趙良德, 梁勝濤, 陳良坤, 張宏生, 楊　樂, 梁曉偉, 黃大榮

(1.國網(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)濟的快速發(fā)展,立體倉庫越來越趨向于自動化、智能化。自動化智能倉儲系統(tǒng)具有空間利用率高、便于實現(xiàn)自動化管理、實時自動結(jié)算庫存貨物種類和數(shù)量、立體倉庫信息庫可以和中央計算機系統(tǒng)聯(lián)網(wǎng)運行等許多優(yōu)點,對加快物流速度、提高勞動生產(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)。堆垛機是自動化立體倉庫中最主要的作業(yè)機械設(shè)備,是輸送系統(tǒng)的核心設(shè)備,是決定整個出入庫是否能流暢運行的關(guān)鍵。故檢測其狀態(tài)異常點并及時維修是保證堆垛機的安全正常運行的有效手段,從而保障智能運維倉庫正常運行?；诖?如何有效地檢測堆垛機狀態(tài)異常區(qū)間逐漸成為學(xué)者研究的重點[1-2]。但遺憾的是國內(nèi)目前對堆垛機的研究大多數(shù)是從結(jié)構(gòu)設(shè)計或者控制角度進行的研究,而基于堆垛機運行狀態(tài)數(shù)據(jù)進行分析的還沒有。

為解決上述問題,本文提出一種基于堆垛機運行狀態(tài)數(shù)據(jù)異常檢測方法。首先,建立均值平滑模型,對數(shù)據(jù)進行預(yù)處理;其次,利用箱形圖法建立異常區(qū)間篩選模型,對異常區(qū)間進行定位。最后,利用從電力行業(yè)自動化智能倉儲系統(tǒng)中采集的堆垛機運行信號進行實例驗證,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月堆垛機的電流及振動數(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,因此對首先得數(shù)據(jù)進行均值平滑處理,既可減少數(shù)據(jù)量大小,又可增強其規(guī)律性。

1.2　數(shù)據(jù)平滑處理

實際運行過程中,存在運行區(qū)間重復(fù),含有啟動電流與停止電流;偶發(fā)性故障與隱形故障存在相互干擾,區(qū)間均值對數(shù)據(jù)進行平滑。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,將堆垛機運動數(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: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

對于給定區(qū)間I,在這個區(qū)間所包含信號集表示為SI(t)=(s1(t),s2(t),…sN(t)),規(guī)定這個區(qū)間值為

(1)

由此可知,平滑后的區(qū)間信號集如下:

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軟件對上述進行實現(xiàn),堆垛機運動狀態(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　機動目標(biāo)跟蹤技術(shù)的發(fā)展

對比分析原始信號和均值平滑后信號,可發(fā)現(xiàn),均值平滑后的信號規(guī)律性更強,更清晰。總之,均值平滑后的信號更利于異常區(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,處于三個分割點位置的數(shù)字就是四分位數(shù)[6-8]。

由于堆垛機運行狀態(tài)數(shù)據(jù)屬于無標(biāo)簽數(shù)據(jù),因此在進行異常檢測時只能設(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,自動篩選異常點。

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　實驗驗證

自動化立體倉庫(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)用于各個領(lǐng)域中。其中堆垛機作為自動化立體倉儲系統(tǒng)中的最關(guān)鍵設(shè)備,隨著運行速度不斷提高,而隨之帶來堆垛機異常問題越來越多。因而,檢測堆垛機的運行狀態(tài)異常是整個自動化物流系統(tǒng)的異常檢測關(guān)鍵。本文以電力行業(yè)自動化智能倉儲系統(tǒng)中的堆垛機電流信號為數(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)間采樣定理進行區(qū)間采樣,其次利用均值對采樣數(shù)據(jù)進行平滑處理,最后利用箱形圖法對平滑處理后數(shù)據(jù)進行異常點篩選。如果只進行異常點篩選會造成誤判結(jié)果太大,且由于采集信號時存在時延,因此導(dǎo)致記錄位置存在誤差。為此,對所檢測出的異常點進行區(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)異常點檢測結(jié)果

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

仿真檢測異常區(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)異常點檢測結(jié)果

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

從圖9可知,由5月份堆垛機電流數(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)異常點檢測結(jié)果

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

從圖10可知,由6月份堆垛機電流數(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運行軌道進行區(qū)間劃分,并利用等區(qū)間采樣對原始數(shù)據(jù)進行采樣,其次利用均值平滑對每個區(qū)間進行均值處理。對比均值平滑后的信號圖和原始信號圖,發(fā)現(xiàn)均值平滑后的信號圖數(shù)據(jù)量更少,規(guī)律性更強。再者,利用箱形圖法對平滑后的信號進行異常點篩選,篩選結(jié)果與堆垛機軌道現(xiàn)場異常相吻合,證明了本文所提出的異常檢測方法的有效性和工程可靠性。

參考文獻:

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

[2]范紅巖,劉軍,張可薇.堆垛機狀態(tài)監(jiān)測與故障診斷的研究和進展[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)燃機狀態(tài)監(jiān)測方法研究[J].內(nèi)燃機工程,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)間的動態(tài)采樣Hough變換直線檢測算法[J].沈陽建筑大學(xué)學(xué)報(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AP選擇和K最近鄰法算法的室內(nèi)定位技術(shù)[J].計算機應(yīng)用,2017,37(11):3276-3280+3287.

[7]李夢輝,桑小田,田振川,等.箱形圖在長江流域棉區(qū)棉花含雜率異常值檢驗中的應(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(工學(xué)版),2015,48(6):778-781.