デュアル センサー冗長性比較アルゴリズムのパフォーマンスを最適化するには、「静的比較」から「動的インテリジェント フュージョン」へのアップグレードにかかっており、誤警報、警報の見逃し、精度の変動の解決に重点が置かれます。{0}これは 4 つのステップで実装されます。
1. 射出成形プロセスに適応するために多段階の動的しきい値を導入します。-
射出成形では急激な圧力変化が発生するため、しきい値が固定されていると誤警報が発生しやすくなります。プロセス段階に基づいた自動切り替えが必要です。
射出/保持圧力段階 (急激な圧力変動): しきい値を 0.2% ～ 0.3%FS に緩和し、瞬間的な影響をフィルタリングするための判定に 5 ～ 10 秒の遅延を有効にします。
冷却/金型開口段階 (圧力が 0 で安定): しきい値を 0.05%FS に締めて、ゼロ点ドリフトを正確に捕捉します。-
このシステムは、射出成形機のプロセス信号をリアルタイムで読み取り、対応するしきい値に自動的に一致させ、誤警報を 80% 以上削減します。
2. ノイズ干渉を排除するためにフィルタリング アルゴリズムをアップグレードします。
生データとの直接比較は避けてください。最初に前処理します。
移動平均フィルタリングとメディアン フィルタリングを組み合わせて使用します。最初にノイズの突然のスパイクを除去し、次にランダムな変動を平滑化して真の傾向を抽出します。
高周波ノイズを効果的に抑制しながら応答速度を確保し、比較ベンチマークをより安定させるには、サンプリング ウィンドウを 20- 30 ポイントに設定することをお勧めします。
3. 出力精度を向上させるために重み付けされた融合モデルを確立します。
両方のセンサーが正常に機能している場合、単純な平均化は最適な解決策ではありません。
過去の安定性に基づいて重みを割り当てます。長期ドリフトが小さく、ノイズが低いセンサーに高い重みを与えます（例: 0.6:0.4）。-
重みを動的に更新します: -シミュレーション 1,000 回ごとに両方のセンサーの安定性を再評価し、重みの比率を自動的に調整して、最終出力が常に高精度側に厳密に一致するようにし、全体の精度を 10%～15% 向上させます。-
4. 早期警告のための傾向予測ロジックを強化します。
現在の偏差を監視することに加えて、変化率も考慮してください。
偏差の一次微分値 (変化率) を監視します。偏差が 24 時間以内に一方向に増加し続ける場合は、しきい値を超えていない場合でも、「老化の可能性がある」とマークし、計画的なメンテナンスを実行するようユーザーに通知します。
これにより、受動的な警報が事前の予防策に変わり、突然の障害による生産の中断が回避されます。
この最適化スキームにより、アルゴリズムはデュアル センサーの精度の利点を最大化しながら、複雑な動作条件下でも高い信頼性を維持できます。
