CN114896827A - 基于透明裹包机推盒光电感应的推盒灵敏度维护系统 - Google Patents

Abstract

本发明涉及设备控制调节技术领域，具体涉及一种基于透明裹包机推盒光电感应的推盒灵敏度维护系统。该系统采集推盒动作数据并进行分析整理，获得推盒动作可靠率。根据推盒动作可靠率变化序列对不同裹包机进行分组，并根据每组的数据获得对应的可靠率预测模型，利用可靠率预测模型预测实时可靠率变化序列未来时刻的预测可靠率变化序列。通过对比预测可靠率变化序列和真实可靠率变化序列的相似度判断是否需要进行灵敏度维护，进而通过对控制器参数的控制对推盒动作灵敏度进行控制维护。本发明通过光电感应采集多种推盒动作数据并分析推盒动作状态，从而实现对推盒灵敏度的控制。

Description

基于透明裹包机推盒光电感应的推盒灵敏度维护系统

技术领域

本发明涉及设备控制调节技术领域，具体涉及一种基于透明裹包机推盒光电感应的推盒灵敏度维护系统。

背景技术

透明裹包机广泛应用于各种盒装产品的包装工艺，通过传送带、推盒控制器等多种机械装置将产品进行透明膜包裹工艺。传统的透明裹包机推盒处金属感应开关使用简单的物理摆动结构，在执行推盒动作时容易将摆动的金属板顶偏或者来回摆动时导致紧固螺丝脱落，造成设备停机，影响正常产能。因此现有技术中对推盒动作控制器进行改进，将简单的金属条物理摆动模式修改成整面板直线固定移动模式，不仅能够降低故障率还能够实现灵敏度的自动控制调优。

在生产过程中，因为生产线中透明包装材料较多，容易导致一些裁剪生成的小片透明材料或者透明碎屑进入推盒执行机构，从而导致除自身金属卡滞外的直线结构滑动的卡滞，此类卡滞不会直接影响裹包机的正常工作，但是会影响推盒装置的推盒灵敏度，影响整体设备的稳定性。因此需要对推盒动作控制器进行控制调优，使得推盒装置能够对推盒灵敏度进行维护，保证设备稳定性。常见的推盒动作控制器为PID控制器，对推盒动作控制器进行控制调优的过程通常是人为的根据生产状态对相应参数进行调整，不仅对工作人员的能力素养有要求，还会因为主观判断导致错误调整或者调整后效果达不到预期。

发明内容

为了解决上述技术问题，本发明的目的在于提供一种基于透明裹包机推盒光电感应的推盒灵敏度维护系统，所采用的技术方案具体如下：

本发明提出一种基于透明裹包机推盒光电感应的推盒灵敏度维护系统，所述系统包括：推盒动作数据采集模块、推盒动作数据分析模块、推盒动作可靠率预测模块和推盒灵敏度维护模块；

所述推盒动作数据采集模块用于采集每次推盒动作控制器执行一次推盒动作产生的推盒动作数据；所述推盒动作数据包括控制器启动至稳态状态所需的稳态时间、控制器执行到末端过程中的第一平均脉宽比例和控制器启动至稳态状态过程中的脉宽比例；

所述推盒动作数据分析模块用于根据控制器启动至稳态状态过程中的最大脉宽比例和过程中的第二平均脉宽比例获得卡滞因子；以所述稳态时间、第一平均脉宽比例和所述卡滞因子作为特征向量；对所述特征向量进行特征提取，获得推盒动作可靠率；

所述推盒动作可靠率预测模块用于获取每台透明裹包机的推盒动作可靠率变化序列；根据所述推盒动作可靠率变化序列将多个正常运行的透明裹包机分组，获得多个裹包机组；每组所述裹包机组中的所述推盒动作可靠率变化序列作为训练数据获得可靠率预测模型；采集透明裹包机的实时可靠率变化序列，输入对应的所述可靠率预测模型中，获得预测可靠率变化序列；

所述推盒灵敏度维护模块用于采集所述预测可靠率变化序列对应时序上透明裹包机的真实可靠率变化序列；获得所述预测可靠率变化序列与所述真实可靠率变化序列的相似度；若所述相似度小于预设相似度阈值，则调整控制器的参数，直至所述相似度大于所述相似度阈值。

进一步地，所述推盒动作数据采集模块获取所述稳态时间的方法包括：

根据预设频率通过光电传感器采集控制器的动作速度，获得动作速度序列；若所述动作速度序列中存在预设数量个连续元素的元素值相等，则以所述连续元素的初始元素对应的时间作为控制器达到稳态状态的稳态时间。

进一步地，所述根据控制器启动至稳态状态过程中的最大脉宽比例和过程中的第二平均脉宽比例获得卡滞因子的方法包括：

根据所述最大脉宽比例和所述第二平均脉宽比例的比值获得扰动系数，将所述扰动系数与所述第二平均脉宽比例相乘，获得所述卡滞因子。

进一步地，所述根据所述最大脉宽比例和所述第二平均脉宽比例的比值获得扰动系数包括：

根据扰动系数公式获得所述扰动系数，所述扰动系数公式包括：

其中，

为所述扰动系数，

为以自然常数为底的指数函数，

为自然常数，

为所述最大脉宽比例，

为所述第二平均脉宽比例。

进一步地，所述对所述特征向量进行特征提取，获得推盒动作可靠率的方法包括：

利用基于RBF的核函数的核主成分分析法对所述特征向量进行降维处理，获得降维后的一维数据作为所述推盒动作可靠率。

进一步地，所述根据所述推盒动作可靠率变化序列将多个正常运行的透明裹包机分组，获得多个裹包机组的方法包括：

以不同透明裹包机的所述推盒动作可靠率变化序列之间的差异距离作为样本距离，根据所述样本距离利用K近邻算法对透明裹包机进行分组，获得多个裹包机组。

进一步地，所述以不同透明裹包机的所述推盒动作可靠率变化序列之间的差异距离作为样本距离包括：

获得不同所述推盒动作可靠率变化序列之间每个元素的匹配距离，以平均匹配距离作为所述差异距离；所述匹配距离的获取方法包括：

获得不同所述推盒动作可靠率变化序列之间元素的欧氏距离，获得元素之间的时序信息差异，根据所述时序信息差异获得距离权重，所述时序信息差异和所述距离权重为正相关关系；以所述距离权重和所述欧氏距离的乘积作为初始匹配距离；获得所述推盒动作可靠率变化序列中目标元素与其他所述推盒动作可靠率变化序列中的所有元素的所述初始匹配距离，以最小初始匹配距离作为所述匹配距离。

进一步地，所述获得所述预测可靠率变化序列与所述真实可靠率变化序列的相似度包括：

以所述预测可靠率变化序列和所述真实可靠率变化序列之间的皮尔逊相关系数作为所述相似度。

进一步地，所述调整控制器的参数，直至所述相似度大于所述相似度阈值包括：

设置调整比例系数，以当前所述相似度与所述比例系数的乘积作为调整后所需要达到的相似度大小，直至所需要达到的相似度大于所述相似度阈值；

若所需调整次数大于预设调整次数阈值，则停止透明裹包机运行并发出预警信号。

本发明具有如下有益效果：

本发明实施例利用透明裹包机上安装的光电感应传感器获取裹包机每次推盒动作控制器执行一次推盒动作产生的推盒动作数据。丰富的推盒动作数据可用于表征当前推盒动作的状态，进一步为了简化后续计算的计算量，将推盒动作数据组成的特征向量进行特征提取，获得一维数据推盒动作可靠率。通过推盒动作可靠率将不同裹包机分组并各自训练可靠率预测模型，使得可根据实时可靠率变化序列预测出预测可靠率变化序列，根据预测可靠率变化序列与真实可靠率变化序列之间的相似度判断当前裹包机的推盒控制器是否出现灵敏度异常，并调整控制器的参数，使得推盒控制器能够对推盒灵敏度进行控制维护，保证了裹包机的运行稳定状态。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。

图1为本发明一个实施例所提供的一种基于透明裹包机推盒光电感应的推盒灵敏度维护系统框图。

具体实施方式

为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种基于透明裹包机推盒光电感应的推盒灵敏度维护系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。

下面结合附图具体的说明本发明所提供的一种基于透明裹包机推盒光电感应的推盒灵敏度维护系统的具体方案。

请参阅图1，其示出了本发明一个实施例提供的一种基于透明裹包机推盒光电感应的推盒灵敏度维护系统框图，该系统包括：推盒动作数据采集模块101、推盒动作数据分析模块102、推盒动作可靠率预测模块103和推盒灵敏度维护模块104。

透明裹包机的推盒动作控制器可安装多种光电感应传感器，用于监测执行推盒动作时的动作数据并上传。推盒动作数据采集模块101通过多种光电感应传感器采集每次推盒动作控制器执行一次推盒动作产生的推盒动作数据，其中推盒动作数据包括：控制器启动至稳态状态所需的稳态时间、控制器执行到末端过程中的第一平均脉宽比例和控制器启动至稳态状态过程中的脉宽比例。每种推盒动作数据的获取方法及意义具体包括：

（1）对于稳态时间而言，推盒动作控制器由启动至稳态状态的过程为控制器克服了推盒的非线性摩擦力影响，实现匀速运动的过程。如果推盒灵敏度变差有可能会使得稳态时间增加，因此稳态时间可作为推盒动作过程中的特征数据之一，具体获取方法包括：根据预设频率通过光电传感器采集控制器的动作速度，获得动作速度序列。若动作速度序列中存在预设数量个连续元素的元素值相等，则以连续元素的初始元素对应的时间作为控制器达到稳态状态的稳态时间。在本发明实施例中，采样频率设置为0.1秒，预设数量设置为10。

（2）对于第一平均脉宽比例而言，第一平均脉宽比例代表了推盒控制器执行到末端且尽可能保持目标速度所需要的平均脉宽比例，当推盒控制器的滑轨发生卡滞或者异物影响时，越接近末端所克服的阻力越大，因为推盒控制器的PID参数是针对克服阻力运动设定的，因此末端的第一平均脉宽比例可作为区分卡滞原因的特征数据。在本发明实施例中，以推盒动作整个过程的最后十分之一阶段作为末端过程，利用电数据传感器采集脉宽比例，采样频率设置为0.1秒。

（3）对于脉宽比例而言，同样利用电数据传感器采集脉宽比例，采样频率设置为0.1秒，采集控制器启动至稳态状态过程中的脉宽比例，即获得一个时间长度为稳态时间的脉宽比例序列。

如果推盒动作控制器出现了卡滞，则在控制器由启动至稳态状态这段过程中需要克服更多阻力，因此在该过程中的脉宽比例序列能够反映当前的卡滞程度，因此推盒动作数据分析模块102对脉宽比例序列进行分析，根据该序列中的最大脉宽比例和该序列的第二平均脉宽比例获得卡滞因子，即卡滞因子与最大脉宽比例和第二平均脉宽比例呈正相关关系。卡滞因子越大，说明当前控制器的卡滞程度越大。由于推盒过程需要推动产品进行包装，透明包裹工艺的特点是包装表面覆盖一层透明膜材，表面较为光滑，与传送带等表面的接触率更高，在推盒过程中表面光滑但不意味着阻力较低。透明包装表面和传送带等平面接触和一般的刚性接触不同，摩擦力从静摩擦到滑动如同轮胎相较于路面一样，存在一定的弹性形变和微结构上的相互锁定，其效果如同皮肤与光滑的滑梯在一定压力下发生剐蹭，有不确定的摩擦力。所以一个透明裹包机推盒动作控制器原生的卡滞因子比较高，尤其是有异物的工况下，卡滞因子的分布会明显区别于正常工况。因此卡滞因子可作为推盒动作的特征数据之一。具体获得卡滞因子的方法包括：

根据最大脉宽比例和第二平均脉宽比例的比值获得扰动系数，具体包括：

根据扰动系数公式获得扰动系数，扰动系数公式包括：

其中，

为扰动系数，

为以自然常数为底的指数函数，

为自然常数，

为最大脉宽比例，

为第二平均脉宽比例。将扰动系数与第二平均脉宽比例相乘，获得卡滞因子。

脉宽比例的最大值和平均值的比例可以体现控制中的过冲调整程度，当过冲程度越大，系统振荡越明显，则推盒动作中遇到随机性的动静摩擦现象较为明显。因此以扰动系数作为第二平均脉宽比例的权重，能够放大推盒克服动静摩擦力过冲中所带来的无效输出时的等效脉宽比例。

推盒动作数据分析模块102将稳态时间、第一平均脉宽比例和卡滞因子作为裹包机一个推盒动作过程中的特征向量，即该特征向量的长度为三，其中的三个特征数据能共同体现推盒工作过程中的状态。进一步为了方便后续的计算，将特征向量进行特征提取，获得推盒动作可靠率，具体包括：利用基于RBF的核函数的核主成分分析法对特征向量进行降维处理，获得降维后的一维数据作为推盒动作可靠率。

需要说明的是，基于RBF的核函数的核主成分分析法为本领域技术人员熟知的现有技术，在此仅简述其过程：

（1）将特征向量视为一个三行一列的矩阵，得到3维特征向量矩阵

，其中

，

表示第

个矩阵。

（2）计算RBF核矩阵

，并中心化为

；其中

和

的具体计算方法为：计算RBF核矩阵

，并中心化为

。具体包括：

式中

是元素为

的

矩阵，

为核参数；

（3）计算

的特征值核特征向量，将

的特征值

进行降序排列，取特征值序列前E个特征值

和对应的特征向量

。其中E为1。

（4）利用核矩阵和上述过程选出的特征值、特征向量计算降维结果

。

降维后的数据简化了后续过程的计算时间，降低了数据分析所需的硬件性能，并且因为推盒动作可靠率为特征数据，因此参考性和代表性更强，可作为后续分类过程中的重要参考指标。

推盒动作可靠率预测模块103用于获取每台透明裹包机的推盒动作可靠率变化序列，并根据推盒动作可靠率变化序列将多个正常运行的透明裹包机分组，获得多个裹包机组。推盒动作可靠率变化序列为连续推盒动作所产生的数据序列，即序列中的元素是在时序上连续的，不同裹包机所包装的产品不同、生产环境不同等因素，均会导致推盒动作数据不同，因此根据推盒动作可靠率变化序列将透明裹包机进行分组可获得多个裹包机组，不同裹包机组的工作状态不同，一个裹包机组中的裹包机具有相同的工作状态。具体分组方法包括：

以不同透明裹包机的推盒动作可靠率变化序列之间的差异距离作为样本距离，具体包括：

获得不同推盒动作可靠率变化序列之间每个元素的匹配距离，以平均匹配距离作为差异距离。匹配距离的获取方法包括：

获得不同推盒动作可靠率变化序列之间元素的欧氏距离，获得元素之间的时序信息差异，根据时序信息差异获得距离权重，时序信息差异和距离权重为正相关关系。以距离权重和欧氏距离的乘积作为初始匹配距离，通过距离权重可放大时序信息差异较大的两个元素之间的距离，避免将其匹配在一起，保证了匹配的准确性。获得推盒动作可靠率变化序列中目标元素与其他推盒动作可靠率变化序列中的所有元素的初始匹配距离，以最小初始匹配距离作为匹配距离。

根据样本距离利用K近邻算法对透明裹包机进行分组，获得多个裹包机组。

需要说明的是，K近邻算法为本领域技术人员熟知的技术手段，具体实施方式不再赘述。因为K近邻算法中K的取值较为重要，K值如果选取小，估计误差就会增大，K值如果取大，近似误差就会增大，因此可采用交叉验证的方法得到K值，交叉验证就是模型调参过程，将数据集分为训练集和验证集，通过交叉验证即可获得最佳K值，在本发明实施例中，K的取值为6。

因为每组的裹包机组都属于同一工作状态，因此每组裹包机组中的可靠率变化序列均可作为训练数据用于训练该组对应的可靠率预测模型，可靠率预测模型通过学习推盒动作可靠率变化序列中的变化特征实现预测未来时刻推盒动作可靠率的目的。在本发明实施例中可靠率预测模型选用循环神经网络结构，循环神经网络结构及训练过程为本领域技术人员熟知的，因此在此不再赘述，仅简要说明训练过程：

将训练数据的前80％的长度作为训练集，以未来时刻的数据作为标签，后20％的长度作为测试集。以均方差作为网络损失函数进行训练，直至网络收敛。

采集透明裹包机的实时可靠率变化序列，将其输入对应的可靠率预测模型中，获得可靠率变化序列。需要说明的是，实时可靠率变化序列在输入可靠率预测模型之前需要确定其透明裹包机属于哪个裹包机组，可将透明裹包机初始运行时间对应的推盒动作可靠率变化序列与每个裹包机组进行匹配，选择最匹配的裹包机组作为该透明裹包机组对应的裹包机组。

推盒灵敏度维护模块104用于采集预测可靠率变化序列对应时序上透明裹包机的真实可靠率变化序列，因为可靠率预测模型是由正常运行状态下的裹包机的推盒数据训练完成，因此所预测的预测可靠率变化序列为正常状态下的数据序列，因此可对比真实可靠率变化序列和预测可靠率变化序列获得相似度，如果相似度较小，则说明此时裹包机的推盒控制器的推盒灵敏度出现异常。优选的，以预测可靠率变化序列和真实可靠率变化序列之间的皮尔逊相关系数作为相似度。因此设定相似度阈值，若相似度小于预设相似度阈值，则调整控制器的参数，直至相似度大于相似度阈值，实现推盒灵敏度的维护，保证裹包机的稳定运行。在本发明实施例中，考虑到推盒控制器为PID控制器，因此只需调整PID控制器的增益即可实现调整参数的目的，具体包括：

设置调整比例系数，以当前相似度与比例系数的乘积作为调整后所需要达到的相似度大小。需要说明的是，如果当前相似度过小，与比例系数相乘后仍无法达到相似度阈值，则需要进行多次调整，即再次与比例系数相乘，获得下次调整所要达到的相似度，直至所需要达到的相似度大于相似度阈值。在本发明实施例中，相似度阈值设置为0.8，调整比例系数设置为1.2。

需要说明的是，控制器的参数不应无限制的调整，当所需要调整次数过多，可能会导致PID控制器超调过于明显，因此需要设置调整次数阈值，若所需调整次数大于预设调整次数阈值，则说明当前控制器无法克服机械异常，需要停止透明裹包机运行并发出预警信号。需要说明的是，调整次数阈值可根据具体控制器参数即运行能力进行调整，在此不做限定。

综上所述，本发明实施例通过推盒动作数据采集模块采集推盒动作数据。推盒动作数据分析模块将推盒动作数据进行分析并整理，获得推盒动作可靠率。推盒动作可靠率预测模块根据推盒动作可靠率变化序列对不同裹包机进行分组，并根据每组的数据获得对应的可靠率预测模型，利用可靠率预测模型预测实时可靠率变化序列未来时刻的预测可靠率变化序列。推盒灵敏度维护模块通过对比预测可靠率变化序列和真实可靠率变化序列的相似度判断是否需要进行灵敏度维护，进而通过对控制器参数的控制对推盒动作灵敏度进行控制维护。本发明实施例通过光电感应采集多种推盒动作数据并分析推盒动作状态，从而实现对推盒灵敏度的控制。

需要说明的是：上述本发明实施例先后顺序仅仅为了描述，不代表实施例的优劣。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，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 (9)

1.一种基于透明裹包机推盒光电感应的推盒灵敏度维护系统，其特征在于，所述系统包括：推盒动作数据采集模块、推盒动作数据分析模块、推盒动作可靠率预测模块和推盒灵敏度维护模块；

所述推盒动作数据采集模块用于采集每次推盒动作控制器执行一次推盒动作产生的推盒动作数据；所述推盒动作数据包括控制器启动至稳态状态所需的稳态时间、控制器执行到末端过程中的第一平均脉宽比例和控制器启动至稳态状态过程中的脉宽比例；

所述推盒动作数据分析模块用于根据控制器启动至稳态状态过程中的最大脉宽比例和过程中的第二平均脉宽比例获得卡滞因子；以所述稳态时间、第一平均脉宽比例和所述卡滞因子作为特征向量；对所述特征向量进行特征提取，获得推盒动作可靠率；

所述推盒动作可靠率预测模块用于获取每台透明裹包机的推盒动作可靠率变化序列；根据所述推盒动作可靠率变化序列将多个正常运行的透明裹包机分组，获得多个裹包机组；每组所述裹包机组中的所述推盒动作可靠率变化序列作为训练数据获得可靠率预测模型；采集透明裹包机的实时可靠率变化序列，输入对应的所述可靠率预测模型中，获得预测可靠率变化序列；

所述推盒灵敏度维护模块用于采集所述预测可靠率变化序列对应时序上透明裹包机的真实可靠率变化序列；获得所述预测可靠率变化序列与所述真实可靠率变化序列的相似度；若所述相似度小于预设相似度阈值，则调整控制器的参数，直至所述相似度大于所述相似度阈值。

2.根据权利要求1所述的一种基于透明裹包机推盒光电感应的推盒灵敏度维护系统，其特征在于，所述推盒动作数据采集模块获取所述稳态时间的方法包括：

根据预设频率通过光电传感器采集控制器的动作速度，获得动作速度序列；若所述动作速度序列中存在预设数量个连续元素的元素值相等，则以所述连续元素的初始元素对应的时间作为控制器达到稳态状态的稳态时间。

3.根据权利要求1所述的一种基于透明裹包机推盒光电感应的推盒灵敏度维护系统，其特征在于，所述根据控制器启动至稳态状态过程中的最大脉宽比例和过程中的第二平均脉宽比例获得卡滞因子的方法包括：

根据所述最大脉宽比例和所述第二平均脉宽比例的比值获得扰动系数，将所述扰动系数与所述第二平均脉宽比例相乘，获得所述卡滞因子。

4.根据权利要求3所述的一种基于透明裹包机推盒光电感应的推盒灵敏度维护系统，其特征在于，所述根据所述最大脉宽比例和所述第二平均脉宽比例的比值获得扰动系数包括：

根据扰动系数公式获得所述扰动系数，所述扰动系数公式包括：

其中，

为所述扰动系数，

为以自然常数为底的指数函数，

为自然常数，

为所述最大脉宽比例，

为所述第二平均脉宽比例。

5.根据权利要求1所述的一种基于透明裹包机推盒光电感应的推盒灵敏度维护系统，其特征在于，所述对所述特征向量进行特征提取，获得推盒动作可靠率的方法包括：

利用基于RBF的核函数的核主成分分析法对所述特征向量进行降维处理，获得降维后的一维数据作为所述推盒动作可靠率。

6.根据权利要求1所述的一种基于透明裹包机推盒光电感应的推盒灵敏度维护系统，其特征在于，所述根据所述推盒动作可靠率变化序列将多个正常运行的透明裹包机分组，获得多个裹包机组的方法包括：

以不同透明裹包机的所述推盒动作可靠率变化序列之间的差异距离作为样本距离，根据所述样本距离利用K近邻算法对透明裹包机进行分组，获得多个裹包机组。

7.根据权利要求6所述的一种基于透明裹包机推盒光电感应的推盒灵敏度维护系统，其特征在于，所述以不同透明裹包机的所述推盒动作可靠率变化序列之间的差异距离作为样本距离包括：

获得不同所述推盒动作可靠率变化序列之间每个元素的匹配距离，以平均匹配距离作为所述差异距离；所述匹配距离的获取方法包括：

获得不同所述推盒动作可靠率变化序列之间元素的欧氏距离，获得元素之间的时序信息差异，根据所述时序信息差异获得距离权重，所述时序信息差异和所述距离权重为正相关关系；以所述距离权重和所述欧氏距离的乘积作为初始匹配距离；获得所述推盒动作可靠率变化序列中目标元素与其他所述推盒动作可靠率变化序列中的所有元素的所述初始匹配距离，以最小初始匹配距离作为所述匹配距离。

8.根据权利要求1所述的一种基于透明裹包机推盒光电感应的推盒灵敏度维护系统，其特征在于，所述获得所述预测可靠率变化序列与所述真实可靠率变化序列的相似度包括：

以所述预测可靠率变化序列和所述真实可靠率变化序列之间的皮尔逊相关系数作为所述相似度。

9.根据权利要求1所述的一种基于透明裹包机推盒光电感应的推盒灵敏度维护系统，其特征在于，所述调整控制器的参数，直至所述相似度大于所述相似度阈值包括：

设置调整比例系数，以当前所述相似度与所述比例系数的乘积作为调整后所需要达到的相似度大小，直至所需要达到的相似度大于所述相似度阈值；

若所需调整次数大于预设调整次数阈值，则停止透明裹包机运行并发出预警信号。

Images