本发明涉及数据采集，尤其涉及一种工矿防爆轮胎网状带束层工艺生产数据采集方法。
背景技术：
1、工矿防爆轮胎的网状带束层工艺是一种专门用于提高轮胎耐磨性、抗刺穿性和安全性能的制造技术，这种工艺广泛应用于矿山、建筑工地等恶劣环境中的车辆轮胎制造。对于工矿防爆轮胎，带束层的层压这一步骤至关重要，带束层的压合质量直接影响轮胎的整体性能和安全性，因此，在带束层的层压过程中需要采集层压处的压力监测数据与温度工艺数据，确保层压工序正常稳定。由于层压过程使用的车床机器通常直接暴露在车间环境内，容易导致采集的温度时序数据和压力时序数据存在较多波动，例如噪声数据或突变数据，因此，需要对层压过程中所采集的监测数据进行滤波处理，并通过滤波后的监测数据中是否存在层压异常导致的异常突变点，来判断带束层的层压工序是否正常。
2、现有技术中，通常采用加权递推平均滤波算法对层压过程中所采集的监测数据进行滤波处理，其中，加权递推平均滤波算法的基本思想是利用当前样本值和前一次滤波结果的加权平均来计算新的滤波结果，从而减少随机噪声对信号的影响，对于实时信号处理的适用性强，适用于轮胎层压装置高速运转过程中对实时采集数据的滤波。但是带束层的层压过程中，压辊与橡胶面在挤压过程中可能会产生摩擦，对应产生的突变数据不易被滤除，导致滤波后的监测数据中产生非层压异常对应的异常数据，影响有效数据的正确采集。
3、因此，如何提高采用加权递推平均滤波算法对层压过程中所采集的监测数据进行滤波处理的效果，以保证工矿防爆轮胎的网状带束层的工艺生产数据的有效采集成为亟需解决的问题。
技术实现思路
1、有鉴于此，本发明实施例提供了一种工矿防爆轮胎网状带束层工艺生产数据采集方法，以解决如何提高采用加权递推平均滤波算法对层压过程中所采集的监测数据进行滤波处理的效果，以保证工矿防爆轮胎的网状带束层的工艺生产数据的有效采集的问题。
2、本发明实施例中提供了一种工矿防爆轮胎网状带束层工艺生产数据采集方法，该方法包括以下步骤：
3、在工矿防爆轮胎的网状带束层的层压过程中，分别采集n个维度下的监测数据序列，所述n个维度包括压合温度和压合压力；
4、针对任一维度下的监测数据序列，根据所述监测数据序列中的每个数据与其之前数据之间的数据差异，分别获取所述监测数据序列中的每个数据的疑似异常程度，根据所述监测数据序列中的每个数据的疑似异常程度，获取至少一个疑似异常数据；
5、针对任一疑似异常数据，根据所述疑似异常数据的周期关联特征以及其他维度下的相同采样时刻对应数据的周期关联特征，获取所述疑似异常数据的层压异常特征程度，根据所述疑似异常数据的层压异常特征程度，获取所述疑似异常数据的自适应权重；
6、根据每个所述疑似异常数据的自适应权重，分别对每个所述疑似异常数据进行加权递推平均滤波，对应得到滤波后的数据，利用所述滤波后的数据替换所述维度下的监测数据序列中对应的疑似异常数据，得到所述维度下的最终数据采集序列，获取每个所述维度下的最终数据采集序列，完成数据采集。
7、优选的，所述根据所述监测数据序列中的每个数据与其之前数据之间的数据差异，分别获取所述监测数据序列中的每个数据的疑似异常程度，包括：
8、针对所述监测数据序列中的任一数据，获取所述数据的前一个数据，根据所述前一个数据和所述数据之间的数据差异，获取所述数据的初始疑似异常程度；
9、获取所述数据之前的预设数量个历史数据，获取每个所述历史数据的疑似异常程度，得到平均疑似异常程度，在所述预设数量个历史数据中，分别计算每两个相邻历史数据之间对应滤波后的数据的差值绝对值，得到平均差值绝对值；
10、在所述监测数据序列中获取最大数据，对所述最大数据的倒数、所述平均疑似异常程度和所述平均差值绝对值之间的乘积进行归一化，得到对应的第一归一化值，对所述数据的初始疑似异常程度进行归一化，得到对应的第二归一化值，将所述第一归一化值和所述第二归一化值之间的和作为所述数据的疑似异常程度。
11、优选的，所述根据所述前一个数据和所述数据之间的数据差异，获取所述数据的初始疑似异常程度，包括：
12、计算所述前一个数据对应滤波后的数据与所述数据之间的差值绝对值，获取所述数据和所述差值绝对值之间的乘积，将所述最大数据的平方与所述乘积之间的比值作为所述数据的初始疑似异常程度。
13、优选的，所述根据所述监测数据序列中的每个数据的疑似异常程度，获取至少一个疑似异常数据，包括：
14、若所述监测数据序列中的任一数据的疑似异常程度大于或等于预设的异常程度阈值，则确定所述数据为疑似异常数据。
15、优选的，所述根据所述疑似异常数据的周期关联特征以及其他维度下的相同采样时刻对应数据的周期关联特征，获取所述疑似异常数据的层压异常特征程度，包括：
16、在所述工矿防爆轮胎的网状带束层的层压周期中，获取所述疑似异常数据在所属层压周期的数据波动特征值和相位，在每个历史层压周期中获取与所述疑似异常数据属于同一相位对应的历史数据作为第一数据，获取每个所述第一数据的数据波动特征值，计算所有第一数据的数据波动特征值和所述疑似异常数据的数据波动特征值之间的方差；
17、将所有第一数据和所述疑似异常数据组成第一数据集合，在其他维度下的监测数据序列中获取与所述疑似异常数据属于同一采样时刻的数据作为目标数据，在每个所述历史层压周期中获取与所述目标数据属于同一相位对应的历史目标数据作为第二数据，将所有第二数据和所述目标数据组成第二数据集合；
18、计算所述第一数据集合中每两个相邻数据之间的差值绝对值，组成第一差值绝对值序列，计算所述第二数据集合中每两个相邻数据之间的差值绝对值，组成第二差值绝对值序列，获取所述第一差值绝对值序列和所述第二差值绝对值序列的皮尔逊相关系数；
19、利用以自然常数为底数的指数函数对所述方差进行负映射，得到第一映射值，利用以自然常数为底数的指数函数对所述皮尔逊相关系数进行负映射，得到第二映射值，将所述第一映射值和所述第二映射值的和作为所述疑似异常数据的层压异常特征程度。
20、优选的，所述在所述工矿防爆轮胎的网状带束层的层压周期中，获取所述疑似异常数据在所属层压周期的数据波动特征值，包括：
21、对所述疑似异常数据进行归一化，得到对应的归一化结果，将所述归一化结果和所述疑似异常数据的疑似异常程度的和作为所述疑似异常数据在所属层压周期的数据波动特征值。
22、优选的，所述根据所述疑似异常数据的层压异常特征程度，获取所述疑似异常数据的自适应权重，包括：
23、将预设倍数的所述疑似异常数据的层压异常特征程度作为所述疑似异常数据的自适应权重。
24、本发明实施例与现有技术相比存在的有益效果是：
25、本发明在工矿防爆轮胎的网状带束层的层压过程中，分别采集n个维度下的监测数据序列，所述n个维度包括压合温度和压合压力；针对任一维度下的监测数据序列，根据所述监测数据序列中的每个数据与其之前数据之间的数据差异，分别获取所述监测数据序列中的每个数据的疑似异常程度，根据所述监测数据序列中的每个数据的疑似异常程度，获取至少一个疑似异常数据；针对任一疑似异常数据，根据所述疑似异常数据的周期关联特征以及其他维度下的相同采样时刻对应数据的周期关联特征，获取所述疑似异常数据的层压异常特征程度，根据所述疑似异常数据的层压异常特征程度，获取所述疑似异常数据的自适应权重；根据每个所述疑似异常数据的自适应权重，分别对每个所述疑似异常数据进行加权递推平均滤波，对应得到滤波后的数据，利用所述滤波后的数据替换所述维度下的监测数据序列中对应的疑似异常数据，得到所述维度下的最终数据采集序列，获取每个所述维度下的最终数据采集序列，完成数据采集。其中，筛选每个维度下的监测数据序列中的疑似异常数据，根据每个疑似异常数据的周期性关联特征，对每个疑似异常数据进行加权递推平均滤波时的自适应权重的获取，从而对摩擦产生的异常数据分配相对更低的权重，使得利用加权递推平均滤波对监测数据序列进行滤波处理时，能够将层压过程中受摩擦影响导致的异常数据进行滤除，进而保证层压过程中采集的工艺生产数据都是有效数据，减少了后续通过滤波后的监测数据中来判断带束层的层压工序是否正常的误差。
1.一种工矿防爆轮胎网状带束层工艺生产数据采集方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种工矿防爆轮胎网状带束层工艺生产数据采集方法，其特征在于，所述根据所述监测数据序列中的每个数据与其之前数据之间的数据差异，分别获取所述监测数据序列中的每个数据的疑似异常程度，包括：
3.根据权利要求2所述的一种工矿防爆轮胎网状带束层工艺生产数据采集方法，其特征在于，所述根据所述前一个数据和所述数据之间的数据差异，获取所述数据的初始疑似异常程度，包括：
4.根据权利要求1所述的一种工矿防爆轮胎网状带束层工艺生产数据采集方法，其特征在于，所述根据所述监测数据序列中的每个数据的疑似异常程度，获取至少一个疑似异常数据，包括：
5.根据权利要求1所述的一种工矿防爆轮胎网状带束层工艺生产数据采集方法，其特征在于，所述根据所述疑似异常数据的周期关联特征以及其他维度下的相同采样时刻对应数据的周期关联特征，获取所述疑似异常数据的层压异常特征程度，包括：
6.根据权利要求5所述的一种工矿防爆轮胎网状带束层工艺生产数据采集方法，其特征在于，所述在所述工矿防爆轮胎的网状带束层的层压周期中，获取所述疑似异常数据在所属层压周期的数据波动特征值，包括：
7.根据权利要求1所述的一种工矿防爆轮胎网状带束层工艺生产数据采集方法，其特征在于，所述根据所述疑似异常数据的层压异常特征程度，获取所述疑似异常数据的自适应权重，包括：
