L'optimització del rendiment de l'algoritme de comparació de redundància de sensor dual-depèn de l'actualització de la "comparació estàtica" a la "fusió intel·ligent dinàmica", centrant-se a resoldre falses alarmes, alarmes perdudes i fluctuacions de precisió. Això s'implementa en quatre passos:
1. Introduïu llindars dinàmics de diverses-etapes per adaptar-se al procés d'emmotllament per injecció
L'emmotllament per injecció implica canvis dràstics de pressió i els llindars fixos són propensos a falses alarmes. És necessari un canvi automàtic basat en les etapes del procés:
Etapa de pressió d'injecció/manteniment (fluctuacions dràstiques de pressió): relaxeu el llindar a 0,2%-0,3%FS i activeu un retard de 5-10 segons per al judici per filtrar els impactes instantanis;
Etapa de refrigeració/obertura del motlle (la pressió s'estabilitza a 0): aprieu el llindar a 0,05% FS per capturar amb precisió la deriva del punt zero-;
El sistema llegeix els senyals de procés de la màquina d'emmotllament per injecció en temps real i coincideix automàticament amb el llindar corresponent, reduint les falses alarmes en més d'un 80%.
2. Actualitzeu l'algoritme de filtratge per eliminar les interferències de soroll.
Eviteu la comparació directa amb dades en brut; primer preprocés:
Utilitzeu una combinació de filtratge de mitjana mòbil i filtrat de mitjana: primer elimineu els pics sobtats de soroll, després suavitzeu les fluctuacions aleatòries per extreure la veritable tendència;
Es recomana establir la finestra de mostreig en 20-30 punts per garantir la velocitat de resposta alhora que suprimeix eficaçment el soroll d'alta freqüència, fent que el punt de referència de comparació sigui més estable.
3. Establir un model de fusió ponderat per millorar la precisió de la sortida.
Quan tots dos sensors funcionen amb normalitat, la mitjana simple no és la solució òptima:
Assigna pesos en funció de l'estabilitat històrica: dóna pes més alts als sensors amb una deriva a llarg termini-menys i un soroll més baix (p. ex., 0,6:0,4);
Actualitzeu dinàmicament els pesos: re-avalueu l'estabilitat d'ambdós sensors cada 1.000 simulacions, ajustant automàticament la relació de pes per assegurar-vos que la sortida final sempre coincideixi molt amb el costat més-de precisió, millorant la precisió general entre un 10% i un 15%.
4. Millorar la lògica de predicció de tendències per a l'alerta primerenca.
A més de controlar les desviacions actuals, també tingueu en compte la taxa de canvi:
Superviseu la primera derivada de la desviació (taxa de canvi): si la desviació continua augmentant de manera unidireccional en 24 hores, encara que no hagi superat un llindar, marqueu-la com a "potencial envelliment" i recordeu als usuaris que realitzin el manteniment planificat.
Això transforma les alarmes passives en prevenció proactiva, evitant interrupcions de producció causades per fallades sobtades.
Aquest esquema d'optimització permet que l'algoritme mantingui una alta fiabilitat en condicions de funcionament complexes alhora que maximitza els avantatges de precisió dels sensors duals.
