CN114154272A - 一种应用于喷胶设备的自动清洁控制方法及系统 - Google Patents
一种应用于喷胶设备的自动清洁控制方法及系统 Download PDFInfo
- Publication number
- CN114154272A CN114154272A CN202111595448.9A CN202111595448A CN114154272A CN 114154272 A CN114154272 A CN 114154272A CN 202111595448 A CN202111595448 A CN 202111595448A CN 114154272 A CN114154272 A CN 114154272A
- Authority
- CN
- China
- Prior art keywords
- cleaning
- glue spraying
- spraying equipment
- acquiring
- model
- 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
- 238000004140 cleaning Methods 0.000 title claims abstract description 260
- 239000003292 glue Substances 0.000 title claims abstract description 181
- 238000005507 spraying Methods 0.000 title claims abstract description 175
- 238000000034 method Methods 0.000 title claims abstract description 99
- 238000004088 simulation Methods 0.000 claims description 41
- 230000002159 abnormal effect Effects 0.000 claims description 31
- 238000011156 evaluation Methods 0.000 claims description 25
- 230000000694 effects Effects 0.000 claims description 15
- 238000013210 evaluation model Methods 0.000 claims description 14
- 238000012549 training Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000004519 manufacturing process Methods 0.000 claims description 8
- 230000001960 triggered effect Effects 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 7
- 238000009472 formulation Methods 0.000 claims description 7
- 239000000203 mixture Substances 0.000 claims description 7
- 238000003062 neural network model Methods 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 claims description 3
- 239000007921 spray Substances 0.000 description 13
- 230000001050 lubricating effect Effects 0.000 description 12
- 239000010687 lubricating oil Substances 0.000 description 12
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 10
- 229910052799 carbon Inorganic materials 0.000 description 10
- 230000008021 deposition Effects 0.000 description 10
- 230000009286 beneficial effect Effects 0.000 description 8
- 238000010801 machine learning Methods 0.000 description 8
- 238000007789 sealing Methods 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 7
- 210000001503 joint Anatomy 0.000 description 7
- 238000011010 flushing procedure Methods 0.000 description 6
- 239000004831 Hot glue Substances 0.000 description 4
- 239000000853 adhesive Substances 0.000 description 4
- 230000001070 adhesive effect Effects 0.000 description 4
- 238000002955 isolation Methods 0.000 description 4
- 238000005299 abrasion Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 238000012937 correction Methods 0.000 description 2
- 238000007599 discharging Methods 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 239000000306 component Substances 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 230000009193 crawling Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000001125 extrusion Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 229920000642 polymer Polymers 0.000 description 1
- 238000010926 purge Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/17—Mechanical parametric or variational design
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B05—SPRAYING OR ATOMISING IN GENERAL; APPLYING FLUENT MATERIALS TO SURFACES, IN GENERAL
- B05B—SPRAYING APPARATUS; ATOMISING APPARATUS; NOZZLES
- B05B15/00—Details of spraying plant or spraying apparatus not otherwise provided for; Accessories
- B05B15/50—Arrangements for cleaning; Arrangements for preventing deposits, drying-out or blockage; Arrangements for detecting improper discharge caused by the presence of foreign matter
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0633—Workflow analysis
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- 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
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Geometry (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- General Health & Medical Sciences (AREA)
- Computational Mathematics (AREA)
- Manufacturing & Machinery (AREA)
- Primary Health Care (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Spray Control Apparatus (AREA)
Abstract
本发明提供一种应用于喷胶设备的自动清洁控制方法及系统,其中,方法包括:步骤S1:获取用户设定的清洁计划表;步骤S2:基于清洁计划表,对第一喷胶设备进行相应清洁;步骤S3:当清洁第一喷胶设备时,进行人工介入,以保证清洁过程安全。本发明的应用于喷胶设备的自动清洁控制方法及系统,喷胶设备的使用厂商可以自行设定清洁计划表,基于清洁计划表,对喷胶设备进行相应清洁,无需人工定时操作,极大程度上降低了人力成本。
Description
技术领域
本发明涉及设备控制技术领域,特别涉及一种应用于喷胶设备的自动清洁控制方法及系统。
背景技术
热熔胶喷胶设备中需要对喷枪进行保温,使得喷枪的温度保持在150℃~200℃的有效工作温度条件,但是热熔胶喷胶设备使用的粘胶剂是化工聚合物,化工聚合物长时间保护在高温条件下容易变质、变性,从而产生积碳;喷枪通常由加热体和喷头模块组成,喷头模块是喷枪的核心部件,其由电磁阀控制开启运行或者阻断关闭状态;喷头模块的结构主要分为气道和胶腔,气腔和胶腔之间通过密封隔离装置密封阻断分隔,喷头中心位置的活塞式针阀在工作时持续进行高速往复运动,现有技术中的喷头密封装置在常规运行中易受到活塞式针阀高速运动的磨损,进行喷胶工作时胶液受到的挤压力达到30~60公斤,即3MPa~6MPa,使得胶液易从密封磨损处反向向上溢漏至气道内;胶液还易在密封磨损处堆积凝固形成碳化物,加剧密封磨损;并且高粘度高压的胶液渗漏到隔离区堆积形成积碳后,还会堵塞溢胶孔,造成活塞杆活动迟滞甚至卡死,严重时还会造成电磁阀损坏,使得喷头不能正常工作,影响了喷头使用寿命,维修更换频繁,生产效率低,设备成本投入高;
为解决上述问题,依据公开专利CN214440534U《一种带有自动清洁功能的热熔胶喷枪》记载,可以在喷头模块的侧壁开设多个冲洗进气接头,同时,在喷头模块的内部适应性设置连通冲洗进气接头与密封隔离区等连通,通过冲洗进气接头加入润滑气体或者高温润滑油,对阀针和密封隔离区进行吹扫冲洗,清除密封隔离区的胶液和积碳,降低密封装置的磨损,防止堵塞和卡滞;
但是,加入润滑气体或者高温润滑油均需要人工进行操作,人力成本较大。
因此,亟需一种解决办法。
发明内容
本发明目的之一在于提供了一种应用于喷胶设备的自动清洁控制方法及系统,喷胶设备的使用厂商可以自行设定清洁计划表,基于清洁计划表,对喷胶设备进行相应清洁,无需人工定时操作,极大程度上降低了人力成本。
本发明实施例提供的一种应用于喷胶设备的自动清洁控制方法,包括:
步骤S1:获取用户设定的清洁计划表;
步骤S2:基于所述清洁计划表,对第一喷胶设备进行相应清洁;
步骤S3:当清洁第一喷胶设备时,进行人工介入,以保证清洁过程安全。
优选的,所述步骤S1:获取用户设定的清洁计划表,包括:
获取用户根据自身生产计划和对应于第一喷胶设备的实际使用情况制定的适宜的清洁计划表;
其中,所述清洁计划表包括:多个清洁时间点。
优选的,所述步骤S2:基于所述清洁计划表,对第一喷胶设备进行相应清洁,包括:
获取当前时间,当所述当前时间达到任一所述清洁时间点时,对第一喷胶设备进行清洁。
优选的,所述步骤S3中,当清洁第一喷胶设备时,进行人工介入,包括:
当清洁第一喷胶设备时,由人工监测第一喷胶设备的清洁过程是否安全;
若不安全,可由人工对第一喷胶设备进行相应调整。
优选的,应用于喷胶设备的自动清洁控制方法,还包括:
步骤S4:获取所述第一喷胶设备的运作参数,基于所述运作参数,确定是否进入清洁时机,若是,获取适宜的清洁策略,基于所述清洁策略,对所述第一喷胶设备进行相应清洁,当清洁完成时,控制所述第一喷胶设备继续进行运作。
优选的,步骤S4中,基于所述运作参数,确定是否进入清洁时机,包括:
训练清洁时机确定模型,将所述运作参数输入至所述清洁时机确定模型,获得确定结果;
基于所述确定结果,确定是否进入清洁时机。
优选的,训练清洁时机确定模型,包括:
获取预设的捕捉节点集,所述捕捉节点集包括:多个第一捕捉节点;
获取所述第一捕捉节点对应的捕捉策略;
对所述捕捉策略进行策略拆解,获得多个第一策略项;
对所述第一策略项进行特征分析并提取,获得多个策略特征;
将所述策略特征进行随机特征组合,获得多个组合策略特征;
依次设定待匹配对象,所述待匹配对象包括:所述策略特征和所述组合策略特征;
获取预设的风险特征库,将所述待匹配对象与所述风险特征库中的第一风险特征进行匹配,若匹配符合,将匹配符合的所述待匹配对象作为目标对象,同时,将匹配符合的所述第一风险特征作为第二风险特征;
确定所述目标对象对应的所述第一策略项,并作为第二策略项;
获取所述第二策略项对应的执行过程和执行场景;
获取预设的模拟空间,同时,获取所述执行场景的场景配置信息;
基于所述场景配置信息,在所述模拟空间内搭建对应于所述执行场景的模拟执行场景,同时,在所述模拟执行场景内模拟执行所述执行过程;
执行所述执行过程时,获取所述第二风险特征对应的预设的至少一个第一触发数据流,控制所述第一触发数据流在所述模拟执行场景内随机流转;
当所述第一触发数据流在所述模拟执行场景内受到触发时,将对应所述第一触发数据流作为第二触发数据流,同时,获取所述第二触发数据流受到触发的触发点位;
获取预设的恶意事件捕捉模型,基于所述恶意事件捕捉模型,捕捉所述触发点位发生的至少一个恶意事件;
对所述恶意事件进行事件解析,获取恶意值,并与对应所述第一捕捉节点进行关联;
汇总所述第一捕捉节点关联的所述恶意值,获得恶意值和;
若所述恶意值和大于等于预设的恶意值和阈值,剔除对应所述第一捕捉节点;
当需要剔除的所述第一捕捉节点均剔除后,将剔除剩余的所述第一捕捉节点作为第二捕捉节点;
通过所述第二捕捉节点获取多个第一喷胶设备异常事件;
获取所述第一喷胶设备的第一设备信息,同时,获取发生所述第一喷胶设备异常事件的第二喷胶设备的第二设备信息;
获取预设的利用价值评价模型,将所述第一设备信息和所述第二设备信息一并输入至所述利用价值评价模型,获得评价值;
若所述评价值小于等于预设的评价值阈值,剔除对应所述第一喷胶设备异常事件;
当需要剔除的所述第一喷胶设备异常事件均剔除后,将剔除剩余的所述第一喷胶设备异常事件作为第二喷胶设备异常事件;
通过所述第二捕捉节点获取多个人工确定清洁时机的第一确定过程;
获取执行所述第一确定过程的第一执行人,同时,获取所述第一执行人的第一经验值;
当所述第一执行人的数目为一时,若所述第一经验值小于等于预设的经验阈值,剔除对应所述第一确定过程;
当所述第一执行人的数目大于一时,将最大所述第一经验值作为第二经验值;
获取所述第二经验值对应的所述第一执行人作为第二执行人,同时,将其余所述第一执行人作为第三执行人;
获取所述第二执行人对所述第三执行人进行担保的担保值;
若所述第二经验值小于等于所述经验阈值和/或存在所述担保值小于等于预设的担保值阈值,剔除对应所述第一确定过程;
当需要剔除的所述第一确定过程均剔除后,将剔除剩余的所述第一确定过程作为第二确定过程;
获取预设的神经网络模型,将所述第二喷胶设备异常事件和所述第二确定过程输入至所述神经网络模型进行模型训练,获得清洁时机确定模型。
优选的,获取适宜的清洁策略,包括:
获取所述清洁时机确定模型确定是否进入清洁时机的过程中识别到的至少一个清洁需求事件;
获取预设的备选清洁策略制定模型,将所述清洁需求事件输入至所述备选策略制定模型,获得多个备选清洁策略;
基于所述第一设备信息,构建对应于所述第一喷胶设备的喷胶设备模型;
获取预设的事件发生模拟配置模型,基于所述事件发生模拟配置模型,在所述喷胶设备模型内模拟配置所述清洁需求事件发生;
获取预设的策略模拟执行模型,基于所述策略模拟执行模型,在所述喷胶设备模型内模拟执行所述备选清洁策略;
获取预设的冲突情况捕捉模型,基于所述冲突情况捕捉模型,捕捉所述备选清洁策略在所述喷胶设备模型内模拟执行时所述喷胶设备模型内产生的冲突情况;
对所述冲突情况进行情况解析,获得冲突值;
获取预设的清洁效果评价模型,基于所述清洁效果评价模型,对所述备选清洁策略在所述喷胶设备模型内模拟执行时的清洁效果进行评价,获得评价值;
获取预设的排序值计算模型,将所述冲突值和所述评价值输入所述排序值计算模型,获得排序值,并与对应所述备选清洁策略进行关联;
将最大所述排序值关联的所述备选清洁策略作为适宜的清洁策略,完成获取。
本发明实施例提供的一种应用于喷胶设备的自动清洁控制系统,包括:
获取模块,用于获取用户设定的清洁计划表;
清洁模块,用于基于所述清洁计划表,对第一喷胶设备进行相应清洁;
人工模块,用于当清洁第一喷胶设备时,进行人工介入,以保证清洁过程安全。
优选的,所述获取模块执行如下操作:
获取用户根据自身生产计划和对应于第一喷胶设备的实际使用情况制定的适宜的清洁计划表;
其中,所述清洁计划表包括:多个清洁时间点。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明实施例中一种应用于喷胶设备的自动清洁控制方法的流程图;
图2为本发明实施例中又一应用于喷胶设备的自动清洁控制方法及系统的流程图;
图3为本发明实施例中一种应用于喷胶设备的自动清洁控制系统的示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
本发明实施例提供了一种应用于喷胶设备的自动清洁控制方法,如图1所示,包括:
步骤S1:获取用户设定的清洁计划表;
步骤S2:基于所述清洁计划表,对第一喷胶设备进行相应清洁;
步骤S3:当清洁第一喷胶设备时,进行人工介入,以保证清洁过程安全。
上述技术方案的工作原理及有益效果为:
获取用户(使用厂商)设定的清洁计划表;基于清洁计划表,对第一喷胶设备进行相应清洁(冲洗进气接头可以与润滑气体或者高温润滑油储存罐对接,在对接管路内设置流量计以控制加入量);当清洁第一喷胶设备时,进行人工介入,保证清洁过程的安全;
本发明实施例喷胶设备的使用厂商可以自行设定清洁计划表,基于清洁计划表,对喷胶设备进行相应清洁,无需人工定时操作,极大程度上降低了人力成本。
本发明实施例提供了一种应用于喷胶设备的自动清洁控制方法,所述步骤S1:获取用户设定的清洁计划表,包括:
获取用户根据自身生产计划和对应于第一喷胶设备的实际使用情况制定的适宜的清洁计划表;
其中,所述清洁计划表包括:多个清洁时间点。
上述技术方案的工作原理及有益效果为:
使用厂商可以根据自身生产计划和喷胶设备的实际使用情况制定适宜的清洁计划表;例如:可以每隔2-3小时对喷胶设备进行清洁,还可以在工作人员每次工作半天后休息室对喷胶设备进行清洁。
本发明实施例提供了一种应用于喷胶设备的自动清洁控制方法,所述步骤S2:基于所述清洁计划表,对第一喷胶设备进行相应清洁,包括:
获取当前时间,当所述当前时间达到任一所述清洁时间点时,对第一喷胶设备进行清洁。
上述技术方案的工作原理及有益效果为:
若当前时间达到清洁计划表中的清洁时间点时,对喷胶设备进行清洁即可。
本发明实施例提供了一种应用于喷胶设备的自动清洁控制方法,所述步骤S3中,当清洁第一喷胶设备时,进行人工介入,包括:
当清洁第一喷胶设备时,由人工监测第一喷胶设备的清洁过程是否安全;
若不安全,可由人工对第一喷胶设备进行相应调整。
上述技术方案的工作原理及有益效果为:
当清洁喷胶设备时,喷胶设备仍在运作,为了防止安全事故发生(例如:喷胶设备上设置的排出润滑气体或者高温润滑油排污口对准人),需要人工进行介入,监测喷胶设备的清洁过程。
本发明实施例提供了一种应用于喷胶设备的自动清洁控制方法,如图2所示,还包括:
步骤S4:获取所述第一喷胶设备的运作参数,基于所述运作参数,确定是否进入清洁时机,若是,获取适宜的清洁策略,基于所述清洁策略,对所述第一喷胶设备进行相应清洁,当清洁完成时,控制所述第一喷胶设备继续进行运作。
上述技术方案的工作原理及有益效果为:
当第一喷胶设备(例如:热熔胶喷枪)运行时,获取第一喷胶设备的运作参数(例如:工作温度、粘胶剂类型、粘胶剂剂量和工作时长等),基于运作参数,确定是否进入清洁时机(例如:推断产生过多积碳的可能性,若可能性较大,则确定进入清洁时机),若是,获取适宜的清洁策略(例如:推断哪个位置大概产生多少积碳等,从而确定需要多少润滑气体或者高温润滑油,从哪个冲洗进气接头加入等);基于清洁策略,对第一喷胶设备进行相应清洁(冲洗进气接头可以与润滑气体或者高温润滑油储存罐对接,在对接管路内设置流量计以控制加入量);当清洁完成时,控制第一喷胶设备继续运作;
本发明实施例可以基于喷胶设备运作时的运作参数,确定喷胶设备是否需要清洁,若是,获取适宜的清洁策略,并基于该清洁策略,对喷胶设备进行相应清洁,无需人工确定何时加入润滑气体或者高温润滑油、如何加入润滑气体或者高温润滑油以及加入润滑气体或者高温润滑油的用量均是人工凭借经验确定,极大程度上降低了人力成本,实现了完全自动化,更避免了人工凭借经验确定存在不一定适宜的问题发生。
本发明实施例提供了一种应用于喷胶设备的自动清洁控制方法,步骤S4中,基于所述运作参数,确定是否进入清洁时机,包括:
训练清洁时机确定模型,将所述运作参数输入至所述清洁时机确定模型,获得确定结果;
基于所述确定结果,确定是否进入清洁时机。
上述技术方案的工作原理及有益效果为:
训练一个清洁时机确定模型(机器学习模型),将运作参数输入至清洁时机确定模型,清洁时机确定模型可以基于第一喷胶设备的当前工作情况确定是否需要清洁,输出确定结果;提升了系统的工作效率。
本发明实施例提供了一种应用于喷胶设备的自动清洁控制方法,训练清洁时机确定模型,包括:
获取预设的捕捉节点集,所述捕捉节点集包括:多个第一捕捉节点;
获取所述第一捕捉节点对应的捕捉策略;
对所述捕捉策略进行策略拆解,获得多个第一策略项;
对所述第一策略项进行特征分析并提取,获得多个策略特征;
将所述策略特征进行随机特征组合,获得多个组合策略特征;
依次设定待匹配对象,所述待匹配对象包括:所述策略特征和所述组合策略特征;
获取预设的风险特征库,将所述待匹配对象与所述风险特征库中的第一风险特征进行匹配,若匹配符合,将匹配符合的所述待匹配对象作为目标对象,同时,将匹配符合的所述第一风险特征作为第二风险特征;
确定所述目标对象对应的所述第一策略项,并作为第二策略项;
获取所述第二策略项对应的执行过程和执行场景;
获取预设的模拟空间,同时,获取所述执行场景的场景配置信息;
基于所述场景配置信息,在所述模拟空间内搭建对应于所述执行场景的模拟执行场景,同时,在所述模拟执行场景内模拟执行所述执行过程;
执行所述执行过程时,获取所述第二风险特征对应的预设的至少一个第一触发数据流,控制所述第一触发数据流在所述模拟执行场景内随机流转;
当所述第一触发数据流在所述模拟执行场景内受到触发时,将对应所述第一触发数据流作为第二触发数据流,同时,获取所述第二触发数据流受到触发的触发点位;
获取预设的恶意事件捕捉模型,基于所述恶意事件捕捉模型,捕捉所述触发点位发生的至少一个恶意事件;
对所述恶意事件进行事件解析,获取恶意值,并与对应所述第一捕捉节点进行关联;
汇总所述第一捕捉节点关联的所述恶意值,获得恶意值和;
若所述恶意值和大于等于预设的恶意值和阈值,剔除对应所述第一捕捉节点;
当需要剔除的所述第一捕捉节点均剔除后,将剔除剩余的所述第一捕捉节点作为第二捕捉节点;
通过所述第二捕捉节点获取多个第一喷胶设备异常事件;
获取所述第一喷胶设备的第一设备信息,同时,获取发生所述第一喷胶设备异常事件的第二喷胶设备的第二设备信息;
获取预设的利用价值评价模型,将所述第一设备信息和所述第二设备信息一并输入至所述利用价值评价模型,获得评价值;
若所述评价值小于等于预设的评价值阈值,剔除对应所述第一喷胶设备异常事件;
当需要剔除的所述第一喷胶设备异常事件均剔除后,将剔除剩余的所述第一喷胶设备异常事件作为第二喷胶设备异常事件;
通过所述第二捕捉节点获取多个人工确定清洁时机的第一确定过程;
获取执行所述第一确定过程的第一执行人,同时,获取所述第一执行人的第一经验值;
当所述第一执行人的数目为一时,若所述第一经验值小于等于预设的经验阈值,剔除对应所述第一确定过程;
当所述第一执行人的数目大于一时,将最大所述第一经验值作为第二经验值;
获取所述第二经验值对应的所述第一执行人作为第二执行人,同时,将其余所述第一执行人作为第三执行人;
获取所述第二执行人对所述第三执行人进行担保的担保值;
若所述第二经验值小于等于所述经验阈值和/或存在所述担保值小于等于预设的担保值阈值,剔除对应所述第一确定过程;
当需要剔除的所述第一确定过程均剔除后,将剔除剩余的所述第一确定过程作为第二确定过程;
获取预设的神经网络模型,将所述第二喷胶设备异常事件和所述第二确定过程输入至所述神经网络模型进行模型训练,获得清洁时机确定模型。
上述技术方案的工作原理及有益效果为:
训练清洁时机确定模型时,获取第一捕捉节点(对应一个捕捉人员,捕捉人员捕捉其它型号的第二喷胶设备发生积碳导致的异常事件以及人工确定第二喷胶设备是否需要清洁的确定过程)对应的捕捉策略(例如:规定各异常事件和确定过程上传至某共享网页,捕捉策略即为在该网页上爬取的整个过程);将捕捉策略拆解为多个第一策略项(过程分步)并提取出策略特征;由于捕捉策略的执行过程之间存在关联性,过程之间(例如:前后过程)可能共同产生风险行为;因此,将策略特征进行随机特征组合,获得组合策略特征;分别将单个的策略特征和组合获得的组合策略特征与预设的风险特征库(包含大量策略执行过程中的风险过程特征,例如:为获取更多数据,触发网页超链接,超链接来源不明)中的第一风险特征进行匹配,若匹配符合,确认对应捕捉策略在执行过程中可能会有风险,确定目标对象和第二风险特征;确定目标对象对应的第二策略项(提取出含有目标对象中策略特征的第一策略项);获取目标对象对应的具体的执行过程和执行场景(例如:某网页);获取执行场景的场景配置信息(例如:网页配置信息),基于该场景配置信息,在预设的模拟空间(虚拟空间,与外界操作环境隔离)内配置对应的模拟执行场景,同时,模拟执行所述执行过程;在执行过程执行时,获取第二风险特征对应的预设的至少一个第一触发数据流(触发数据流会被恶意数据触发,例如:第二风险特征为窃取隐私信息,对应触发数据流为标记为隐私信息的数据),控制第一触发数据流进行流转,看是否会被触发,若是,确定触发点位,基于预设的恶意事件捕捉模型(利用机器学习算法对大量人工捕捉恶意事件的记录进行学习后生成的模型),捕捉恶意事件,解析获得恶意值(恶意值越大,该恶意事件的恶意程度越大);当第一捕捉节点对应汇总(求和计算)获得的恶意值和大于等于预设的恶意值和阈值(常数)时,说明第一捕捉节点使用的捕捉策略在执行时产生恶意事件的可能性及恶意程度较高,应予剔除;然后,就可以通过剔除剩余的第二捕捉节点获取第一喷胶设备异常事件(其它型号的第二喷胶设备发生积碳导致的异常事件,包含事件过程、事件原因等),但是,第一喷胶设备异常事件不一定适配第一喷胶设备的清洁时机确定模型的训练(例如:第二喷胶设备与第一喷胶设备的型号完全不同等),因此,分别获取第一喷胶设备的第一设备信息(型号、清洁记录、工作记录、维修保养记录等)和第二喷胶设备的第二设备信息(与第一设备信息同理),并一并输入至预设的利用价值评价模型(利用机器学习算法对大量人工基于两者喷胶设备的属性信息评价第二喷胶设备的第一喷胶设备异常事件的利用价值的记录进行学习后生成的模型),获得评价值,评价值越高,对应第一喷胶设备异常事件的利用价值越高(例如:两者喷胶设备的型号相同、投入使用的时长差不多和使用的粘胶剂的类型和剂量基本一致,则利用价值越高),若评价值小于等于预设的评价值阈值(常数),对应第一喷胶设备异常事件利用价值不高,应予剔除;另外,还需通过第二捕捉节点获取多个第一确定过程,但是,由于第一执行人的经验充足程度不一等,第一确定过程不能全部利用,因此,当只有一个第一执行人时,其第一经验值若较小,对应第一确定过程不可取,应予剔除,当有多个第一执行人时,获取最大第二经验值,同时,确定第二经验值对应的第二执行人和其余第三执行人;若要得到捕捉许可,第二执行人需对第三执行人进行担保,设定担保值,若第二经验值较小和/或担保值较小,说明第二执行人经验不足和/或担保程度不够,剔除对应第一确定过程;将剔除剩余的第二喷胶设备异常事件和第二确定过程输入至预设的神经网络模型中进行训练即可获得清洁时机确定模型;
本发明实施例训练的清洁时机确定模型,智能化地确定喷胶设备是否需要清洁,提升了系统的工作效率;在训练清洁时机确定模型时,设置捕捉节点,从捕捉节点获取数据前,对捕捉节点使用的捕捉策略进行细致化验证,剔除验证不通过的捕捉节点,保证了数据获取的精准性和安全性,提升了清洁时机确定模型训练的准确度;另外,获取数据后,基于数据对应的利用价值和可信程度分别进行再次细致化验证,更进一步提升了清洁时机确定模型训练的准确度。
本发明实施例提供了一种应用于喷胶设备的自动清洁控制方法,获取适宜的清洁策略,包括:
获取所述清洁时机确定模型确定是否进入清洁时机的过程中识别到的至少一个清洁需求事件;
获取预设的备选清洁策略制定模型,将所述清洁需求事件输入至所述备选策略制定模型,获得多个备选清洁策略;
基于所述第一设备信息,构建对应于所述第一喷胶设备的喷胶设备模型;
获取预设的事件发生模拟配置模型,基于所述事件发生模拟配置模型,在所述喷胶设备模型内模拟配置所述清洁需求事件发生;
获取预设的策略模拟执行模型,基于所述策略模拟执行模型,在所述喷胶设备模型内模拟执行所述备选清洁策略;
获取预设的冲突情况捕捉模型,基于所述冲突情况捕捉模型,捕捉所述备选清洁策略在所述喷胶设备模型内模拟执行时所述喷胶设备模型内产生的冲突情况;
对所述冲突情况进行情况解析,获得冲突值;
获取预设的清洁效果评价模型,基于所述清洁效果评价模型,对所述备选清洁策略在所述喷胶设备模型内模拟执行时的清洁效果进行评价,获得评价值;
获取预设的排序值计算模型,将所述冲突值和所述评价值输入所述排序值计算模型,获得排序值,并与对应所述备选清洁策略进行关联;
将最大所述排序值关联的所述备选清洁策略作为适宜的清洁策略,完成获取。
上述技术方案的工作原理及有益效果为:
清洁时机确定模型在确定是否进入清洁时机的过程中,会识别清洁需求事件(喷胶设备内部哪个点位会出现积碳,需要清洁);将清洁需求事件输入至预设的备选清洁策略制定模型(利用机器学习算法对大量人工基于清洁需求事件制定清洁策略的记录进行学习后生成的模型),获得备选清洁策略;基于第一设备信息,构建喷胶设备模型(动态三维模型);基于预设的事件发生模拟配置模型(利用机器学习算法对大量人工模拟配置发生事件的记录进行学习后生成的模型,例如:在模型中哪个点位模拟设置积碳等),在喷胶设备模型内模拟配置清洁需求事件发生;基于策略模拟执行模型(利用机器学习算法对大量人工进行策略模拟执行的记录进行学习后生成的模型,例如:在模型中对应的冲洗进气接头模拟输入清洁润滑气体或者高温润滑油),在喷胶设备模型内模拟执行备选清洁策略;基于预设的冲突情况捕捉模型(利用机器学习算法对大量人工捕捉备选清洁策略执行时喷胶设备模型内产生的冲突情况的记录进行学习后生成的模型,例如:润滑气体或者高温润滑油过量、清洗回路中某器件受到重复清洗等),捕捉备选清洁策略在喷胶设备模型内模拟执行时喷胶设备模型内产生的冲突情况,并解析获得冲突值,冲突值越大,对应备选清洁策略越不适宜;基于预设的清洁效果评价模型(利用机器学习算法对大量人工进行清洁效果评价的记录进行学习后生成的模型,例如:基于清洁总时长和剩余积碳量等进行清洁效果评价),获得评价值,评价值越大,清洁效果越好;将冲突值和排序值输入预设的排序值计算模型,排序值计算模型内置的计算排序值的公式如下:
其中,sort为所述排序值,σ为预设的修正系数,α为所述冲突值,β为所述评价值,μ1和μ2为预设的权重值;
(公式中,冲突值与排序值呈反比,评价值与排序值呈正比,设置合理;同时,设置修正系数,基于用户需求,可对排序值计算进行动态修正;)
获得排序值后,排序值越大,说明对应备选清洁策略越适宜,将最大排序值对应的备选清洁策略作为适宜的清洁策略即可;
本发明实施例获取适宜的清洁策略,保证采用最适宜的清洁策略,对喷胶设备进行清洁控制,提升了喷胶设备的清洁效率,同时,也更加智能化;另外,在获取适宜的清洁策略时,模拟依次进行备选清洁策略,基于冲突值和评价值,综合进行最优备选清洁策略的筛选,设置合理,极大程度升提升了系统的工作效率。
本发明实施例提供了一种应用于喷胶设备的自动清洁控制系统,如图3所示,包括:
获取模块1,用于获取用户设定的清洁计划表;
清洁模块2,用于基于所述清洁计划表,对第一喷胶设备进行相应清洁;
人工模块3,用于当清洁第一喷胶设备时,进行人工介入,以保证清洁过程安全。
本发明实施例提供了一种应用于喷胶设备的自动清洁控制系统,所述获取模块执行1如下操作:
获取用户根据自身生产计划和对应于第一喷胶设备的实际使用情况制定的适宜的清洁计划表;
其中,所述清洁计划表包括:多个清洁时间点。
上述技术方案的工作原理及有益效果在方法权利要求中已经说明,不再赘述。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种应用于喷胶设备的自动清洁控制方法,其特征在于,包括:
步骤S1:获取用户设定的清洁计划表;
步骤S2:基于所述清洁计划表,对第一喷胶设备进行相应清洁;
步骤S3:当清洁第一喷胶设备时,进行人工介入,以保证清洁过程安全。
2.如权利要求1所述的一种应用于喷胶设备的自动清洁控制方法,其特征在于,所述步骤S1:获取用户设定的清洁计划表,包括:
获取用户根据自身生产计划和对应于第一喷胶设备的实际使用情况制定的适宜的清洁计划表;
其中,所述清洁计划表包括:多个清洁时间点。
3.如权利要求2所述的一种应用于喷胶设备的自动清洁控制方法,其特征在于,所述步骤S2:基于所述清洁计划表,对第一喷胶设备进行相应清洁,包括:
获取当前时间,当所述当前时间达到任一所述清洁时间点时,对第一喷胶设备进行清洁。
4.如权利要求1所述的一种应用于喷胶设备的自动清洁控制方法,其特征在于,所述步骤S3中,当清洁第一喷胶设备时,进行人工介入,包括:
当清洁第一喷胶设备时,由人工监测第一喷胶设备的清洁过程是否安全;
若不安全,可由人工对第一喷胶设备进行相应调整。
5.如权利要求1所述的一种应用于喷胶设备的自动清洁控制方法,其特征在于,还包括:
步骤S4:获取所述第一喷胶设备的运作参数,基于所述运作参数,确定是否进入清洁时机,若是,获取适宜的清洁策略,基于所述清洁策略,对所述第一喷胶设备进行相应清洁,当清洁完成时,控制所述第一喷胶设备继续进行运作。
6.如权利要求1所述的一种应用于喷胶设备的自动清洁控制方法,其特征在于,步骤S4中,基于所述运作参数,确定是否进入清洁时机,包括:
训练清洁时机确定模型,将所述运作参数输入至所述清洁时机确定模型,获得确定结果;
基于所述确定结果,确定是否进入清洁时机。
7.如权利要求6所述的一种应用于喷胶设备的自动清洁控制方法,其特征在于,训练清洁时机确定模型,包括:
获取预设的捕捉节点集,所述捕捉节点集包括:多个第一捕捉节点;
获取所述第一捕捉节点对应的捕捉策略;
对所述捕捉策略进行策略拆解,获得多个第一策略项;
对所述第一策略项进行特征分析并提取,获得多个策略特征;
将所述策略特征进行随机特征组合,获得多个组合策略特征;
依次设定待匹配对象,所述待匹配对象包括:所述策略特征和所述组合策略特征;
获取预设的风险特征库,将所述待匹配对象与所述风险特征库中的第一风险特征进行匹配,若匹配符合,将匹配符合的所述待匹配对象作为目标对象,同时,将匹配符合的所述第一风险特征作为第二风险特征;
确定所述目标对象对应的所述第一策略项,并作为第二策略项;
获取所述第二策略项对应的执行过程和执行场景;
获取预设的模拟空间,同时,获取所述执行场景的场景配置信息;
基于所述场景配置信息,在所述模拟空间内搭建对应于所述执行场景的模拟执行场景,同时,在所述模拟执行场景内模拟执行所述执行过程;
执行所述执行过程时,获取所述第二风险特征对应的预设的至少一个第一触发数据流,控制所述第一触发数据流在所述模拟执行场景内随机流转;
当所述第一触发数据流在所述模拟执行场景内受到触发时,将对应所述第一触发数据流作为第二触发数据流,同时,获取所述第二触发数据流受到触发的触发点位;
获取预设的恶意事件捕捉模型,基于所述恶意事件捕捉模型,捕捉所述触发点位发生的至少一个恶意事件;
对所述恶意事件进行事件解析,获取恶意值,并与对应所述第一捕捉节点进行关联;
汇总所述第一捕捉节点关联的所述恶意值,获得恶意值和;
若所述恶意值和大于等于预设的恶意值和阈值,剔除对应所述第一捕捉节点;
当需要剔除的所述第一捕捉节点均剔除后,将剔除剩余的所述第一捕捉节点作为第二捕捉节点;
通过所述第二捕捉节点获取多个第一喷胶设备异常事件;
获取所述第一喷胶设备的第一设备信息,同时,获取发生所述第一喷胶设备异常事件的第二喷胶设备的第二设备信息;
获取预设的利用价值评价模型,将所述第一设备信息和所述第二设备信息一并输入至所述利用价值评价模型,获得评价值;
若所述评价值小于等于预设的评价值阈值,剔除对应所述第一喷胶设备异常事件;
当需要剔除的所述第一喷胶设备异常事件均剔除后,将剔除剩余的所述第一喷胶设备异常事件作为第二喷胶设备异常事件;
通过所述第二捕捉节点获取多个人工确定清洁时机的第一确定过程;
获取执行所述第一确定过程的第一执行人,同时,获取所述第一执行人的第一经验值;
当所述第一执行人的数目为一时,若所述第一经验值小于等于预设的经验阈值,剔除对应所述第一确定过程;
当所述第一执行人的数目大于一时,将最大所述第一经验值作为第二经验值;
获取所述第二经验值对应的所述第一执行人作为第二执行人,同时,将其余所述第一执行人作为第三执行人;
获取所述第二执行人对所述第三执行人进行担保的担保值;
若所述第二经验值小于等于所述经验阈值和/或存在所述担保值小于等于预设的担保值阈值,剔除对应所述第一确定过程;
当需要剔除的所述第一确定过程均剔除后,将剔除剩余的所述第一确定过程作为第二确定过程;
获取预设的神经网络模型,将所述第二喷胶设备异常事件和所述第二确定过程输入至所述神经网络模型进行模型训练,获得清洁时机确定模型。
8.如权利要求7所述的一种应用于喷胶设备的自动清洁控制方法,其特征在于,获取适宜的清洁策略,包括:
获取所述清洁时机确定模型确定是否进入清洁时机的过程中识别到的至少一个清洁需求事件;
获取预设的备选清洁策略制定模型,将所述清洁需求事件输入至所述备选策略制定模型,获得多个备选清洁策略;
基于所述第一设备信息,构建对应于所述第一喷胶设备的喷胶设备模型;
获取预设的事件发生模拟配置模型,基于所述事件发生模拟配置模型,在所述喷胶设备模型内模拟配置所述清洁需求事件发生;
获取预设的策略模拟执行模型,基于所述策略模拟执行模型,在所述喷胶设备模型内模拟执行所述备选清洁策略;
获取预设的冲突情况捕捉模型,基于所述冲突情况捕捉模型,捕捉所述备选清洁策略在所述喷胶设备模型内模拟执行时所述喷胶设备模型内产生的冲突情况;
对所述冲突情况进行情况解析,获得冲突值;
获取预设的清洁效果评价模型,基于所述清洁效果评价模型,对所述备选清洁策略在所述喷胶设备模型内模拟执行时的清洁效果进行评价,获得评价值;
获取预设的排序值计算模型,将所述冲突值和所述评价值输入所述排序值计算模型,获得排序值,并与对应所述备选清洁策略进行关联;
将最大所述排序值关联的所述备选清洁策略作为适宜的清洁策略,完成获取。
9.一种应用于喷胶设备的自动清洁控制系统,其特征在于,包括:
获取模块,用于获取用户设定的清洁计划表;
清洁模块,用于基于所述清洁计划表,对第一喷胶设备进行相应清洁;
人工模块,用于当清洁第一喷胶设备时,进行人工介入,以保证清洁过程安全。
10.如权利要求9所述的一种应用于喷胶设备的自动清洁控制系统,其特征在于,所述获取模块执行如下操作:
获取用户根据自身生产计划和对应于第一喷胶设备的实际使用情况制定的适宜的清洁计划表;
其中,所述清洁计划表包括:多个清洁时间点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111595448.9A CN114154272B (zh) | 2021-12-24 | 2021-12-24 | 一种应用于喷胶设备的自动清洁控制方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111595448.9A CN114154272B (zh) | 2021-12-24 | 2021-12-24 | 一种应用于喷胶设备的自动清洁控制方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114154272A true CN114154272A (zh) | 2022-03-08 |
CN114154272B CN114154272B (zh) | 2022-06-21 |
Family
ID=80452316
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111595448.9A Active CN114154272B (zh) | 2021-12-24 | 2021-12-24 | 一种应用于喷胶设备的自动清洁控制方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114154272B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017050318A1 (de) * | 2015-09-21 | 2017-03-30 | Norbert Deppe | Reinigungsvorrichtung für leimdüsen und reinigungsverfahren |
CN106844486A (zh) * | 2016-12-23 | 2017-06-13 | 北京奇虎科技有限公司 | 爬取动态网页的方法及装置 |
CN107256276A (zh) * | 2017-08-01 | 2017-10-17 | 北京合天智汇信息技术有限公司 | 一种基于云平台的移动App内容安全获取方法及设备 |
CN110362873A (zh) * | 2019-06-19 | 2019-10-22 | 华能集团技术创新中心有限公司 | 一种吹灰控制方法、系统、介质及设备 |
CN110765277A (zh) * | 2019-10-22 | 2020-02-07 | 河海大学常州校区 | 一种基于知识图谱的移动端的在线设备故障诊断平台 |
CN111266230A (zh) * | 2020-01-19 | 2020-06-12 | 泉州华中科技大学智能制造研究院 | 一种监测与消除水性胶喷枪喷嘴内部堵塞的方法 |
CN112702331A (zh) * | 2020-12-21 | 2021-04-23 | 赛尔网络有限公司 | 基于敏感词的恶意链接识别方法、装置、电子设备及介质 |
CN112756324A (zh) * | 2019-10-21 | 2021-05-07 | 深圳前海世纪裕桐科技有限公司 | 一种物品清洗方法、装置及终端设备 |
CN214440534U (zh) * | 2021-01-28 | 2021-10-22 | 广州涂涂乐科技有限公司 | 一种带有自动清洁功能的热熔胶喷枪 |
-
2021
- 2021-12-24 CN CN202111595448.9A patent/CN114154272B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017050318A1 (de) * | 2015-09-21 | 2017-03-30 | Norbert Deppe | Reinigungsvorrichtung für leimdüsen und reinigungsverfahren |
CN106844486A (zh) * | 2016-12-23 | 2017-06-13 | 北京奇虎科技有限公司 | 爬取动态网页的方法及装置 |
CN107256276A (zh) * | 2017-08-01 | 2017-10-17 | 北京合天智汇信息技术有限公司 | 一种基于云平台的移动App内容安全获取方法及设备 |
CN110362873A (zh) * | 2019-06-19 | 2019-10-22 | 华能集团技术创新中心有限公司 | 一种吹灰控制方法、系统、介质及设备 |
CN112756324A (zh) * | 2019-10-21 | 2021-05-07 | 深圳前海世纪裕桐科技有限公司 | 一种物品清洗方法、装置及终端设备 |
CN110765277A (zh) * | 2019-10-22 | 2020-02-07 | 河海大学常州校区 | 一种基于知识图谱的移动端的在线设备故障诊断平台 |
CN111266230A (zh) * | 2020-01-19 | 2020-06-12 | 泉州华中科技大学智能制造研究院 | 一种监测与消除水性胶喷枪喷嘴内部堵塞的方法 |
CN112702331A (zh) * | 2020-12-21 | 2021-04-23 | 赛尔网络有限公司 | 基于敏感词的恶意链接识别方法、装置、电子设备及介质 |
CN214440534U (zh) * | 2021-01-28 | 2021-10-22 | 广州涂涂乐科技有限公司 | 一种带有自动清洁功能的热熔胶喷枪 |
Non-Patent Citations (4)
Title |
---|
VAUGHN, AUDREY K等: "Using the Implicit Association Test to Evaluate Subconscious Attitudes Toward Snakes", 《ANTHROZOOS》 * |
吴静敏: "民用飞机全寿命维修成本控制与分析关键问题研究", 《中国优秀博硕士学位论文全文数据库(博士)工程科技Ⅱ辑》 * |
李莉等: "基于多元数据信息获取的关键技术研究", 《长春理工大学学报(自然科学版)》 * |
颜洪等: "面向出水瓷器修复的虚拟清洁训练设计研究", 《包装工程》 * |
Also Published As
Publication number | Publication date |
---|---|
CN114154272B (zh) | 2022-06-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108764551B (zh) | 基于系统级寿命信息的成组维修决策方法 | |
CN110929648B (zh) | 监控数据处理方法、装置、计算机设备以及存储介质 | |
Chang et al. | The reliability of general vague fault-tree analysis on weapon systems fault diagnosis | |
CN108197845A (zh) | 一种基于深度学习模型lstm的交易指标异常的监测方法 | |
CN112365066A (zh) | 电梯故障预测方法、系统、装置、计算机设备和存储介质 | |
CN107528823A (zh) | 一种基于改进的K‑Means聚类算法的网络异常检测方法 | |
CN107291830A (zh) | 一种设备知识库的创建方法 | |
CN105095990B (zh) | 一种预测维修方法和装置 | |
CN107016448B (zh) | 一种故障/维修时间服从任意分布的周期性检查装备可用性评估方法 | |
CN114154272B (zh) | 一种应用于喷胶设备的自动清洁控制方法及系统 | |
Ye et al. | Competing failure modeling for performance analysis of automated manufacturing systems with serial structures and imperfect quality inspection | |
CN111126820A (zh) | 反窃电方法及系统 | |
CN103235882A (zh) | 核电厂数字化主控室操作员监视行为可靠性判定方法 | |
CN110427824A (zh) | 一种人工智能虚拟场景的安防自动测试方法及系统 | |
Di Pasquale et al. | An HRA-based simulation model for the optimization of the rest breaks configurations in human-intensive working activities | |
CN110333694A (zh) | 基于模糊Petri网的数控设备故障诊断方法 | |
US20180010982A1 (en) | Engine performance modeling based on wash events | |
CN105302476B (zh) | 一种用于核电站设备的可靠性数据在线采集分析存储系统及其存储方法 | |
CN104484277B (zh) | 基于监控点的过程数据动态分析装置及其使用方法 | |
CN114471170B (zh) | 一种基于物联网的陶瓷膜自动加药清洗系统及方法 | |
Skaf et al. | A simple state-based prognostic model for filter clogging | |
CN116386128A (zh) | 一种隧道工人施工状态检测方法、系统、介质及设备 | |
CN116151312A (zh) | 基于Mann-Kendall算法和LSTM神经网络的热力透平机组预警方法及系统 | |
CN114048439A (zh) | 一种基于ai的安全行为分析系统及方法 | |
Liu et al. | Online fault diagnosis in partially observed Petri nets |
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 |