CN109732603A - 基于多源异构信息融合的机械手控制方法 - Google Patents
基于多源异构信息融合的机械手控制方法 Download PDFInfo
- Publication number
- CN109732603A CN109732603A CN201910028970.5A CN201910028970A CN109732603A CN 109732603 A CN109732603 A CN 109732603A CN 201910028970 A CN201910028970 A CN 201910028970A CN 109732603 A CN109732603 A CN 109732603A
- Authority
- CN
- China
- Prior art keywords
- fusion
- information
- data
- estimation
- database
- 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.)
- Withdrawn
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于多源异构信息融合的机械手控制方法,包括以下步骤:S1:采集信息,通过感知设备和手段采集信息数据;S2:信息融合,对上述信息数据进行信号检测、对象估计、态势估计、影响估计和认知精炼五个融合级别;S3:数据管理,包括支持数据库和融合数据库;S4:融合服务,将信息融合结果用于人机交互、决策服务和应用服务。本发明将控制方式中的信息处理过程进行优化,将MES、ERP、SCADA等信息源加入到信息融合模型中,细化信息融合过程,运用5级信息融合技术将信息源精炼得到全面有效的信息,指导设备更精准的完成操作,通过对历史数据对比分析,优化控制过程,提高生产效率和产品质量,降低次品率。
Description
技术领域
本发明属于信息融合技术领域,具体涉及一种基于多源异构信息融合的机械手控制方法。
背景技术
现有的信息融合方式主要通过采集固定程序控制中的执行信息和采集传感器信息进行信息融合,修正运行状态,已经达到了单个装备的智能化,也由于每个系统的数据结构不同,在提取、使用、分析过程中产生错误,无法与其他信息系统进行数据交互并融合分析,比如根据操作历史记录优化工艺参数及设计方案;获取车间物流信息,判断物料送达时间;对比质量控制系统中残次品数据库,自动识别残次品,与真正意义上的智能工厂还有一定距离。
现有的信息融合技术缺点是:无法对多源异构信息进行处理,无法与其他信息系统进行数据交互,导致生产效率低下,质量层次不齐,造成不必要的资源浪费。
发明内容
本发明的目的在于提供一种基于多源异构信息融合的机械手控制方法,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:一种基于多源异构信息融合的机械手控制方法,包括以下步骤:
S1:采集信息,通过感知设备和手段采集信息数据;
S2:信息融合,对上述信息数据进行信号检测、对象估计、态势估计、影响估计和认知精炼五个融合级别,不同级别之间的信息融合通过信息交换实现功能支撑,其中:
信号检测和对象估计针对单一对象的信息融合,产生单一对象的属性和状态估计;
态势估计针对多个对象的信息融合,产生多个对象之间的关系;
过程精炼和认知精炼体现对各级融合效能的评估,产生对融合过程的优化控制以及人基于应用需求对认知过程的优化控制;
S3:数据管理,包括支持数据库和融合数据库,支持数据库主要包含各级融合过程涉及的对象状态和属性参数的关联和判断门限,以及与态势、影响有关的数据,融合数据库主要用于存储有重要意义的融合结果的存取,作为后续融合和评估的先验案例;
S4:融合服务,将信息融合结果用于人机交互、决策服务和应用服务;人机交互服务参与和主导信息融合的技术手段,信息融合的认知精炼主要通过人机交互进行,如向管理人员输出报警信息;决策服务根据实现融合应用需求,辅助管理人员进行判断和评估的服务;应用服务表示融合产品提供满足应用需求的各类服务,包括预警服务和对象控制服务。
优选的,S1中感知设备和手段包括监测传感器、控制程序、MES、ERP、SCADA相关信息。
优选的,信号检测的输入是多个传感器采集的原始测量信号,输出是检测出的信号数据,信号检测主要包括时空统一、误差补偿、信号关联和信号融合。
优选的,对象估计的输入是各类传感器的数据、MES、ERP、SCADA、支持数据库数据和融合数据库数据,对象估计的输出是对象状态及其精度估计,以及对象属性及其可信程度估计,其输出结果作为态势估计和影响估计的输入,提供实体以及管理人员使用,对象估计包括对象状态估计和对象属性识别。
优选的,态势估计的输入是对象估计输出结果以及人的认知和判定信息,并利用支持数据库的数据和相关的外部信息、融合数据库中的已有案例和先验知识,输出态势图,辅以图表和文字报告。
优选的,过程精炼的输入是信息融合应用需求和0级~2级的融合结果,输出是对0级~2级的融合产品性能改进的方案和融合资源的优化控制指令,过程精炼包括对融合过程评估和优化控制两部分。
优选的,认知精炼的输入是0级~3级融合产品、融合系统和通过人机界面输入的体现人的认知能力的信息,输出则是融入人的认知能力的融合系统,0级~3级融合的认知辅助系统状态的认知判断与控制。
本发明的技术效果和优点:
本发明方案主要运用于智能制造工厂,将控制方式中的信息处理过程进行优化,将MES、ERP、SCADA等信息源加入到信息融合模型中,细化信息融合过程,运用5级信息融合技术将信息源精炼得到全面有效的信息,指导设备更精准的完成操作,通过对历史数据对比分析,优化控制过程,提高生产效率和产品质量,降低次品率。
附图说明
图1为本发明的结构示意图;
图2为本发明的信号检测过程示意图;
图3为本发明的对象估计过程示意图;
图4为本发明的数据级属性识别过程示意图;
图5为本发明的特征级属性识别过程示意图;
图6为本发明的判定级属性识别过程示意图;
图7为本发明的态势估计过程示意图;
图8为本发明的融合过程精炼示意图;
图9为本发明的认知精炼过程示意图。
具体实施方式
下面将结合本发明实施例,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,一种基于多源异构信息融合的机械手控制方法,包括以下步骤:
S1:采集信息,通过感知设备和手段采集信息数据;
S2:信息融合,对上述信息数据进行信号检测、对象估计、态势估计、影响估计和认知精炼五个融合级别,不同级别之间的信息融合通过信息交换实现功能支撑,图1中,信息融合通过总线结构连接,信息源的输入可以选择是传感器信号、控制程序信息、设计信息、物料信息和相关信息系统采集的信息等,而融合输出可以选择是对象估计、态势估计或影响估计等融合级别的信息,从0级融合到2级融合并不是串行连接,而是根据需求进行单一或多级融合进行,过程精炼和认知精炼两个融合级别是对前四个融合级别中一个或多个级别的功能优化,其中:
信号检测和对象估计针对单一对象的信息融合,产生单一对象的属性和状态估计;
态势估计针对多个对象的信息融合,产生多个对象之间的关系;
过程精炼和认知精炼体现对各级融合效能的评估,产生对融合过程的优化控制以及人基于应用需求对认知过程的优化控制;
S3:数据管理,包括支持数据库和融合数据库,支持数据库主要包含各级融合过程涉及的对象状态和属性参数的关联和判断门限,以及与态势、影响有关的数据,融合数据库主要用于存储有重要意义的融合结果的存取,作为后续融合和评估的先验案例;
S4:融合服务,将信息融合结果用于人机交互、决策服务和应用服务;人机交互服务参与和主导信息融合的技术手段,信息融合的认知精炼主要通过人机交互进行,如向管理人员输出报警信息;决策服务根据实现融合应用需求,辅助管理人员进行判断和评估的服务;应用服务表示融合产品提供满足应用需求的各类服务,包括预警服务和对象控制服务。
S1中感知设备和手段包括监测传感器、控制程序、MES、ERP、SCADA相关信息。
如图2所示,信号检测(0级融合),信号检测的输入是多个传感器采集的原始测量信号,输出是检测出的信号数据,信号检测主要包括时空统一、误差补偿、信号关联和信号融合:
时空统一:对输入的多源信号进行时间统一和空间变换,时间统一是将输入信息采用的不同步的时钟统一到与融合系统一致的基准时标下,空间统一是将输入信息所采用的局部坐标统一到与融合系统一致的基准坐标下;
误差补偿:对时空统一后的信号数据测量误差进行估计和补偿;
信号关联:对误差补偿后的多源信号数据进行时间与空间关系的关联,形成源于同一对象的测量信号集合;
信号融合:对信号关联后形成的同一对象的信号集合元素进行去噪、互补与增强处理,以检测出对象的信息。
如图3所示,对象估计(1级融合),对象估计的输入是各类传感器的数据、MES、ERP、SCADA、支持数据库数据和融合数据库数据,对象估计的输出是对象状态及其精度估计,以及对象属性及其可信程度估计,其输出结果作为态势估计和影响估计的输入,可供服务提供实体使用, 也可直接提供给管理人员使用,对象估计包括对象状态估计和对象属性识别:
a)对象状态估计包括:时空统一、误差补偿、数据关联、状态估计、状态预测:
时空统一:进行时间统一和空间变换;
误差补偿:主要是对时间、空间、其他特征测量值进行量化补偿;
数据关联:对补偿后的多源数据进行关联,生成同一对象的数据集合;
状态估计:对数据关联形成的同一对象的数据集合进行外推,滤波等综合处理,生成该对象的当前状态参数估计及估计误差;状态预测:采用对象的状态估计参数,通过状态变化模型预测未知状态和可能达到的精度;
b)对象属性识别:按照输入对象属性信息级别的不同包括数据级融合、特征级融合、判定级融合,分别采用相应级别的对象属性融合识别逻辑进行对象属性识别:
如图4所示,数据级融合识别:当输入信息为传感器数据、信号检测数据时,将多数据进行数据配准(包括时空统一和误差补偿),参照对象状态估计信息进行数据关联,形成同一对象的属性数据集合,对该数据集合进行融合,然后对融合属性数据进行特征提取和对象属性判定识别,形成该对象的融合属性说明;
如图5所示,特征级融合识别:当输入信息是提取出的对象特征级数据时,进行特征配准(包括时空统一和特征误差补偿),参照对象状态估计信息进行特征关联,获得源于同一对象的特征集合,然后对该对象特征集合进行融合,最后进行对象属性判定识别,形成该对象的融合属性说明;
如图6所示,判定级融合识别:当输入信息是对象局部判定级数据时,对多个局部判定级数据进行配准(包括时空统一和判定误差补偿),然后对多个局部判定结论进行关联,形成源于同一对象的判定集合,最后进行同一对象的判定集合进行融合,形成该对象的融合属性说明。
如图7所示,态势估计(2级融合),态势估计的输入是对象估计输出结果以及人的认知和判定信息,并利用支持数据库的数据和相关的外部信息、融合数据库中的已有案例和先验知识,输出态势图,辅以图表和文字报告,态势估计包括:
关系估计生成,是形成态势状态的基础,关系估计生成是指场景中的各对象之间以及对象与外部要素之间的关系;
观测态势生成,是同一应用需求所涉及的对象和要素的及其关系的集合,是基于关系估计生成的,其展现了当前的态势状态;
估计态势生成,采用数据挖掘或相应智能技术,从观测态势中提取态势状态,生成估计态势,包括旋转、直行、停止;
预测态势生成,是基于观测态势和估计态势,通过主要态势元素的变化,并参照历史态势案例,预测态势要素和态势状态的变化和可能的态势发展,生成基于效用的预测态势。
如图8所示,过程精炼(3级融合),过程精炼的输入是信息融合应用需求和0级~2级的融合结果,输出是对0级~2级的融合产品性能改进的方案和融合资源的优化控制指令,过程精炼包括对融合过程评估和优化控制两部分。
a)过程评估:过程评估是以融合应用需求为依据,对0级~2级融合产品的性能和效能进行和综合评估、还包括对信息源和通信网络进行评估,作为优化控制的依据。
b)优化控制:优化控制是根据融合过程评估结果,对信息源、通信网络、0级~2级融合的软硬件资源实施动态规划、优化配置和反馈控制,以实现融合的过程的综合优化。优化控制的功能包括:
信息源优化配置:基于应用需求和融合过程评估结果,优化配置和控制系统(位置、监视区域、运行时间和工作模式等),以优先获取关注对象信息;
信息处理资源动态配置:动态控制和配置0级~2级信息处理资源,包括软硬件功能、算法软件与判定门限等,实现融合应用需求的优先达成;
通信网络控制:信息的通信网络接入控制,包括感知信息接入网络控制和与其他系统之间的信息交换网络控制,以保证通信的及时和网络带宽的充分利用等;
数据库管理:支持数据库和融合数据库的存取控制,尽量减少冗余数据,提高访问速度;
过程控制:基于优化配置和控制/管理方案,动态控制0级~2级融合过程中软硬件和网络的运行状态。
如图9所示,认知精炼(4级融合),认知精炼的输入是0级~3级融合产品、融合系统和通过人机界面输入的体现人的认知能力的信息,输出则是融入人的认知能力的融合系统,0级~3级融合的认知辅助系统状态的认知判断与控制。
a)认知交互:认知交互是将人的认知能力输入融合系统,认知能力包括灵感性思维、联想性思维、直觉认知判断。
b)认知辅助
人对融合系统的认知辅助包括:
为0级融合提供信息价值和质量需求;
为1级融合提供对象处理优先级;
为2级融合提供周边/外部信息;
为3级融合提供融合过程精炼基准,包括期望效用、风险等。
c)认知判断与控制
人对各级融合产品的理解和确认;
融合过程中人的决策/判定;
人对各类融合资源配置、优化控制。
本发明方案主要运用于智能制造工厂,将控制方式中的信息处理过程进行优化,将MES、ERP、SCADA等信息源加入到信息融合模型中,细化信息融合过程,运用5级信息融合技术将信息源精炼得到全面有效的信息,指导设备更精准的完成操作,通过对历史数据对比分析,优化控制过程,提高生产效率和产品质量,降低次品率。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种基于多源异构信息融合的机械手控制方法,其特征在于,包括以下步骤:
S1:采集信息,通过感知设备和手段采集信息数据;
S2:信息融合,对上述信息数据进行信号检测、对象估计、态势估计、影响估计和认知精炼五个融合级别,不同级别之间的信息融合通过信息交换实现功能支撑,其中:
信号检测和对象估计针对单一对象的信息融合,产生单一对象的属性和状态估计;
态势估计针对多个对象的信息融合,产生多个对象之间的关系;
过程精炼和认知精炼体现对各级融合效能的评估,产生对融合过程的优化控制以及人基于应用需求对认知过程的优化控制;
S3:数据管理,包括支持数据库和融合数据库,支持数据库主要包含各级融合过程涉及的对象状态和属性参数的关联和判断门限,以及与态势、影响有关的数据,融合数据库主要用于存储有重要意义的融合结果的存取,作为后续融合和评估的先验案例;
S4:融合服务,将信息融合结果用于人机交互、决策服务和应用服务;人机交互服务参与和主导信息融合的技术手段,信息融合的认知精炼主要通过人机交互进行,如向管理人员输出报警信息;决策服务根据实现融合应用需求,辅助管理人员进行判断和评估的服务;应用服务表示融合产品提供满足应用需求的各类服务,包括预警服务和对象控制服务。
2.根据权利要求1所述的一种基于多源异构信息融合的机械手控制方法,其特征在于:S1中感知设备和手段包括监测传感器、控制程序、MES、ERP、SCADA相关信息。
3.根据权利要求1所述的一种基于多源异构信息融合的机械手控制方法,其特征在于:信号检测的输入是多个传感器采集的原始测量信号,输出是检测出的信号数据,信号检测主要包括时空统一、误差补偿、信号关联和信号融合。
4.根据权利要求1所述的一种基于多源异构信息融合的机械手控制方法,其特征在于:对象估计的输入是各类传感器的数据、MES、ERP、SCADA、支持数据库数据和融合数据库数据,对象估计的输出是对象状态及其精度估计,以及对象属性及其可信程度估计,其输出结果作为态势估计和影响估计的输入,提供实体以及管理人员使用,对象估计包括对象状态估计和对象属性识别。
5.根据权利要求1所述的一种基于多源异构信息融合的机械手控制方法,其特征在于:态势估计的输入是对象估计输出结果以及人的认知和判定信息,并利用支持数据库的数据和相关的外部信息、融合数据库中的已有案例和先验知识,输出态势图,辅以图表和文字报告。
6.根据权利要求1所述的一种基于多源异构信息融合的机械手控制方法,其特征在于:过程精炼的输入是信息融合应用需求和0级~2级的融合结果,输出是对0级~2级的融合产品性能改进的方案和融合资源的优化控制指令,过程精炼包括对融合过程评估和优化控制两部分。
7.根据权利要求1所述的一种基于多源异构信息融合的机械手控制方法,其特征在于:认知精炼的输入是0级~3级融合产品、融合系统和通过人机界面输入的体现人的认知能力的信息,输出则是融入人的认知能力的融合系统,0级~3级融合的认知辅助系统状态的认知判断与控制。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910028970.5A CN109732603A (zh) | 2019-01-12 | 2019-01-12 | 基于多源异构信息融合的机械手控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910028970.5A CN109732603A (zh) | 2019-01-12 | 2019-01-12 | 基于多源异构信息融合的机械手控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109732603A true CN109732603A (zh) | 2019-05-10 |
Family
ID=66364600
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910028970.5A Withdrawn CN109732603A (zh) | 2019-01-12 | 2019-01-12 | 基于多源异构信息融合的机械手控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109732603A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112286901A (zh) * | 2019-11-19 | 2021-01-29 | 中建材信息技术股份有限公司 | 一种数据库融合关联系统 |
CN116352726A (zh) * | 2023-05-30 | 2023-06-30 | 成都航空职业技术学院 | 一种基于多源数据协同的机械臂控制方法和系统 |
CN117216722A (zh) * | 2023-11-09 | 2023-12-12 | 山东农业大学 | 基于传感器时序数据多源异构数据融合系统 |
-
2019
- 2019-01-12 CN CN201910028970.5A patent/CN109732603A/zh not_active Withdrawn
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112286901A (zh) * | 2019-11-19 | 2021-01-29 | 中建材信息技术股份有限公司 | 一种数据库融合关联系统 |
CN112286901B (zh) * | 2019-11-19 | 2024-07-05 | 中建材信息技术股份有限公司 | 一种数据库融合关联系统 |
CN116352726A (zh) * | 2023-05-30 | 2023-06-30 | 成都航空职业技术学院 | 一种基于多源数据协同的机械臂控制方法和系统 |
CN116352726B (zh) * | 2023-05-30 | 2023-08-01 | 成都航空职业技术学院 | 一种基于多源数据协同的机械臂控制方法和系统 |
CN117216722A (zh) * | 2023-11-09 | 2023-12-12 | 山东农业大学 | 基于传感器时序数据多源异构数据融合系统 |
CN117216722B (zh) * | 2023-11-09 | 2024-02-27 | 山东农业大学 | 基于传感器时序数据多源异构数据融合系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101825881B1 (ko) | 빅 데이터 분석을 이용한 제조 공정 관리 방법 및 이를 이용한 제조 공정 관리 시스템 | |
CN110110870A (zh) | 一种基于事件图谱技术的设备故障智能监控方法 | |
CN109732603A (zh) | 基于多源异构信息融合的机械手控制方法 | |
CN106161138A (zh) | 一种智能自动计量方法及装置 | |
CN104407589A (zh) | 面向车间制造过程的实时生成性能主动感知与异常分析方法 | |
KR20200071876A (ko) | 공정 중 생산품 불량 예측시스템 및 불량 예측을 위한 학습모델 생성방법 | |
CN105967063B (zh) | 维保平台故障分析处理系统及方法 | |
US20220326667A1 (en) | Aluminum oxide production operation optimization system and method based on cloud-edge collaboration | |
CN116485576A (zh) | 一种航空制造业知源大脑数据智能制造管理平台 | |
CN116992346A (zh) | 一种基于人工智能大数据分析的企业生产数据处理系统 | |
CN116796043A (zh) | 一种智能园区数据可视化方法及系统 | |
Ma et al. | A Methodology to Evaluate the Effectiveness of Intelligent Ship Navigational Information Monitoring System | |
CN107818523B (zh) | 基于非稳定频率分布与频率因子学习的电力通信系统数据真值判别与推断方法 | |
KR102250598B1 (ko) | 작업자 기술수준 및 작업 난이도 측정 방법 및 이를 위한 시스템 | |
KR101984257B1 (ko) | 클라우드기반 빅데이터분석시스템 및 방법 | |
US7443395B2 (en) | Multi-variable operations | |
Ginis | Methodological basis of simulation and cognitive modelling technology of socio-economic systems | |
CN113469343A (zh) | 工业时序数据处理方法及系统 | |
Hadjadji et al. | Advances in Smart Maintenance for Sustainable Manufacturing in Industry 4.0 | |
CN117689256B (zh) | 一种铝合金熔铸产品质量溯源方法 | |
CN118214168A (zh) | 一种配电电路的实时状态监测方法 | |
Shang et al. | A Perspective Survey on Industrial Knowledge Graphs: Recent Advances, Open Challenges, and Future Directions | |
Lawrence et al. | Harnessing industry 4.0 to optimise performance in the aluminum industry | |
Jian et al. | Research on Intelligent Cockpit Information Integration Algorithm Based on Sensor Data Fusion | |
CN117787838B (zh) | 基于ai大模型的物流数字化管理系统及方法 |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20190510 |