷板生产参数管理系统，系统包括存储器和处理器，存储器上存储有计算机程序，处理器执行计算机程序以实现本发明的第一方面的步骤。

33、本发明具有以下效果：

34、1、本发明构建滑动数据点的方式，能够从多个维度全面反映液冷板冲压时各冲压滑块之间的协同状态，从而在基于对滑动数据点的异常检测结果进行冲压设备异常设备的识别时，能够捕捉设备的微小变化，从而保证了异常检测结果的准确性。

35、2、本发明在利用cof算法对滑动数据点进行异常检测时，通过滑动数据点之间的平均噪声程度，修正对应两数据点之间的轨迹花费，能够避免噪声数据具有较大的cof值，从而导致将噪声数据检测为异常数据，且在确定各滑动数据点的噪声程度时，能够有效区分真实的异常数据对噪声数据识别的干扰，保证了确定的噪声程度的准确性，进而可以保证异常检测结果的准确性。