CN113204219A - 用于智能制造的工业控制器 - Google Patents
用于智能制造的工业控制器 Download PDFInfo
- Publication number
- CN113204219A CN113204219A CN202110426767.0A CN202110426767A CN113204219A CN 113204219 A CN113204219 A CN 113204219A CN 202110426767 A CN202110426767 A CN 202110426767A CN 113204219 A CN113204219 A CN 113204219A
- Authority
- CN
- China
- Prior art keywords
- sensing
- vector
- data
- acquisition
- control
- 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.)
- Granted
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 51
- 239000013598 vector Substances 0.000 claims abstract description 132
- 238000012545 processing Methods 0.000 claims abstract description 61
- 230000003993 interaction Effects 0.000 claims abstract description 26
- 230000009471 action Effects 0.000 claims description 18
- 230000003247 decreasing effect Effects 0.000 claims description 10
- 238000005457 optimization Methods 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 4
- 230000002457 bidirectional effect Effects 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 238000000034 method Methods 0.000 description 32
- 230000008569 process Effects 0.000 description 28
- 238000003745 diagnosis Methods 0.000 description 27
- 238000012544 monitoring process Methods 0.000 description 20
- 238000007726 management method Methods 0.000 description 9
- 238000005520 cutting process Methods 0.000 description 8
- 238000001514 detection method Methods 0.000 description 8
- 238000003754 machining Methods 0.000 description 6
- 238000011161 development Methods 0.000 description 5
- 238000005265 energy consumption Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000006073 displacement reaction Methods 0.000 description 4
- 230000004927 fusion Effects 0.000 description 4
- 238000012806 monitoring device Methods 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 230000003746 surface roughness Effects 0.000 description 4
- 238000012795 verification Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000007405 data analysis Methods 0.000 description 3
- 238000005299 abrasion Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000009776 industrial production Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000001050 lubricating effect Effects 0.000 description 2
- 239000010687 lubricating oil Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 239000003921 oil Substances 0.000 description 2
- 239000010754 BS 2869 Class F Substances 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012517 data analytics Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013524 data verification Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000009916 joint effect Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000026676 system process Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM]
- G05B19/41875—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM] characterised by quality surveillance of production
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32252—Scheduling production, machining, job shop
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- General Factory Administration (AREA)
Abstract
本发明涉及一种用于智能制造的工业控制器，其包括若干传感系统(1‑n)、传感数据处理系统和控制系统，所述的若干传感系统(1‑n)中的每一个传感系统均向传感数据处理系统传输传感信号，所述的传感数据处理系统用于将传感信号按照传感类型处理为特定的采集向量数据，传感数据处理系统与控制系统电性连接，传感数据处理系统还用于将多种特定的采集向量数据发送给控制系统，所述的控制系统用于首先配置多种特定的采集向量数据之间联系的向量相互作用模型，还用于将多种特定的采集向量数据输入到向量相互作用模型，并确定具体的控制问题，然后根据控制问题控制系统确定控制参数，所述的控制系统还与工业系统连接并用于向工业系统发送控制参数。
Description
技术领域
本发明属于智能工业领域，具体涉及一种用于智能制造的工业控制器。
背景技术
在比较相关的现有技术中，中国发明专利CN201610029952.5公开了一种基于传感器监测的智能制造系统，还公开了其实施的方法有：
一种基于传感器监测的智能制造系统，包括数据采集装置、数据处理装置和信号输出装置；
所述数据采集装置用于采集加工机床加工过程中的实时物理量，并转换成所述数据处理装置可识别的信号模式，发送至数据处理装置；所述数据处理装置用于根据所述实时物理量与预设条件的关系生成相应的控制信号，以及经所述信号输出装置将所述控制信号发送至所述加工机床的控制系统；所述加工机床的控制系统根据所述控制信号控制所述加工机床执行相应操作；其中，所述实时物理量为主轴电机功率、主轴电机扭矩、主轴电机的电流、切削力、切削区域的振动、切削区域的声音或切削区域的温度。还包括显示存储装置；所述显示存储装置与所述数据处理装置连接；述显示存储装置用于存储所述实时物理量，并显示所述实时物理量。
基于传感器监测的智能制造方法，包括以下步骤：采集加工机床加工过程中的实时物理量；根据所述实时物理量对加工过程进行诊断、管理和/或控制；其中，所述实时物理量为主轴电机功率、主轴电机扭矩、主轴电机的电流、切削力、切削区域的振动、切削区域的声音或切削区域的温度；当所述实时物理量为主轴电机功率时，所述根据所述实时物理量对加工过程进行诊断、管理和/或控制步骤包括：将与所述加工工件的技术指标相关联的第一功率阈值作为监测标准；其中，所述技术指标包括尺寸精度、形位公差和表面质量中的一种以上；当所述主轴电机功率超过所述第一功率阈值时，调节所述主轴电机的工艺参数，以使得所述主轴电机功率小于等于所述第一功率阈值；其中，所述主轴电机的工艺参数包括转速、进给速度和吃刀量中的一种以上参数。所述实时物理量为所述主轴电机功率；所述根据所述实时物理量对加工过程进行诊断、管理和/或控制步骤包括：检测所述主轴电机功率的波动频率和/或波动幅值，若所述波动频率和/或所述波动幅值超出预设范围，则调节所述主轴电机的转速，将所述波动频率和/或所述波动幅值控制在预设范围。所述实时物理量为所述主轴电机功率；所述根据所述实时物理量对加工过程进行诊断、管理和/或控制步骤包括：根据所述主轴电机功率的大小判断加工机床当前状态；其中，所述加工机床当前状态包括加工状态、加工工具的磨损情况以及加工工具和加工工件的接触状态。所述实时物理量为所述主轴电机功率；所述根据所述实时物理量对加工过程进行诊断、管理和/或控制步骤包括：将所述主轴电机功率与预设功率范围比较，若所述主轴电机功率超出所述预设功率范围的边界，则判定被加工工件出现品质异常，并控制所述加工机床执行第一操作；所述第一操作为立即停机、执行完当前工序后停机或继续加工并报警。
现有技术的这种基于传感器监测的智能制造系统实际上只能根据单一的实时物理量实现以单一实时物理量为主线的闭环控制，其不能实现真正意义的智能制造的控制，而且这种控制的效果比较差。
发明内容
为了克服现有的技术存在的不足,本发明提供一种用于智能制造的工业控制器。
本发明解决其技术问题所采用的技术方案是：用于智能制造的工业控制器，其包括若干传感系统(1-n)、传感数据处理系统和控制系统，所述的若干传感系统(1-n)中的每一个传感系统均与工业系统连接并具体在工业系统内设置对应的一个或多个传感器，所述的若干传感系统(1-n)中的每一个传感系统均与传感数据处理系统电性连接，所述的若干传感系统(1-n)中的每一个传感系统均向传感数据处理系统传输传感信号，所述的传感数据处理系统用于将传感信号按照传感类型处理为特定的采集向量数据，传感数据处理系统与控制系统电性连接，传感数据处理系统还用于将多种特定的采集向量数据发送给控制系统，所述的控制系统用于首先配置多种特定的采集向量数据之间联系的向量相互作用模型，还用于将多种特定的采集向量数据输入到向量相互作用模型，并确定具体的控制问题，然后根据控制问题控制系统确定控制参数，所述的控制系统还与工业系统连接并用于向工业系统发送控制参数。
进一步，其特征在于，所述的工业系统包括具有数控机床的智能制造工业系统。
进一步，其特征在于，所述的若干传感系统(1-n)包括三种以上类型的传感系统，不同类型的传感系统使用不同类型的传感器，所述的若干传感系统(1-n)均连接一条总线，并且所述的若干传感系统(1-n)通过总线与工业系统电连接并通信，所述的若干传感系统(1-n)通过总线与传感数据处理系统电连接并通信。
进一步，所述的采集向量数据具体是带有参数变化方向以及当前量的传感参数。
进一步，所述的向量相互作用模型包括由多种类型采集向量为数据项、由多种类型采集向量之间的联系构成权重键、由上下级采集向量之间映射构成级别键、由相互联系的采集向量的共同作用构成作用键、以及由控制问题对应数据项构成作用键对象的网络型数据结构。
进一步，所述的向量相互作用模型包括核心采集向量和普通采集向量，所述的普通采集向量包括A类采集向量、B类采集向量、C类采集向量、D类采集向量、E类采集向量、F类采集向量，所述的核心采集向量和每一个普通采集向量均通过权重键连接；两个以上的采集向量相互联系可以构成作用键，所述的作用键的对象是控制问题对应的数据项。
进一步，所述的普通采集向量下至少设置一个级别差的低等级的采集向量，所述的普通采集向量与其低等级的采集向量通过级别键建立映射。
进一步，所述的控制系统与上位机电性连接，所述的上位机被配置对向量相互作用模型的数据结构进行优化更新，优化更新包括增减采集向量数据项，变换采集向量的类型/级别，改变权重键，增减权重键、级别键、作用键，增减控制问题对应数据项。
进一步，所述的上位机配置在网络服务器中，所述的上位机中配置双向共享数据的开源端，所述的开源端用于上位机向其他的同类网络服务器输出优化更新数据或用于获取其他的同类网络服务器所输出的优化更新数据。
本发明的有益效果是，本申请之中的控制系统基于配置多种特定的采集向量数据之间联系的向量相互作用模型，将多种特定的采集向量数据输入到向量相互作用模型，并确定具体的控制问题，然后根据控制问题控制系统确定控制参数，并且向工业系统发送控制参数，可见本申请中的控制参数是基于多种特定的采集向量数据之间联系的向量相互作用模型所确定的控制问题而产生的，并不根据单一的实时物理量实现以单一实时物理量为主线的闭环控制，本申请的控制问题确定基于多种特定的采集向量数据之间联系的向量相互作用模型，能够更加精准客观地依据传感参数之间的联系本质地寻找控制过程中根本的问题(也即控制问题)，也能够做到从根本问题出发产生相应的控制(也即控制参数)，所以本申请可以实现真正意义的智能控制。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1是本申请的用于智能制造的工业控制器的实施例组成框图
图2是本申请的用于智能制造的工业控制器的向量相互作用模型的一种拓扑结构图
具体实施方式
在具体实施中，如图1所示的本申请的用于智能制造的工业控制器的实施例，包括若干传感系统(1-n)、传感数据处理系统和控制系统，所述的若干传感系统(1-n)中的每一个传感系统均与工业系统连接并具体在工业系统内设置对应的一个或多个传感器，所述的若干传感系统(1-n)中的每一个传感系统均与传感数据处理系统电性连接，所述的若干传感系统(1-n)中的每一个传感系统均向传感数据处理系统传输传感信号，所述的传感数据处理系统用于将传感信号按照传感类型处理为特定的采集向量数据，传感数据处理系统与控制系统电性连接，传感数据处理系统还用于将多种特定的采集向量数据发送给控制系统，所述的控制系统用于首先配置多种特定的采集向量数据之间联系的向量相互作用模型，还用于将多种特定的采集向量数据输入到向量相互作用模型，并确定具体的控制问题，然后根据控制问题控制系统确定控制参数，所述的控制系统还与工业系统连接并用于向工业系统发送控制参数。
在具体实施中，所述的若干传感系统(1-n)，比如传感系统(1-6)中的每一个传感系统均与工业系统连接所述的若干传感系统(1-n)中的每一个传感系统均向传感数据处理系统传输传感信号，所述的传感数据处理系统将传感信号按照传感类型处理为特定的采集向量数据，所述的采集向量数据具体是带有参数变化方向以及当前量的传感参数，比如当传感参数是力传感参数则采集向量数据包括力参数本身之外还包括力的增减参数(虽然力本身是物理的向量即包括大小和方向，但是本申请实施中的采集向量是数据层的，不仅仅包括力的大小各方向还包括力的变化方向，即增减特征)，传感数据处理系统将多种特定的采集向量数据发送给控制系统，所述的控制系统基于配置多种特定的采集向量数据之间联系的向量相互作用模型，将多种特定的采集向量数据输入到向量相互作用模型，并确定具体的控制问题，然后根据控制问题控制系统确定控制参数，并且向工业系统发送控制参数，可见本申请中的控制参数是基于多种特定的采集向量数据之间联系的向量相互作用模型所确定的控制问题而产生的，并不根据单一的实时物理量实现以单一实时物理量为主线的闭环控制，本申请的控制问题确定基于多种特定的采集向量数据之间联系的向量相互作用模型，能够更加精准客观地依据传感参数之间的联系本质地寻找控制过程中根本的问题(也即控制问题)，也能够做到从根本问题出发产生相应的控制(也即控制参数)，所以可以实现真正意义的智能控制。
在更具体的实施例，所述的若干传感系统(1-n)包括三种以上类型的传感系统，不同类型的传感系统使用不同类型的传感器，所述的若干传感系统(1-n)均连接一条总线，并且所述的若干传感系统(1-n)通过总线与工业系统电连接并通信，所述的若干传感系统(1-n)通过总线与传感数据处理系统电连接并通信。
在更加具体的实施中，所述的工业系统包括具有数控机床的智能制造工业系统，比如在具体实施中，所述的工业系统采用现有技术中CN201210461651.1公开的一种数控外圆磨床运行及工艺状态监控与诊断系统中的数控外圆磨床、传感器，及其数控外圆磨床的控制设备，具体的，现有技术中，一种数控外圆磨床运行及工艺状态监控与诊断系统，包括磨床运行及工艺状态监控装置和磨床运行及工艺状态诊断装置，磨床运行及工艺状态监控装置包括监控用传感器、数据采集平台和计算机，监控用传感器的信号输出与数据采集平台的输入连接，数据采集平台的输出与计算机连接，计算机和磨床运行及工艺状态诊断装置的数据输入接口相连接；
所述的磨床运行及工艺诊断装置在计算机中建立诊断模型，其中，诊断模型包括磨床状态诊断模型，用来诊断磨床导轨运行精度及床身振动的频率与幅值；砂轮状态诊断模型，用来诊断砂轮在加工过程中的运行状态，运行状态包括砂轮磨损、砂轮破损以及砂轮堵塞；工艺状态诊断模型的操作误差诊断模型，用来诊断工件的装夹偏差；工艺状态诊断模型的产品质量诊断模型，用来诊断加工后产品的表面粗糙度及烧伤程度。
所述的监控用传感器包括运行状态监控用传感器和工艺状态监控用传感器，其中，运行状态监控用传感器包括功率传感器，用来测量磨床主轴的功率；位移传感器，用来测量磨床导轨的位移量以及床身振动量；压力传感器，用来测量装夹工件时两顶尖间顶紧力的大小，同时也用来测量润滑系统中润滑油的压力及油面位置；工艺状态监控用传感器包括圆度传感器，用来测量磨床加工工件的圆度值；图像传感器，用来测量磨床加工工件的表面粗糙度及烧伤程度。
所述的监控用传感器采集机床的运行及工艺状态信号并在数据采集平台上完成数据的融合，之后该融合信号输入到计算机中，计算机完成数据处理以及检测结果显示的工作。
所述的磨床运行及工艺状态监控装置完成信号的测量并输出到磨床运行及工艺状态诊断装置，之后，在线测量的机床实时状态信号与已建立的诊断模型进行比较，完成知识库搭建，比较结果经状态诊断模块分析、处理后，由诊断结果显示模块完成磨床整机运行及工艺状态的诊断与显示。
类似的现有技术CN201210461651.1的这种工业系统实际还是单一实时物理量为主线的闭环控制，在应用在本申请中现有技术的，运行状态监控用传感器可以直接配置为本申请的若干传感系统(1-n)，比如，包括功率传感器，用来测量磨床主轴的功率配置为传感系统1；位移传感器，用来测量磨床导轨的位移量以及床身振动量配置为传感系统2；压力传感器，用来测量装夹工件时两顶尖间顶紧力的大小，同时也用来测量润滑系统中润滑油的压力及油面位置配置为传感系统3；工艺状态监控用传感器包括圆度传感器，用来测量磨床加工工件的圆度值配置为传感系统4；图像传感器，用来测量磨床加工工件的表面粗糙度及烧伤程度配置为传感系统5。
“所述的磨床运行及工艺诊断装置在计算机中建立诊断模型，其中，诊断模型包括磨床状态诊断模型，用来诊断磨床导轨运行精度及床身振动的频率与幅值；砂轮状态诊断模型，用来诊断砂轮在加工过程中的运行状态，运行状态包括砂轮磨损、砂轮破损以及砂轮堵塞；工艺状态诊断模型的操作误差诊断模型，用来诊断工件的装夹偏差；工艺状态诊断模型的产品质量诊断模型，用来诊断加工后产品的表面粗糙度及烧伤程度。”以及“所述的监控用传感器采集机床的运行及工艺状态信号并在数据采集平台上完成数据的融合，之后该融合信号输入到计算机中，计算机完成数据处理以及检测结果显示的工作。所述的磨床运行及工艺状态监控装置完成信号的测量并输出到磨床运行及工艺状态诊断装置，之后，在线测量的机床实时状态信号与已建立的诊断模型进行比较，完成知识库搭建，比较结果经状态诊断模块分析、处理后，由诊断结果显示模块完成磨床整机运行及工艺状态的诊断与显示”均可以省略，因为现有技术的所述的磨床运行及工艺诊断装置在计算机中建立诊断模型等均是在单一物理量为主线的闭环控制基础上进行的，另外所不同的，本申请应用在这种现有技术的工业系统还需要配置本申请的控制系统以完成控制参数对数控外圆磨床进行控制，可见本申请在实施中也可以很好的与现有的工业系统融合。
在更加具体的实施中，如图2所示的，所述的向量相互作用模型包括由多种类型采集向量为数据项、由多种类型采集向量之间的联系构成权重键、由上下级采集向量之间映射构成级别键、由相互联系的采集向量的共同作用构成作用键、以及由控制问题对应数据项构成作用键对象的网络型数据结构。在更加具体的实施中，所述的向量相互作用模型包括核心采集向量和普通采集向量，所述的普通采集向量包括A类采集向量、B类采集向量、C类采集向量、D类采集向量、E类采集向量、F类采集向量，所述的核心采集向量和每一个普通采集向量均通过权重键连接；两个以上的采集向量相互联系可以构成作用键，所述的作用键的对象是控制问题对应的数据项，在实施中确定了具体有哪些类型的采集向量就可以根据作用键确定控制问题。
在更加具体的实施中，如图2所示的，所述的普通采集向量下至少设置一个级别差的低等级的采集向量，所述的普通采集向量与其低等级的采集向量通过级别键建立映射，比如A类采集向量、B类采集向量下分别设置级别差的低等级的采集向量A1/A2以及B1/B2,实施中A类采集向量、B类采集向量可以根据作用键确定控制问题A+B,A2类采集向量、B2类采集向量可以根据作用键确定控制问题A2+B2。
在更加具体的实施中，所述的控制系统与上位机电性连接，所述的所述的，上位机被配置对向量相互作用模型的数据结构进行优化更新，优化更新包括增减采集向量数据项，变换采集向量的类型/级别，改变权重键，增减权重键、级别键、作用键，增减控制问题对应数据项。
在更加具体的实施中，所述的上位机配置在网络服务器中，所述的上位机中配置双向共享数据的开源端，所述的开源端用于上位机向其他的同类网络服务器输出优化更新数据或用于获取其他的同类网络服务器所输出的优化更新数据。
在具体实施中，所述的上位机基于大数据处理云平台搭建，上位机通过大数据处理云平台可以相互分享优化更新数据。
比如的，现有技术中的大数据处理云平台可以配置并实现本申请的上位机：
一种处理智能制造大数据的方法和系统，它包括边缘采集层、通信传输层、基础设施层(IaaS)、平台服务层(PaaS)、应用服务层(SaaS)以及云平台安全防护。
在具体的生产过程中，智能制造云平台解决方案各层运行情况为：边缘采集层通过检测检验设备、RFID识别、仪表仪器、PLC、工业机器人等设备对生产过程中的数据进行采集。将采集到的数据在边缘层进行初步的处理。边缘采集层与通信传输层连接,通信传输层将搜集到的数据通过4G/5G网络、WIFI网络、ZigBee网络以及Internet网络传输到云平台中，保证生产数据的实时有效。边缘采集层还与云平台安全防护连接，云平台安全防护为边缘采集层的数据进行加密。
基础设施层(IaaS)为平台服务层(PaaS)、应用服务层(SaaS)提供了算力支撑，保证了云平台的可靠运行和高性能数据分析。基础设施层(IaaS)与云平台安全防护连接，云平台安全防护分析计算设备和网络设备的工作日志，进行入侵检测。
平台服务层(PaaS)支撑了基于开发平台和微服务组件所研发的智能制造软件生态圈，并为此类软件提供了大数据分析。平台服务层(PaaS)与云平台安全防护连接，云平台安全防护对其提供漏洞检测和防火墙保护。
应用服务层(SaaS)基于平台的数据支撑以及开发和微服务功能，开发形成了满足智能制造不同生产场景的系统客户端，包括了实时监控系统、资产管理系统、生产运行系统、能耗管理系统、安全信息系统和经营管理系统。应用服务层(SaaS)与云平台安全防护连接，云平台安全防护对其提供漏洞检测和防火墙保护。
区块链系统中的数据验证节点获取来自边缘采集层的工业生产数据，使用特定的共识机制将其打包为区块节点。在每一个验证节点中都包含了前一个验证节点中的工业数据以及本节点中的工业数据，并且这些数据都通过哈希函数、特定时间戳等方式进行加密。验证节点将在区块链系统中进行广播，即使单个节点受到恶意攻击并被篡改数据，也不会影响整个区块链系统中生产数据的正确性，从而提高了智能制造过程中数据的安全性，保证生产企业对于生产数据的可追溯能力。
通过数据存储节点以及中心记录节点对验证节点加密后的数据进行存储记录，并将数据上传到应用服务层，各类智能制造应用软件将对生产制造数据进行分析处理。中心化的存储和记录方式能够在保证区块数据安全的同时极大提高数据传输的效率，避免了由于节点设备过多而导致的网络拥堵、数据更新不及时等问题。
所述的应用开发平台、微服务组件以及大数据分析。其中应用开发平台包括了开放框架、API管理、页面设计、UI组件、代码工厂；微服务组件包括了建模工具、智能制造知识组件、开发模型、算法组件、组态工具等内容；大数据分析包括了元数据管理工具、交互数据探索工具、数据质量工具以及ETL处理工具。
所述的实时监控系统具有生产过程监视模块、生产故障诊断模块以及实时报警模块；资产管理系统具有生产设备维护模块、生产设备库存管理模块、生产设备采购模块；生产运行系统具有生产单元绩效模块以及生产计划执行跟踪模块；能耗管理系统具有能耗检测模块、能耗预警模块、能耗综合利用模块；安全信息系统具有安全规范模块、安全预警模块；经营管理系统具有投资回报分析模块、成本优化模块、市场分析模块。
基于上述的上述的上述的数据处理云平台可以通过检测检验设备、RFID识别、仪表仪器、PLC、工业机器人等设备对生产过程中的数据进行采集，这些数据最终被处理为优化更新数据，可见在可见在实施中本申请可以很好与现有技术的大数据处理云平台融合。
Claims (9)
1.用于智能制造的工业控制器，其特征是：包括若干传感系统(1-n)、传感数据处理系统和控制系统，所述的若干传感系统(1-n)中的每一个传感系统均与工业系统连接并具体在工业系统内设置对应的一个或多个传感器，所述的若干传感系统(1-n)中的每一个传感系统均与传感数据处理系统电性连接，所述的若干传感系统(1-n)中的每一个传感系统均向传感数据处理系统传输传感信号，所述的传感数据处理系统用于将传感信号按照传感类型处理为特定的采集向量数据，传感数据处理系统与控制系统电性连接，传感数据处理系统还用于将多种特定的采集向量数据发送给控制系统，所述的控制系统用于首先配置多种特定的采集向量数据之间联系的向量相互作用模型，还用于将多种特定的采集向量数据输入到向量相互作用模型，并确定具体的控制问题，然后根据控制问题控制系统确定控制参数，所述的控制系统还与工业系统连接并用于向工业系统发送控制参数。
2.根据权利要求1所述的用于智能制造的工业控制器，其特征是：所述的工业系统包括具有数控机床的智能制造工业系统。
3.根据权利要求1所述的用于智能制造的工业控制器，其特征是：所述的若干传感系统(1-n)包括三种以上类型的传感系统，不同类型的传感系统使用不同类型的传感器，所述的若干传感系统(1-n)均连接一条总线，并且所述的若干传感系统(1-n)通过总线与工业系统电连接并通信，所述的若干传感系统(1-n)通过总线与传感数据处理系统电连接并通信。
4.根据权利要求1所述的用于智能制造的工业控制器，其特征是：所述的采集向量数据具体是带有参数变化方向以及当前量的传感参数。
5.根据权利要求1所述的用于智能制造的工业控制器，其特征是：所述的向量相互作用模型包括由多种类型采集向量为数据项、由多种类型采集向量之间的联系构成权重键、由上下级采集向量之间映射构成级别键、由相互联系的采集向量的共同作用构成作用键、以及由控制问题对应数据项构成作用键对象的网络型数据结构。
6.根据权利要求5所述的用于智能制造的工业控制器，其特征是：所述的向量相互作用模型包括核心采集向量和普通采集向量，所述的普通采集向量包括A类采集向量、B类采集向量、C类采集向量、D类采集向量、E类采集向量、F类采集向量，所述的核心采集向量和每一个普通采集向量均通过权重键连接；两个以上的采集向量相互联系可以构成作用键，所述的作用键的对象是控制问题对应的数据项。
7.根据权利要求6所述的用于智能制造的工业控制器，其特征是：所述的普通采集向量下至少设置一个级别差的低等级的采集向量，所述的普通采集向量与其低等级的采集向量通过级别键建立映射。
8.根据权利要求1所述的用于智能制造的工业控制器，其特征是：所述的控制系统与上位机电性连接，所述的上位机被配置对向量相互作用模型的数据结构进行优化更新，优化更新包括增减采集向量数据项，变换采集向量的类型/级别，改变权重键，增减权重键、级别键、作用键，增减控制问题对应数据项。
9.根据权利要求8所述的用于智能制造的工业控制器，其特征是：所述的上位机配置在网络服务器中，所述的上位机中配置双向共享数据的开源端，所述的开源端用于上位机向其他的同类网络服务器输出优化更新数据或用于获取其他的同类网络服务器所输出的优化更新数据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110426767.0A CN113204219B (zh) | 2021-04-20 | 2021-04-20 | 用于智能制造的工业控制器 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110426767.0A CN113204219B (zh) | 2021-04-20 | 2021-04-20 | 用于智能制造的工业控制器 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113204219A true CN113204219A (zh) | 2021-08-03 |
| CN113204219B CN113204219B (zh) | 2022-04-08 |
Family
ID=77027622
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110426767.0A Active CN113204219B (zh) | 2021-04-20 | 2021-04-20 | 用于智能制造的工业控制器 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113204219B (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130060524A1 (en) * | 2010-12-01 | 2013-03-07 | Siemens Corporation | Machine Anomaly Detection and Diagnosis Incorporating Operational Data |
| CN102975119A (zh) * | 2012-11-16 | 2013-03-20 | 清华大学 | 一种数控外圆磨床运行及工艺状态监控与诊断系统 |
| WO2013117558A1 (de) * | 2012-02-06 | 2013-08-15 | Deckel Maho Pfronten Gmbh | Numerisch gesteuerte werkzeugmaschine und verfahren zum steuern eines automatischen rotatorischen ausrichtvorgangs eines zahnrads an der werkzeugmaschine |
| CN103345198A (zh) * | 2013-05-10 | 2013-10-09 | 南京航空航天大学 | 基于特征的数控加工监测触发检测的方法 |
| CN204462795U (zh) * | 2015-03-31 | 2015-07-08 | 浙江柏同机器人科技股份有限公司 | 一种金属切削加工的智能监控系统 |
| CN205129520U (zh) * | 2015-11-23 | 2016-04-06 | 四川文理学院 | 机床主轴故障智能诊断系统 |
| CN105676778A (zh) * | 2016-01-15 | 2016-06-15 | 深圳吉兰丁智能科技有限公司 | 基于传感器监测的智能制造方法和系统以及加工机床 |
| CN111505727A (zh) * | 2020-04-16 | 2020-08-07 | 清华大学 | 基于多传感器数据融合的振动补偿方法及系统 |
| CN111596611A (zh) * | 2020-06-09 | 2020-08-28 | 上海交通大学 | 一种数控机床动力学特性测试分析系统 |
| CN111761409A (zh) * | 2020-07-09 | 2020-10-13 | 内蒙古工业大学 | 一种基于深度学习的多传感器数控机床刀具磨损监测方法 |
-
2021
- 2021-04-20 CN CN202110426767.0A patent/CN113204219B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130060524A1 (en) * | 2010-12-01 | 2013-03-07 | Siemens Corporation | Machine Anomaly Detection and Diagnosis Incorporating Operational Data |
| WO2013117558A1 (de) * | 2012-02-06 | 2013-08-15 | Deckel Maho Pfronten Gmbh | Numerisch gesteuerte werkzeugmaschine und verfahren zum steuern eines automatischen rotatorischen ausrichtvorgangs eines zahnrads an der werkzeugmaschine |
| CN102975119A (zh) * | 2012-11-16 | 2013-03-20 | 清华大学 | 一种数控外圆磨床运行及工艺状态监控与诊断系统 |
| CN103345198A (zh) * | 2013-05-10 | 2013-10-09 | 南京航空航天大学 | 基于特征的数控加工监测触发检测的方法 |
| CN204462795U (zh) * | 2015-03-31 | 2015-07-08 | 浙江柏同机器人科技股份有限公司 | 一种金属切削加工的智能监控系统 |
| CN205129520U (zh) * | 2015-11-23 | 2016-04-06 | 四川文理学院 | 机床主轴故障智能诊断系统 |
| CN105676778A (zh) * | 2016-01-15 | 2016-06-15 | 深圳吉兰丁智能科技有限公司 | 基于传感器监测的智能制造方法和系统以及加工机床 |
| CN111505727A (zh) * | 2020-04-16 | 2020-08-07 | 清华大学 | 基于多传感器数据融合的振动补偿方法及系统 |
| CN111596611A (zh) * | 2020-06-09 | 2020-08-28 | 上海交通大学 | 一种数控机床动力学特性测试分析系统 |
| CN111761409A (zh) * | 2020-07-09 | 2020-10-13 | 内蒙古工业大学 | 一种基于深度学习的多传感器数控机床刀具磨损监测方法 |
Non-Patent Citations (2)
| Title |
|---|
| 刘广瑞等: "多传感器信息融合在焊接质量控制中的应用", 《郑州大学学报(工学版)》 * |
| 朱宏波: "基于多传感器信息融合的数控机床状态监测系统", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅰ辑》 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113204219B (zh) | 2022-04-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Liu et al. | A method of NC machine tools intelligent monitoring system in smart factories | |
| CN102929210B (zh) | 基于特征的数控加工过程控制和优化系统及方法 | |
| Liu et al. | MTConnect-based cyber-physical machine tool: a case study | |
| CN107292422B (zh) | 一种信息-物理-社交融合空间下实现智能制造的S2ensor | |
| Zhu et al. | A cyber-physical production system framework of smart CNC machining monitoring system | |
| JP6073452B2 (ja) | 自動的な技術監督操作を実行して製造システムの性能を向上するための、半自動製造構成における各運転者特有のトライバルナレッジの特定、取込 | |
| CN108710343B (zh) | 状态监控的制造单元智能控制方法、装置、设备及系统 | |
| JPWO2017090098A1 (ja) | 設備管理装置および方法 | |
| CN110394688A (zh) | 基于边缘计算的机床状态监测方法 | |
| US10416661B2 (en) | Apparatuses, systems and methods of secure cloud-based monitoring of industrial plants | |
| Lou et al. | Intelligent machine tool based on edge-cloud collaboration | |
| CN101571712A (zh) | 一种具有加工自适应功能与在机质量检测的监控方法 | |
| US20230315043A1 (en) | System and method for instantaneous performance management of a machine tool | |
| Kubota et al. | Step-nc enabled machine tool digital twin | |
| CN108687285A (zh) | 制造业锻压机床群互联网远程状态监测装置及监测方法 | |
| de Souza et al. | Development of a mobile application for monitoring and controlling a CNC machine using Industry 4.0 concepts | |
| Selvaraj et al. | Real-time fault identification system for a retrofitted ultra-precision CNC machine from equipment's power consumption data: a case study of an implementation | |
| CN113204219B (zh) | 用于智能制造的工业控制器 | |
| CN116520769B (zh) | 数控机床的监测方法、装置、终端设备及计算机存储介质 | |
| Liu et al. | A synchronous association approach of geometry, process and monitoring information for intelligent manufacturing | |
| US10928810B2 (en) | Method for monitoring an optical lens manufacturing process | |
| KR20200119359A (ko) | 혼합 현실을 이용한 설비 모니터링 장치 | |
| KR20230032675A (ko) | Ｃｎｃ 공작기계를 이용한 데이터 수집 시스템 | |
| Yang et al. | Streaming data analysis framework for cyber-physical system of metal machining processes | |
| Wang et al. | Smart machining process monitoring enabled by contextualized process Profiles for Synchronization |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20220310 Address after: 225105 1, No. 20, Chuangye Road, Guangling District, Yangzhou City, Jiangsu Province Applicant after: Yangzhou CHUANSHI Petroleum Machinery Technology Co.,Ltd. Address before: 136000 1301 Haifeng Avenue, Siping City, Jilin Province Applicant before: JILIN NORMAL University |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20231104 Address after: Pingfang Town Shuguang Village, Pingfang District, Harbin City, Heilongjiang Province, 150000 Patentee after: Harbin Geely infinite industry and Trade Co.,Ltd. Address before: 225105 1, No. 20, Chuangye Road, Guangling District, Yangzhou City, Jiangsu Province Patentee before: Yangzhou CHUANSHI Petroleum Machinery Technology Co.,Ltd. |