CN108491965B - 冲压设备的状态预测方法、装置、电子设备与存储介质 - Google Patents

冲压设备的状态预测方法、装置、电子设备与存储介质 Download PDF

Info

Publication number
CN108491965B
CN108491965B CN201810207767.XA CN201810207767A CN108491965B CN 108491965 B CN108491965 B CN 108491965B CN 201810207767 A CN201810207767 A CN 201810207767A CN 108491965 B CN108491965 B CN 108491965B
Authority
CN
China
Prior art keywords
stamping
parameters
equipment
predicted
parameter
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201810207767.XA
Other languages
English (en)
Other versions
CN108491965A (zh
Inventor
胡战虎
茅云寿
吴宝健
钟震宇
杨慧莉
张立平
邹兵
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Institute of Intelligent Manufacturing of Guangdong Academy of Sciences
Original Assignee
Guangdong Institute of Intelligent Manufacturing
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Guangdong Institute of Intelligent Manufacturing filed Critical Guangdong Institute of Intelligent Manufacturing
Priority to CN201810207767.XA priority Critical patent/CN108491965B/zh
Publication of CN108491965A publication Critical patent/CN108491965A/zh
Application granted granted Critical
Publication of CN108491965B publication Critical patent/CN108491965B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
    • B21C—MANUFACTURE OF METAL SHEETS, WIRE, RODS, TUBES OR PROFILES, OTHERWISE THAN BY ROLLING; AUXILIARY OPERATIONS USED IN CONNECTION WITH METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL
    • B21C51/00—Measuring, gauging, indicating, counting, or marking devices specially adapted for use in the production or manipulation of material in accordance with subclasses B21B - B21F
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Game Theory and Decision Science (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Mechanical Engineering (AREA)
  • General Factory Administration (AREA)
  • Punching Or Piercing (AREA)

Abstract

本发明实施例提供了冲压设备的状态预测方法、装置、电子设备与存储介质，该方法包括：在设定的采集时刻采集冲压设备的实际冲压参数；在所述实际冲压参数的基础上，计算所述冲压设备运行至未来一个或多个采集时刻时的预测冲压参数；获取所述冲压设备在一个或多个设备状态下采集的历史冲压参数；根据所述历史冲压参数进行聚类，对所述设备状态生成聚类簇；确定所述预测冲压参数归属的聚类簇，以预测所述冲压设备运行至未来一个或多个采集时刻时属于所述聚类簇对应的设备状态。通过对冲压设备的运行构建预测模型，预测冲压设备的设备状态，从而可以及时地反馈设备状态，及时地进行维护，减少产品出现质量问题，减少次品率。

Description

冲压设备的状态预测方法、装置、电子设备与存储介质
技术领域
本发明涉及设备控制的技术领域，特别是涉及冲压设备的状态预测方法、装置、电子设备与存储介质。
背景技术
在车间的生产过程中，如果冲压设备发生故障，容易导致产品出现质量问题。
目前，对于产品的质量进行监测，通常是在完成全部工位后，产品被运输出冲压设备后才进行的。
如果期间由于冲压设备磨损而造成次品，需要通过很长一段时间才能被发现，冲压设备需要停止使用，在进行逐个工位地进行排查来最终定位故障。
由于冲压设备状态检测滞后，导致故障修正延迟、次品率大幅增加，次品增加将会进一步导致物流浪费以及生产效率降低。
发明内容
本发明实施例提出了冲压设备的状态预测方法、装置、电子设备与存储介质，以解决由于冲压设备状态检测滞后导致的故障修正延迟、次品率大幅增加的问题。
依据本发明的一个方面，提供了一种冲压设备的状态预测方法，包括：
在设定的采集时刻采集冲压设备的实际冲压参数；
在所述实际冲压参数的基础上，计算所述冲压设备运行至未来一个或多个采集时刻时的预测冲压参数；
获取所述冲压设备在一个或多个设备状态下采集的历史冲压参数；
根据所述历史冲压参数进行聚类，对所述设备状态生成聚类簇；
确定所述预测冲压参数归属的聚类簇，以预测所述冲压设备运行至未来一个或多个采集时刻时属于所述聚类簇对应的设备状态。
可选地，所述在所述实际冲压参数的基础上，计算所述冲压设备运行至未来一个或多个采集时刻时的预测冲压参数，包括：
对上一采集时刻的实际冲压参数配置平滑系数；
对上一采集时刻的预测冲压参数配置系数差值，所述系数差值为数值一与所述平滑系数之间的差值；
计算配置了所述平滑系数的所述实际冲压参数与配置了所述系数差值的所述预测冲压参数之和，作为所述冲压设备运行到达下一采集时刻的预测冲压参数。
可选地，所述在所述实际冲压参数的基础上，计算所述冲压设备运行至未来一个或多个采集时刻时的预测冲压参数，还包括：
当所述平滑系数取多个值时，计算在同一采集时刻下所述实际冲压参数与所述预测冲压参数之间的参数误差；
从所述参数误差中选择值最小的参数误差；
确定所述平滑系数取所述值最小的参数误差对应的值。
可选地，所述根据所述历史冲压参数进行聚类，对所述设备状态生成聚类簇，包括：
对所述设备状态配置聚类簇，所述聚类簇中具有中心点；
计算所述历史冲压参数与所述中心点之间的距离；
将所述历史冲压参数划分至距离最小的中心点所属的聚类簇；
计算划分至所述聚类簇中的所述历史冲压参数之间的平均值，以更新所述中心点；
判断所述中心点是否发生变化；
若是，则返回执行所述计算所述历史冲压参数与所述中心点之间的距离；
若否，则固定所述聚类簇的中心点。
可选地，所述确定所述预测冲压参数归属的聚类簇，以预测所述冲压设备运行至未来一个或多个采集时刻时属于所述聚类簇对应的设备状态，包括：
计算在同一采集时刻的预测冲压参数与所述聚类簇的中心点之间的距离；
将所述预测冲压参数划分至距离最小的中心点所属的聚类簇；
确定所述冲压设备运行至所述采集时刻时属于所述聚类簇对应的设备状态。
可选地，所述实际冲压参数、所述预测冲压参数与所述历史冲压参数包括如下的至少一种类型的参数：
模具闭合高度、冲压速度、送料速度、步距、送料行程、收缩行程、升降行程；
所述设备状态包括如下的至少一种状态：
磨合状态、调试状态、正常工作状态、维修状态、报废故障状态。
根据本发明的另一方面，提供了一种冲压设备的状态预测装置，包括：
实际冲压参数采集模块，用于在设定的采集时刻采集冲压设备的实际冲压参数；
预测冲压参数计算模块，用于在所述实际冲压参数的基础上，计算所述冲压设备运行至未来一个或多个采集时刻时的预测冲压参数；
历史冲压参数获取模块，用于获取所述冲压设备在一个或多个设备状态下采集的历史冲压参数；
聚类模块，用于根据所述历史冲压参数进行聚类，对所述设备状态生成聚类簇；
设备状态预测模块，用于确定所述预测冲压参数归属的聚类簇，以预测所述冲压设备运行至未来一个或多个采集时刻时属于所述聚类簇对应的设备状态。
可选地，所述预测冲压参数计算模块包括：
平滑系数配置子模块，用于对上一采集时刻的实际冲压参数配置平滑系数；
系数差值配置子模块，用于对上一采集时刻的预测冲压参数配置系数差值，所述系数差值为数值一与所述平滑系数之间的差值；
和值计算子模块，用于计算配置了所述平滑系数的所述实际冲压参数与配置了所述系数差值的所述预测冲压参数之和，作为所述冲压设备运行到达下一采集时刻的预测冲压参数。
可选地，所述预测冲压参数计算模块还包括：
参数误差计算子模块，用于当所述平滑系数取多个值时，计算在同一采集时刻下所述实际冲压参数与所述预测冲压参数之间的参数误差；
参数误差选择子模块，用于从所述参数误差中选择值最小的参数误差；
参数误差确定子模块，用于确定所述平滑系数取所述值最小的参数误差对应的值。
可选地，所述聚类模块包括：
聚类簇配置子模块，用于对所述设备状态配置聚类簇，所述聚类簇中具有中心点；
第一距离计算子模块，用于计算所述历史冲压参数与所述中心点之间的距离；
历史冲压参数划分子模块，用于将所述历史冲压参数划分至距离最小的中心点所属的聚类簇；
平均值计算子模块，用于计算划分至所述聚类簇中的所述历史冲压参数之间的平均值，以更新所述中心点；
中心点判断子模块，用于判断所述中心点是否发生变化；若是，则返回调用所述距离计算子模块；若否，则执行中心点固定子模块；
中心点固定子模块，用于固定所述聚类簇的中心点。
可选地，所述设备状态预测模块包括：
第二距离计算子模块，用于计算在同一采集时刻的预测冲压参数与所述聚类簇的中心点之间的距离；
预测冲压参数划分子模块，用于将所述预测冲压参数划分至距离最小的中心点所属的聚类簇；
设备状态确定子模块，用于确定所述冲压设备运行至所述采集时刻时属于所述聚类簇对应的设备状态。
可选地，所述实际冲压参数、所述预测冲压参数与所述历史冲压参数包括如下的至少一种类型的参数：
模具闭合高度、冲压速度、送料速度、步距、送料行程、收缩行程、升降行程；
所述设备状态包括如下的至少一种状态：
磨合状态、调试状态、正常工作状态、维修状态、报废故障状态。
根据本发明的另一方面，提供了一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述的方法。
根据本发明的另一方面，提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现所述的方法。
本发明实施例包括以下优点：
本发明实施例在设定的采集时刻采集冲压设备的实际冲压参数，在实际冲压参数的基础上，计算冲压设备运行至未来一个或多个采集时刻时的预测冲压参数，根据冲压设备在一个或多个设备状态下采集的历史冲压参数进行聚类，对设备状态生成聚类簇，从而确定预测冲压参数归属的聚类簇，以预测冲压设备运行至未来一个或多个采集时刻时属于聚类簇对应的设备状态，通过对冲压设备的运行构建预测模型，预测冲压设备的设备状态，从而可以及时地反馈设备状态，及时地进行维护，减少产品出现质量问题，减少次品率，从而减少物料浪费，提高生产效率，能够帮助生产企业制定合理的管理制度和设备使用维护制度。
附图说明
图1是本发明一个实施例的一种冲压设备的状态方法的步骤流程图；
图2是本发明一个实施例的一种冲压设备的状态装置的结构框图；
图3是本发明一个实施例的一种电子设备的结构示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
参照图1，示出了本发明一个实施例的一种冲压设备的状态预测方法的步骤流程图，具体可以包括如下步骤：
步骤101，在设定的采集时刻采集冲压设备的实际冲压参数。
在车间中，可以部署一个或多个冲压设备，这些冲压设备可以连接工控机、上位机等设备，在预先设定的采集时刻采集冲压设备的实际冲压参数。
例如，每间隔一个小时采集一次冲压设备的实际冲压参数。
对于冲压设备而言，实际冲压参数可以包括如下的至少一种类型的参数：
模具闭合高度、冲压速度、送料速度、步距、送料行程、收缩行程、升降行程。
假设模具闭合高度为a、冲压速度为b、送料速度为c、步距为d、送料行程为e、收缩行程为f、升降行程为g，则某个采集时刻，冲压设备的实际冲压参数可以表示为{a,b,c,d,e,f,g}。
当然，上述实际冲压参数只是作为示例，在实施本发明实施例时，可以根据实际情况设置其他实际冲压参数，本发明实施例对此不加以限制。另外，除了上述实际冲压参数外，本领域技术人员还可以根据实际需要采用其它实际冲压参数，本发明实施例对此也不加以限制。
步骤102，在所述实际冲压参数的基础上，计算所述冲压设备运行至未来一个或多个采集时刻时的预测冲压参数。
在具体实现中，将所统计的实际冲压参数按照时间的先后顺序排列成时间序列，由于冲压设备在工作的过程中，会随着使用时间的推移造成一定的老化，或者由于异常造成故障，所以，可以用时间序列来对冲压设备的冲压参数进行预测，即计算冲压设备运行至未来一个或多个采集时刻时的预测冲压参数，从而预测冲压设备的设备状态。
对于冲压设备而言，预测冲压参数可以包括如下的至少一种类型的参数：
模具闭合高度、冲压速度、送料速度、步距、送料行程、收缩行程、升降行程。
当然，上述预测冲压参数只是作为示例，在实施本发明实施例时，可以根据实际情况设置其他预测冲压参数，本发明实施例对此不加以限制。另外，除了上述预测冲压参数外，本领域技术人员还可以根据实际需要采用其它预测冲压参数，本发明实施例对此也不加以限制。
需要说明的是，对于某个类型的实际冲压参数，其可以计算冲压设备运行至未来某个采集时刻时，相同类型的预测冲压参数。
例如，可以基于实际的模具闭合高度(实际冲压参数)预测未来的模具闭合高度(预测冲压参数)，可以基于实际的冲压速度(实际冲压参数)预测未来的冲压速度(预测冲压参数)，等等。
在本发明的一个实施例中，步骤102可以包括如下子步骤：
子步骤S11，对上一采集时刻的实际冲压参数配置平滑系数。
子步骤S12，对上一采集时刻的预测冲压参数配置系数差值，所述系数差值为数值一与所述平滑系数之间的差值。
子步骤S13，计算配置了所述平滑系数的所述实际冲压参数与配置了所述系数差值的所述预测冲压参数之和，作为所述冲压设备运行到达下一采集时刻的预测冲压参数。
由于冲压设备在工作过程中的冲压参数变化幅度较小，基本上在某个固定的水平上波动，而且不存在某种规律，所以，可以采用时间序列算法中的指数平滑法预测冲压参数。
上一采集时刻的实际冲压参数、预测冲压参数分别配置平滑系数、数值一与所述平滑系数之间的差值(即系数差值)，进而计算两者之和，作为冲压设备运行到达下一采集时刻的预测冲压参数。
以模具闭合高度a为例，可以通过如下公式计算预测冲压参数：
Figure BDA0001596344740000061
其中，
Figure BDA0001596344740000062
为第t+1个采集时刻的预测冲压参数(模具闭合高度)，at为第t个采集时刻的实际冲压参数(模具闭合高度)，
Figure BDA0001596344740000063
为第t个采集时刻的预测冲压参数(模具闭合高度)，α为平滑系数。
子步骤S14，当所述平滑系数取多个值时，计算在同一采集时刻下所述实际冲压参数与所述预测冲压参数之间的参数误差。
子步骤S15，从所述参数误差中选择值最小的参数误差。
子步骤S16，确定所述平滑系数取所述值最小的参数误差对应的值。
为了提高预测的精确度，可以对平滑系数α取多个值，从中对平滑系数α选择最优的值，从而输出在该值下计算的预测冲压参数。
以模具闭合高度a为例，其在第一个采集时刻采集的实际冲压参数为a1，可以通过如下公式计算第一个采集时刻的预测冲压参数
Figure BDA0001596344740000071
Figure BDA0001596344740000072
此时，由于没有第一个采集时刻的预测冲压参数
Figure BDA0001596344740000073
通常将第一个采集时刻的实际冲压参数为a1作为第一个采集时刻的预测冲压参数
Figure BDA0001596344740000074
通过如下公式计算第二个采集时刻的预测冲压参数
Figure BDA0001596344740000075
Figure BDA0001596344740000076
通过如下公式计算第二个采集时刻的预测冲压参数
Figure BDA0001596344740000077
Figure BDA0001596344740000078
以此类推，求出其他采集时刻的预测冲压参数
Figure BDA0001596344740000079
Figure BDA00015963447400000710
一般情况下，平滑系数α的取值不大于0.5，若平滑系数α>0.5才能接近实际值，通常说明序列有某种趋势或波动过大，一般不适合用指数平滑法进行预测，这里取α＝0.3，α＝0.4，α＝0.5。
然后，选择实际冲压参数与预测冲压参数之间的参数误差较小时所对应的平滑系数α的数值，从而输出以取该值的平滑系数α所计算的预测冲压参数(模具闭合高度a)。
在一个示例中，参数误差Δai为实际冲压参数ai与预测冲压参数
Figure BDA00015963447400000711
之间的均方误差：
Figure BDA00015963447400000712
与此类推，可以确定冲压速度为b、送料速度为c、步距为d、送料行程为e、收缩行程为f、升降行程为g各自对应的平滑系数α的数值，从而输出以取该值的平滑系数α所计算的预测冲压参数。
步骤103，获取所述冲压设备在一个或多个设备状态下采集的历史冲压参数。
在实际应用中，冲压设备都会进行日常维护，技术人员检测处冲压设备所处的设备状态。
对于冲压设备而言，冲压设备的设备状态可以包括如下的至少一种状态：
磨合状态、调试状态、正常工作状态、维修状态、报废故障状态。
当然，上述设备状态只是作为示例，在实施本发明实施例时，可以根据实际情况设置其他设备状态，本发明实施例对此不加以限制。另外，除了上述设备状态外，本领域技术人员还可以根据实际需要采用其它设备状态，本发明实施例对此也不加以限制。
此时，技术人员可以检测冲压设备在各个设备状态下的冲压参数，形成历史冲压参数，存储在数据库中，用以作为设备状态的参考。
对于冲压设备而言，历史冲压参数可以包括如下的至少一种类型的参数：
模具闭合高度、冲压速度、送料速度、步距、送料行程、收缩行程、升降行程。
当然，上述历史冲压参数只是作为示例，在实施本发明实施例时，可以根据实际情况设置其他历史冲压参数，本发明实施例对此不加以限制。另外，除了上述历史冲压参数外，本领域技术人员还可以根据实际需要采用其它历史冲压参数，本发明实施例对此也不加以限制。
假设，磨合状态为A、调试状态为B、正常工作状态为C、维修状态为D、报废故障状态为E，而模具闭合高度为a0、冲压速度为b0、送料速度为c0、步距为d0、送料行程为e0、收缩行程为f0、升降行程为g0，那么，各个设备状态则可以如下表示：
A＝{a0,b0,c0,d0,e0,f0,g0}
B＝{a0,b0,c0,d0,e0,f0,g0}
C＝{a0,b0,c0,d0,e0,f0,g0}
D＝{a0,b0,c0,d0,e0,f0,g0}
E＝{a0,b0,c0,d0,e0,f0,g0}
步骤104，根据所述历史冲压参数进行聚类，对所述设备状态生成聚类簇。
在具体实现中，可以通过聚类算法，对历史冲压参数进行聚类，从而对设备状态生成聚类簇。
需要说明的是，该聚类操作可以在离线时执行，也可以在线时执行，本发明实施例对此不加以限制。
在本发明的一个实施例中，步骤104可以包括如下子步骤：
子步骤S21，对所述设备状态配置聚类簇。
子步骤S22，计算所述历史冲压参数与所述中心点之间的距离。
子步骤S23，将所述历史冲压参数划分至距离最小的中心点所属的聚类簇。
子步骤S24，计算划分至所述聚类簇中的所述历史冲压参数之间的平均值，以更新所述中心。
子步骤S25，判断所述中心点是否发生变化；若是，则子步骤S22，若否，则子步骤S26。
子步骤S26，固定所述聚类簇的中心点。
在本发明实施例中，可以通过k-mean对历史冲压参数进行聚类。
对于每个设备状态，可以配置对应的聚类簇，该聚类簇中具有中心点。
开始进行聚类时，对这些中心点配置初始的值，并计算历史冲压参数与各个聚类簇的中心点之间的距离。
在一个示例中，假设中心点为{a1,b1,c1,d1,e1,f1,g1}，某个历史冲压参数为{a0,b0,c0,d0,e0,f0,g0}，则可以通过如下公式计算两者之间的距离(即欧氏距离)d：
Figure BDA0001596344740000091
从所有距离中选择最小的距离，将历史冲压参数划分至该距离最小的中心点所属的聚类簇。
将所有历史冲压参数划分完成之后，计算每个聚类簇(设备状态)中所有历史设备数据的均值，并将其作为该聚类簇(设备状态)新的中心点。
依次不断进行迭代，直到各个聚类簇(设备状态)的中心点不再发生变化，即误差平方和也最小，此时，可以确定各个聚类簇(设备状态)的中心点的值，完成聚类。
步骤105，确定所述预测冲压参数归属的聚类簇，以预测所述冲压设备运行至未来一个或多个采集时刻时属于所述聚类簇对应的设备状态。
对于预测的某个采集时刻时的预测冲压参数，则可以遍历其归属的聚类簇，从而预测冲压设备运行至该采集时刻时属于聚类簇对应的设备状态。
在本发明的一个实施例中，步骤105可以包括如下子步骤：
子步骤S31，计算在同一采集时刻的预测冲压参数与所述聚类簇的中心点之间的距离。
子步骤S32，将所述预测冲压参数划分至距离最小的中心点所属的聚类簇。
子步骤S33，确定所述冲压设备运行至所述采集时刻时属于所述聚类簇对应的设备状态。
在本发明实施例中，可以计算采集时刻t的预测冲压参数与各个聚类簇的中心点之间的距离，从所有距离中选择最小的距离，将预测冲压参数划分至该距离最小的中心点所属的聚类簇，从而确定冲压设备运行至采集时刻t时属于聚类簇对应的设备状态。
在一个示例中，假设中心点为{a1,b1,c1,d1,e1,f1,g1}，预测冲压参数为{a2,b2,c2,d2,e2,f2,g2}，则可以通过如下公式计算两者之间的距离(即欧氏距离)d：
Figure BDA0001596344740000101
本发明实施例在设定的采集时刻采集冲压设备的实际冲压参数，在实际冲压参数的基础上，计算冲压设备运行至未来一个或多个采集时刻时的预测冲压参数，根据冲压设备在一个或多个设备状态下采集的历史冲压参数进行聚类，对设备状态生成聚类簇，从而确定预测冲压参数归属的聚类簇，以预测冲压设备运行至未来一个或多个采集时刻时属于聚类簇对应的设备状态，通过对冲压设备的运行构建预测模型，预测冲压设备的设备状态，从而可以及时地反馈设备状态，及时地进行维护，减少产品出现质量问题，减少次品率，从而减少物料浪费，提高生产效率，能够帮助生产企业制定合理的管理制度和设备使用维护制度。
需要说明的是，对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明实施例并不受所描述的动作顺序的限制，因为依据本发明实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本发明实施例所必须的。
参照图2，示出了本发明一个实施例的一种冲压设备的状态预测装置的结构框图，具体可以包括如下模块：
实际冲压参数采集模块201，用于在设定的采集时刻采集冲压设备的实际冲压参数；
预测冲压参数计算模块202，用于在所述实际冲压参数的基础上，计算所述冲压设备运行至未来一个或多个采集时刻时的预测冲压参数；
历史冲压参数获取模块203，用于获取所述冲压设备在一个或多个设备状态下采集的历史冲压参数；
聚类模块204，用于根据所述历史冲压参数进行聚类，对所述设备状态生成聚类簇；
设备状态预测模块205，用于确定所述预测冲压参数归属的聚类簇，以预测所述冲压设备运行至未来一个或多个采集时刻时属于所述聚类簇对应的设备状态。
在本发明的一个实施例中，所述预测冲压参数计算模块202包括：
平滑系数配置子模块，用于对上一采集时刻的实际冲压参数配置平滑系数；
系数差值配置子模块，用于对上一采集时刻的预测冲压参数配置系数差值，所述系数差值为数值一与所述平滑系数之间的差值；
和值计算子模块，用于计算配置了所述平滑系数的所述实际冲压参数与配置了所述系数差值的所述预测冲压参数之和，作为所述冲压设备运行到达下一采集时刻的预测冲压参数。
在本发明的一个实施例中，所述预测冲压参数计算模块202还包括：
参数误差计算子模块，用于当所述平滑系数取多个值时，计算在同一采集时刻下所述实际冲压参数与所述预测冲压参数之间的参数误差；
参数误差选择子模块，用于从所述参数误差中选择值最小的参数误差；
参数误差确定子模块，用于确定所述平滑系数取所述值最小的参数误差对应的值。
在本发明的一个实施例中，所述聚类模块204包括：
聚类簇配置子模块，用于对所述设备状态配置聚类簇，所述聚类簇中具有中心点；
第一距离计算子模块，用于计算所述历史冲压参数与所述中心点之间的距离；
历史冲压参数划分子模块，用于将所述历史冲压参数划分至距离最小的中心点所属的聚类簇；
平均值计算子模块，用于计算划分至所述聚类簇中的所述历史冲压参数之间的平均值，以更新所述中心点；
中心点判断子模块，用于判断所述中心点是否发生变化；若是，则返回调用所述距离计算子模块；若否，则执行中心点固定子模块；
中心点固定子模块，用于固定所述聚类簇的中心点。
在本发明的一个实施例中，所述设备状态预测模块205包括：
第二距离计算子模块，用于计算在同一采集时刻的预测冲压参数与所述聚类簇的中心点之间的距离；
预测冲压参数划分子模块，用于将所述预测冲压参数划分至距离最小的中心点所属的聚类簇；
设备状态确定子模块，用于确定所述冲压设备运行至所述采集时刻时属于所述聚类簇对应的设备状态。
在具体实现中，所述实际冲压参数、所述预测冲压参数与所述历史冲压参数包括如下的至少一种类型的参数：
模具闭合高度、冲压速度、送料速度、步距、送料行程、收缩行程、升降行程；
所述设备状态包括如下的至少一种状态：
磨合状态、调试状态、正常工作状态、维修状态、报废故障状态。
对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
本发明实施例在设定的采集时刻采集冲压设备的实际冲压参数，在实际冲压参数的基础上，计算冲压设备运行至未来一个或多个采集时刻时的预测冲压参数，根据冲压设备在一个或多个设备状态下采集的历史冲压参数进行聚类，对设备状态生成聚类簇，从而确定预测冲压参数归属的聚类簇，以预测冲压设备运行至未来一个或多个采集时刻时属于聚类簇对应的设备状态，通过对冲压设备的运行构建预测模型，预测冲压设备的设备状态，从而可以及时地反馈设备状态，及时地进行维护，减少产品出现质量问题，减少次品率，从而减少物料浪费，提高生产效率，能够帮助生产企业制定合理的管理制度和设备使用维护制度。
本发明实施例提供一种电子设备，包括处理器，存储器，存储在存储器上并可在所述处理器上运行的计算机程序，该计算机程序被处理器执行时实现上述冲压设备的状态预测方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
图3是本发明一个实施例的一种电子设备的结构示意图，该电子设备可以为服务器。
该服务器300可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上中央处理器(central processing units，CPU)322(例如，一个或一个以上处理器)和存储器332，一个或一个以上存储应用程序342或数据344的存储介质330(例如一个或一个以上海量存储设备)。其中，存储器332和存储介质330可以是短暂存储或持久存储。存储在存储介质330的程序可以包括一个或一个以上模块(图示没标出)，每个模块可以包括对服务器中的一系列指令操作。更进一步地，中央处理器322可以设置为与存储介质330通信，在服务器300上执行存储介质330中的一系列指令操作。
服务器300还可以包括一个或一个以上电源326，一个或一个以上有线或无线网络接口350，一个或一个以上输入输出接口358，一个或一个以上键盘356，和/或，一个或一个以上操作系统341，例如Windows ServerTM，Mac OS XTM，UnixTM,LinuxTM，FreeBSDTM等等。
本发明实施例提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述冲压设备的状态预测方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。其中，所述的计算机可读存储介质，如只读存储器(Read-Only Memory，简称ROM)、随机存取存储器(Random AccessMemory，简称RAM)、磁碟或者光盘等。
本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。
本领域内的技术人员应明白，本发明实施例的实施例可提供为方法、装置、或计算机程序产品。因此，本发明实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明实施例是参照根据本发明实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明实施例的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
以上对本发明所提供的冲压设备的状态预测方法、装置、电子设备与存储介质，进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (8)

1.一种冲压设备的状态预测方法，其特征在于，包括：
在设定的采集时刻采集冲压设备的实际冲压参数；
在所述实际冲压参数的基础上，计算所述冲压设备运行至未来一个或多个采集时刻时的预测冲压参数；
获取所述冲压设备在一个或多个设备状态下采集的历史冲压参数；
根据所述历史冲压参数进行聚类，对所述设备状态生成聚类簇；
确定所述预测冲压参数归属的聚类簇，以预测所述冲压设备运行至未来一个或多个采集时刻时属于所述聚类簇对应的设备状态；
其中，所述在所述实际冲压参数的基础上，计算所述冲压设备运行至未来一个或多个采集时刻时的预测冲压参数，包括：
对上一采集时刻的实际冲压参数配置平滑系数；
对上一采集时刻的预测冲压参数配置系数差值，所述系数差值为一与所述平滑系数之间的差值；
计算配置了所述平滑系数的所述实际冲压参数与配置了所述系数差值的所述预测冲压参数之和，作为所述冲压设备运行到达下一采集时刻的预测冲压参数。
2.根据权利要求1所述的方法，其特征在于，所述在所述实际冲压参数的基础上，计算所述冲压设备运行至未来一个或多个采集时刻时的预测冲压参数，还包括：
当所述平滑系数取多个值时，计算在同一采集时刻下所述实际冲压参数与所述预测冲压参数之间的参数误差；
从所述参数误差中选择值最小的参数误差；
确定所述平滑系数取所述值最小的参数误差对应的值。
3.根据权利要求1所述的方法，其特征在于，所述根据所述历史冲压参数进行聚类，对所述设备状态生成聚类簇，包括：
对所述设备状态配置聚类簇，所述聚类簇中具有中心点；
计算所述历史冲压参数与所述中心点之间的距离；
将所述历史冲压参数划分至距离最小的中心点所属的聚类簇；
计算划分至所述聚类簇中的所述历史冲压参数之间的平均值，以更新所述中心点；
判断所述中心点是否发生变化；
若是，则返回执行所述计算所述历史冲压参数与所述中心点之间的距离；
若否，则固定所述聚类簇的中心点。
4.根据权利要求1所述的方法，其特征在于，所述确定所述预测冲压参数归属的聚类簇，以预测所述冲压设备运行至未来一个或多个采集时刻时属于所述聚类簇对应的设备状态，包括：
计算在同一采集时刻的预测冲压参数与所述聚类簇的中心点之间的距离；
将所述预测冲压参数划分至距离最小的中心点所属的聚类簇；
确定所述冲压设备运行至所述同一采集时刻时属于所述聚类簇对应的设备状态。
5.根据权利要求1-4任一项所述的方法，其特征在于，所述实际冲压参数、所述预测冲压参数与所述历史冲压参数包括如下的至少一种类型的参数：
模具闭合高度、冲压速度、送料速度、步距、送料行程、收缩行程、升降行程；
所述设备状态包括如下的至少一种状态：
磨合状态、调试状态、正常工作状态、维修状态、报废故障状态。
6.一种冲压设备的状态预测装置，其特征在于，包括：
实际冲压参数采集模块，用于在设定的采集时刻采集冲压设备的实际冲压参数；
预测冲压参数计算模块，用于在所述实际冲压参数的基础上，计算所述冲压设备运行至未来一个或多个采集时刻时的预测冲压参数；
历史冲压参数获取模块，用于获取所述冲压设备在一个或多个设备状态下采集的历史冲压参数；
聚类模块，用于根据所述历史冲压参数进行聚类，对所述设备状态生成聚类簇；
设备状态预测模块，用于确定所述预测冲压参数归属的聚类簇，以预测所述冲压设备运行至未来一个或多个采集时刻时属于所述聚类簇对应的设备状态；
其中，所述预测冲压参数计算模块包括：
平滑系数配置子模块，用于对上一采集时刻的实际冲压参数配置平滑系数；
系数差值配置子模块，用于对上一采集时刻的预测冲压参数配置系数差值，所述系数差值为一与所述平滑系数之间的差值；
和值计算子模块，用于计算配置了所述平滑系数的所述实际冲压参数与配置了所述系数差值的所述预测冲压参数之和，作为所述冲压设备运行到达下一采集时刻的预测冲压参数。
7.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至5之任一项所述的方法。
8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至5之任一项所述的方法。
CN201810207767.XA 2018-03-14 2018-03-14 冲压设备的状态预测方法、装置、电子设备与存储介质 Active CN108491965B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810207767.XA CN108491965B (zh) 2018-03-14 2018-03-14 冲压设备的状态预测方法、装置、电子设备与存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810207767.XA CN108491965B (zh) 2018-03-14 2018-03-14 冲压设备的状态预测方法、装置、电子设备与存储介质

Publications (2)

Publication Number Publication Date
CN108491965A CN108491965A (zh) 2018-09-04
CN108491965B true CN108491965B (zh) 2021-11-05

Family

ID=63339319

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810207767.XA Active CN108491965B (zh) 2018-03-14 2018-03-14 冲压设备的状态预测方法、装置、电子设备与存储介质

Country Status (1)

Country Link
CN (1) CN108491965B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110969273B (zh) * 2018-09-28 2020-11-13 北京国双科技有限公司 生产井产量预测方法及装置
TWI744909B (zh) * 2019-06-28 2021-11-01 日商住友重機械工業股份有限公司 用於預測對象裝置的運轉狀態之預測系統、其之預測、其之預測程式、以及用於掌握對象裝置的運轉狀態之顯示裝置
CN111046942A (zh) * 2019-12-09 2020-04-21 交控科技股份有限公司 一种道岔故障判断方法及装置
CN116428984B (zh) * 2023-05-24 2024-08-09 湖南涛淼实业有限公司 一种五金模具冲压加工智能检测系统

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101799320B (zh) * 2010-01-27 2011-05-25 北京信息科技大学 一种旋转设备故障预测方法及其装置
US20170107580A1 (en) * 2015-10-15 2017-04-20 Dendreon Pharmaceuticals, Inc. Gene expression markers for predicting overall survival in subjects treated with sipuleucel-t
CN106874280A (zh) * 2015-12-10 2017-06-20 博雅网络游戏开发（深圳）有限公司 异常数据的报警方法和装置
CN107358347A (zh) * 2017-07-05 2017-11-17 西安电子科技大学 基于工业大数据的装备集群健康状态评估方法
CN108199795B (zh) * 2017-12-29 2019-05-10 北京百分点信息科技有限公司 一种设备状态的监测方法和装置

Also Published As

Publication number Publication date
CN108491965A (zh) 2018-09-04

Similar Documents

Publication Publication Date Title
CN108491965B (zh) 冲压设备的状态预测方法、装置、电子设备与存储介质
CN106127359A (zh) 一种基于局部加权线性回归模型的变频水泵出口流量预警方法
CN103490956A (zh) 基于业务量预测的自适应节能控制方法及设备、系统
CN102662321A (zh) 一种主元分析监控模型的在线更新方法
CN103577268A (zh) 基于应用负载的自适应资源供应方法
US20200250584A1 (en) Modeling method for smart prognostics and health management system and computer program product thereof
CN108984376B (zh) 一种系统异常检测方法、装置及设备
CN108038599B (zh) 一种基于检测间隔的预防性维护周期多目标控制方法
CN102509174A (zh) 一种基于工业过程数据的报警限自学习系统的方法
EP3885854B1 (en) Data analysis method, device and system
CN109376934A (zh) 一种基于大数据的挤压机的能耗预测方法
CN104010029B (zh) 基于横向纵向信息集成的分布式计算环境性能预测方法
CN116466672B (zh) 基于人工智能的数据中心机房参数调控方法及相关装置
CN115774652A (zh) 一种基于聚类算法的群控设备健康监测方法、设备及介质
CN112785080A (zh) 一种基于水泥工业的实时动态水泥粉磨系统能耗优化方法
CN109447336B (zh) 一种上游水库与其反调节水库坝间水位优化控制方法
CN115685949A (zh) 调整离散机加工生产过程中数据采样频率的方法及装置
CN118151522A (zh) 一种场景适配的伺服阀调节方法及系统
CN105675320A (zh) 一种基于声学信号分析的机械系统运行状态实时监控方法
CN109784127B (zh) 一种设备健康状态预警方法及其系统
CN105573269B (zh) 半导体制造机台的参数监控系统及方法
CN113671913B (zh) 一种智能制造车间隐形扰动应对方法
CN108520299A (zh) 级间激活值量化方法及装置
CN114399209A (zh) 基于边云一体的钻井作业风险预测方法、系统及设备
CN118261246B (zh) 一种目标事件的预测方法、装置及终端设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CP01 Change in the name or title of a patent holder

Address after: 510070 15 building, 100 martyrs Road, Yuexiu District, Guangzhou, Guangdong.

Patentee after: Institute of intelligent manufacturing, Guangdong Academy of Sciences

Address before: 510070 15 building, 100 martyrs Road, Yuexiu District, Guangzhou, Guangdong.

Patentee before: GUANGDONG INSTITUTE OF INTELLIGENT MANUFACTURING

CP01 Change in the name or title of a patent holder