挤压制造是一种基于塑性成型原理的机械制造方法,具有显著的生产和经济优势,因此引起了越来越多的关注。在此过程中,通过挤压将金属坯料或者其它材料,一次加工成管、棒、T形、L形等型材。该工艺是一种高质量、高效的无切屑加工技术,在航空航天、轨道交通、建筑装潢和国防军工等尖端科技领域取得了越来越多的应用。挤压机是实现挤压制造的最重要设备。随着资源价格的上涨和市场竞争的日趋激烈,对其节能降耗的研究变得越来越迫切。本文重点研究了考虑不确定性的挤压制造能耗特性分析与能效优化这个科学问题。首先,综述了挤压制造过程的研究背景与研究现状;然后,从工艺层面、设备层面和系统层面出发,分别进行了能耗特性分析与能效优化研究;最后,结合上述研究方法与理论,开发了一套挤压制造低碳节能系统。本文的主要内容如下:（1）在工艺层面,为了解决挤压制造能耗动态特性分析与能效优化的问题,本文提出了一种基于功率键合图的能耗特性分析方法。首先,分析了挤压机在生产过程中的基本能量流。然后,基于功率键合图对液压系统的能耗特性进行建模。然后,推导出能耗的状态方程。然后,采用MATLAB仿真软件对能耗的动态特性进行仿真。将仿真结果与采集到的实际数据进行对比,验证了模型的可靠性。最后,根据所提出的方法对工艺参数进行了优化,并在工艺层面上实现了挤压制造的能效优化。（2）在设备层面,为了解决挤压制造异常能耗的动态实时检测问题,本文提出了动态实时的无监督异常检测方法。所提方法可以很好地分析挤压制造设备的早期能耗特性。针对点异常,提出了两种基于雨流计数的异常检测算法,并将它们进行了对比。而对于集体异常,提出了一种基于雨流的平均近邻距离异常因子算法,该算法是一种基于距离的检测方法。最后,提出了一种基于异常检测的能效优化框架。这为挤压制造的清洁生产和低碳制造提供了一个有效的解决方案。（3）在设备层面,为了解决复杂工况下长期满负荷运行挤压机的异常能耗诊断的问题,本文提出了一种异常能耗智能诊断模型。所提方法可以很好地分析挤压制造设备的中期能耗特性。提出了一种将树状图与基于统计量的特征选择相结合的方法,旨在分析挤压机能耗的影响因素。为了解决传统的阴性选择算法无法判断异常能耗模式的问题,提出了一种新的分类器生成方法。并且采用模拟退火算法对分类器的分布进行了优化,旨在提高诊断精度。利用有向无环图改进传统阴性选择算法的检测阶段,以实现异常能耗诊断。（4）在设备层面,为了解决具有很强不确定性、非线性和非高斯性特征的能耗数据的定位问题,本文提出了一种考虑不确定性的异常能耗定位技术。所提方法可以很好地分析挤压制造设备的晚期能耗特性。为了定量评估异常机器部件与能耗之间的相关性,提出了一种结合熵权与模糊理论的不确定性评估方法,其目的是为异常能耗定位提供决策基础。为了准确定位异常能耗,提出了一种新的定位技术,称为基于遗传算法的小波神经网络。首先采用小波包分解与重构的方法处理能耗数据,然后计算能量值,然后采用主成分分析方法进行降维。最后,将能量值输入到基于遗传算法的反向传播神经网络模型中进行训练与异常定位。（5）在系统层面,为了解决挤压制造系统的能耗评估问题,本文研究了一种动态连续的、由不确定中断事件驱动的三级无缓冲区混合制造系统。提出了一种考虑不确定的制造系统的实时能耗建模方法,其目的是实时识别制造系统的能耗和能量损失,并预测未来潜在的能量损失。这是一种基于数据驱动的实时能耗评估的有效策略,为挤压制造系统的低碳绿色转型提供了一种有效的途径。（6）基于本文所提出的能耗特性分析与能效优化理论,开发了一套基于MATLAB GUI的能效优化系统。首先,分析了系统的需求,确定了总体框架;然后,设计了五个功能模块;然后,介绍了开发环境与工作流程;最后,实现了优化系统,并且介绍了操作方法。