CN115268388B - 一种锂电数字化工厂智能控制方法及系统 - Google Patents
一种锂电数字化工厂智能控制方法及系统 Download PDFInfo
- Publication number
- CN115268388B CN115268388B CN202211170056.2A CN202211170056A CN115268388B CN 115268388 B CN115268388 B CN 115268388B CN 202211170056 A CN202211170056 A CN 202211170056A CN 115268388 B CN115268388 B CN 115268388B
- Authority
- CN
- China
- Prior art keywords
- data
- layer
- intelligent
- control
- intelligent equipment
- 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
Links
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 title claims abstract description 43
- 229910052744 lithium Inorganic materials 0.000 title claims abstract description 43
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000004519 manufacturing process Methods 0.000 claims abstract description 41
- 238000004458 analytical method Methods 0.000 claims abstract description 18
- 238000004140 cleaning Methods 0.000 claims abstract description 13
- 230000004927 fusion Effects 0.000 claims abstract description 13
- 238000001514 detection method Methods 0.000 claims abstract description 8
- 230000005540 biological transmission Effects 0.000 claims abstract description 7
- 238000010276 construction Methods 0.000 claims abstract description 7
- 230000007246 mechanism Effects 0.000 claims abstract description 5
- 238000003860 storage Methods 0.000 claims description 26
- 238000012544 monitoring process Methods 0.000 claims description 21
- 238000012545 processing Methods 0.000 claims description 14
- 230000008569 process Effects 0.000 claims description 10
- 238000004088 simulation Methods 0.000 claims description 8
- 238000004891 communication Methods 0.000 claims description 7
- 238000005457 optimization Methods 0.000 claims description 7
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 230000002159 abnormal effect Effects 0.000 claims description 4
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 claims description 3
- 150000001875 compounds Chemical class 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 229910001416 lithium ion Inorganic materials 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 239000000463 material Substances 0.000 abstract description 8
- 206010063385 Intellectualisation Diseases 0.000 abstract description 4
- 230000006870 function Effects 0.000 description 11
- 238000007726 management method Methods 0.000 description 7
- 238000004590 computer program Methods 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 238000003908 quality control method Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000002547 anomalous effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 238000005245 sintering Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect 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] or computer integrated manufacturing [CIM]
- G05B19/4185—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] or computer integrated manufacturing [CIM] characterised by the network communication
- G05B19/4186—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] or computer integrated manufacturing [CIM] characterised by the network communication by protocol, e.g. MAP, TOP
-
- 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
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)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提出了一种锂电数字化工厂智能控制方法及系统，采集生产智能化装备、传输智能化装备和检测智能化装备的实时数据；边缘层实现数据选取与分析，将所述智能装备层采集的实时数据在边缘侧进行协议解析、数据清洗和数据融合，并传输给模型构建层；模型构建层将处理好的数据构建成操作节点模型，用于计算并输出最简操作节点；远程操控层搭建远程控制模块，建立远程控制机制，并根据模型构建层计算的最简操作节点通过所述系统建立层发送控制指令实现对智能装备层的远程控制；系统建立层与所述模型构建层进行交互实现锂电数字车间智能生产过程的数字化，推动了锂电材料制造过程自动化、数字化、智能化。
Description
技术领域
本发明涉及锂电数字化工厂控制领域，尤其涉及一种锂电数字化工厂智能控制方法及系统。
背景技术
锂电池由于其较好的结构稳定性和热稳定性，作为动力电池广泛地应用在各大领域。锂电材料作为关键的原材料，决定锂电池性能提升的关键，占锂电池成本40％以上。目前锂电材料行业数字化车间正处于高速发展阶段，虽然其大部分设备拥有了自动化、智能化能力，但是大多数时候单个设备之间、设备与系统之间还存在着相互无法建立通讯、彼此数据孤立的问题。
同时，车间级的集中控制系统对于整个锂电车间的设备监控、生产运行、故障信息等数据还存在着仍需要分别查看，管理者无法简单、明了、方便、快速的掌握量化、准确的生产数据的问题，因此，现有技术中的锂电数字化工厂控制系统还未能达到制造过程的自动化、数字化、智能化，更无法进行远程操控。
发明内容
为了解决上述技术问题，本发明提出了一种锂电数字化工厂智能控制方法，包括如下步骤：
S1、采集智能装备层的作业数据；
S2、对所述作业数据进行协议解析、数据清洗和数据融合；
S3、利用步骤S2处理好的数据构建操作节点模型，计算最简操作节点，所述最简操作节点为满足下列条件的操作节点：当操作节点数量在n+1下满足目标精度，而在n时不满足目标精度；
S4、根据所述最简操作节点通过向系统建立层发送控制指令实现对智能装备层的远程操控。
进一步地，所述步骤S3包括如下步骤：
步骤S31，获取协议解析、数据清洗和数据融合后的数据信息；
步骤S32，利用最简操作节点算法，通过和操作节点对应的车间实际控制点的可编程控制系统之间的通讯，实现实际智能化装备的实时作业数据、监控数据和操作节点的虚拟仿真数据的实时同步，建立操作节点模型；
步骤S33，输出最简操作节点，完成单个智能化装备的操作优化。
步骤S34，重复步骤S31-步骤S33的操作控制过程，进行仿真运行，直至仿真运行正常。
进一步地，所述步骤S33中，操作节点模型构建步骤包括：
利用最简的操作节点优化智能装备操作路径的拟合，智能装备的操作路径表示为：
式中，t为数据点的参数化值，Sn（t）为智能装备的操作路径在t处的拟合点向量，操作节点总数为n+1，智能装备操作路径的操作节点向量集为：
，Nj,p（t）为智能装备路径基函数，下角标j，p分别为路径基函数的序号和操作路径的次数。
进一步地，Nj,p（t）定义如式（2）：
式中，uj、uj+1、uj+p、uj+p+1均为邻居点权重集
中的邻居点权重，邻居点的总数为m个。
进一步地，将装备操作路径拟合逼近的过程分为数据点参数化、节点配置和求未知操作节点三个步骤，
采用向心参数化方法对数据点进行参数化，参数化方法表示为式（3）：
式中，i为当前数据点的序号，M+1为数据点的总数，ti为第i个数据点的参数化值，
为第k个数据点和第k-1个数据点的欧氏距离,
为第j个数据点和第j-1个数据点的欧氏距离；
邻居点的总数为m个，路径次数为p，操作节点总数为n+1，存在式（4）的约束关系：
m=n+p+1 （4）；
邻居点权重集
还遵循式（5）的配置：
式中，
为一组邻居点权重集的内邻居点权重，p为装备操作路径的次数；
装备操作路径的拟合逼近精度指标为原始数据点到拟合路径的欧氏距离，如式(6)所示：
式中，δ为逼近精度指标，
为装备操作路径在ti处的拟合点向量，原始数据点数为M+1，Qi表示第i个原始数据点向量，ti为节点的参数化值，
为欧氏范数。
进一步地，给定一组待拟合路径数据点，式（6）转化为以邻居点和内邻居点权重为未知量的待解问题，如式（7）所示：
求解操作节点数量n+1，使得操作节点数量在n+1下满足目标精度，而在n时不满足目标精度：
本发明还提出了一种锂电数字化工厂智能控制系统，用于实现上述的锂电数字化工厂智能控制方法，包含：智能装备层、边缘层、模型构建层、远程操控层和系统建立层；
所述智能装备层用于采集生产智能化装备、传输智能化装备和检测智能化装备的实时数据；
所述边缘层实现数据选取与分析，将所述智能装备层采集的实时数据在边缘侧进行协议解析、数据清洗和数据融合，并传输给模型构建层；
所述模型构建层将所述边缘层处理好的数据构建成操作节点模型，用于计算并输出最简操作节点，所述最简操作节点为满足下列条件的操作节点：当操作节点数量在n+1下满足目标精度，而在n时不满足目标精度；
所述远程操控层搭建远程控制模块，建立远程控制机制，并根据模型构建层计算的最简操作节点通过所述系统建立层发送控制指令实现对智能装备层的远程控制；
所述系统建立层与所述模型构建层进行交互实现锂电数字车间智能生产过程的数字化。
进一步地，所述边缘层包括智能网关和分布式服务器；
所述智能网关，汇聚所述智能装备层的数据，对数据进行协议解析、数据清洗和数据融合后将其传输到分布式服务器；
所述分布式服务器，对所述智能网关处理过后的实时数据进行数据归一化、特征提取和异常检测，将异常数据进行处理，并将正常数据传输给模型构建层。
进一步地，所述远程控制模块包括控制器、多个控制终端、存储部以及权限处理部；
所述控制器对构成实际锂电车间现场的多个智能生产装备进行控制；
所述多个控制终端与多个智能生产装备分别对应设置，并显示有一个以上的操作监视画面；
所述中央处理器与所述多个控制终端通信连接，并从所述控制器收集控制数据。
所述存储部包括中央处理器存储部和控制终端存储部，所述中央处理器存储部对显示在多个控制终端中的操作监视画面中的与对多个生产装备的控制数据进行存储；所述控制终端存储部对所述控制终端的终端数据进行复制和存储；
所述权限处理部与各个所述操作监视画面对应设置在多个控制终端中，基于存储在所述控制终端存储部中的终端数据进行监视画面上的权限处理。
相比于现有技术，本发明具有如下有益技术效果：
将智能装备层采集的实时数据在边缘侧进行协议解析、数据清洗和数据融合，并传输给模型构建层；模型构建层将边缘层采集处理好的数据构建数字模拟模型，计算最简操作节点，推动锂电材料制造过程自动化、数字化、智能化；远程操控层根据模型构建层计算的最简操作节点通过系统建立层发送控制指令或控制数据实现对智能装备层进行远程控制，系统建立层以智能优化调度和质量控制为核心构建锂电数字化工厂智能制造执行系统，有利于提升锂电材料行业装备、质量控制等关键技术，带动安全可控智能装备的创新与应用。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，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性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明的锂电数字化工厂智能控制系统的结构示意图；
图2为本发明的锂电数字化工厂智能控制方法的流程图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
在本发明的具体实施例附图中，为了更好、更清楚的描述系统中的各元件的工作原理，表现所述装置中各部分的连接关系，只是明显区分了各元件之间的相对位置关系，并不能构成对元件或结构内的信号传输方向、连接顺序及各部分结构大小、尺寸、形状的限定。
如图1所示，为锂电数字化工厂智能控制系统的结构示意图，主要包含五个层，分别为智能装备层、边缘层、模型构建层、远程操控层和系统建立层。如图2所示，为锂电数字化工厂智能控制方法的流程图。
第一个层次为数字化的智能装备层，主要包含生产智能化装备、传输智能化装备和检测智能化装备，并采集上述智能化装备的作业数据。
生产智能化装备包括：材料烧结流水产线、粉碎分级流水产线、干湿混合制粒机、真空加料机、自动筛分机、全自动包装线、除尘装备等。
传输智能化装备：搬运机器人、倍速输送链、定位装置、阻挡装置等；
检测智能化装备：热分析仪、衍射仪、扫描电子显微镜、光谱测试仪、激光粒度分析仪、比表面测试仪等。
第二个层次为边缘层，边缘层是模型构建层和智能装备层的中转层，智能装备层不需要直接与模型构建层进行交互，大大降低了资源消耗和带宽，与此同时边缘层也拥有一定的数据处理和计算能力，边缘层的计算可满足锂电数字化工厂对数据的实时性要求，实现数据选取与分析，将智能装备层采集的实时作业数据在边缘侧进行协议解析、数据清洗和数据融合，并传输给模型构建层，使得锂电数字化工厂的自动化水平大大提升，并实现其对目标属性的自动识别和故障预警，辅助实现锂电数字化工厂全自动化动态势感知的目标。
边缘层包括智能网关和分布式服务器；所述智能网关和分布式服务器，通过虚拟化技术实现网络、计算和存储资源的统一管理。
所述智能网关，汇聚智能装备层的数据，对异构数据进行协议解析、数据清洗和数据融合后将其传输到分布式服务器。
所述分布式服务器，作为边缘层的主要计算节点，对智能网关处理过后的实时数据进行数据归一化、特征提取和异常检测，将异常数据进行进一步处理，并将正常数据传输给模型构建层。
第三个层次为模型构建层，模型构建层是连接边缘层和远程操控层的通道。通过定义数据接口和网络传输，可实现在上下两层级中进行双向的数据传递。
模型构建层将边缘层采集处理好的作业数据进行建模，具体通过如下步骤实现：
步骤S31，获取边缘层协议解析、数据清洗和数据融合后的数据信息；
步骤S32，利用最简操作节点算法，通过和操作节点对应的车间实际控制点的可编程控制系统之间的通讯，实现数据和信息的互联互通，通过下传控制指令与上传监控信息的对分同步算法，实现实际智能化装备的实时作业数据、监控数据和操作节点的虚拟仿真数据的实时同步，建立操作节点模型。该最简操作节点算法即计算最简操作节点的算法。
操作节点模型在固定操作节点数的情况下，大幅度提高模拟精度和效率，具体地，操作节点模型构建步骤如下：
在给定逼近精度指标δ的条件下，利用最简的操作节点优化智能装备操作路径的拟合，智能装备的操作路径可表示为：
式中，t为数据点的参数化值，Sn（t）为智能装备的操作路径在t处的拟合点向量，操作节点总数为n+1，智能装备操作路径的操作节点向量集为：
，Nj,p（t）为智能装备路径基函数，下角标j，p分别为路径基函数的序号和操作路径的次数，Nj,p（t）定义如式（2）：
式中，uj、uj+1、uj+p、uj+p+1均为邻居点权重集
中的邻居点权重，邻居点的总数为m个。uj的取值区间为[0,1]，且U满足非递减序列的特性。
通过上式（1）和（2）可将装备操作路径拟合逼近的过程分为数据点参数化、节点配置和求未知操作节点三个步骤。
（1）将操作路径上的数据点参数化为数值，以便进行路径拟合逼近，本实施例采用向心参数化方法对数据点进行参数化，参数化方法可表示为式（3）：
式中，i为当前数据点的序号，数据点的总数为M+1，ti为第i个数据点的参数化值，
为第k个数据点和第k-1个数据点的欧氏距离，
为第j个数据点和第j-1个数据点的欧氏距离；默认t0=0。
(2)参数化装备操作路径中，邻居点的总数为m个，路径次数为p，操作节点总数为n+1，存在式（4）的约束关系：
m=n+p+1 （4）；
邻居点权重集
还遵循式（5）的配置：
式中，
为一组邻居点权重集的内邻居点权重，p为装备操作路径的次数。
(3)装备操作路径的拟合逼近精度指标为原始数据点到拟合路径的欧氏距离，如式(6)所示：
式中，δ为逼近精度指标，
为装备操作路径在ti处的拟合点向量，原始数据点数为M+1，Qi表示第i个原始数据点向量，ti为节点的参数化值，
为欧氏范数，用于计算向量长度。
由式（1）-（5），在给定一组待拟合路径数据点的条件下，式（6）转化为以邻居点和内邻居点权重为未知量的待解问题，如式（7）所示：
求解操作节点数量n+1，使得操作节点数量在n+1下满足目标精度，而在n时不满足目标精度，该问题可用式（8）表示：
步骤S33，输出最简操作节点，完成单个智能化装备的操作优化。
步骤S34，重复步骤S31-步骤S33的操作控制过程，进行仿真运行，直至仿真运行正常。
第四个层次为远程操控层，用于根据模型构建层计算的最简操作节点通过向系统建立层发送控制指令或控制数据实现对智能装备层的远程操控。
具体地，包括如下步骤：
步骤A：搭建远程控制模块。远程控制模块包括控制器、多个控制终端、存储部以及权限处理部。
控制器，该控制器对构成实际锂电车间现场的多个智能生产装备进行控制；
多个控制终端，该多个控制终端与多个智能生产装备分别对应设置，并显示有一个以上的操作监视画面；中央处理器，该中央处理器与多个控制终端可通信地设置，并从控制器收集控制数据。
存储部，包括中央处理器存储部和控制终端存储部。该中央处理器存储部设置在中央处理器中，并对显示在多个控制终端中的操作监视画面中的与对多个生产装备的控制数据进行存储。
控制终端存储部设置在控制终端中，并对从存储在所述控制终端存储部中的终端数据进行复制和存储。
权限处理部，该权限处理部与各个所述操作监视画面对应设置在多个控制终端中，基于存储在控制终端存储部中的终端数据进行监视画面上的权限处理。
步骤B：建立远程控制机制。基于操作节点模型，完成与锂电车间装备实物的操作同步的远程控制机制。
实现锂电数字操作节点模型的可编程控制系统和操作节点对应的车间实际控制点的可编程控制系统之间的通讯通道，实现数据和信息的互联互通，使得单个生产装备可以与远程操控层上整线所对应的单个生产装备的操作节点模型实现动作同步化。
步骤C：过程控制的修正与优化：利用远程操控层，开展模拟投放与模拟生产，进行车间作业过程的全视角、跨粒度监控，进行执行过程各类生产运行指标的管控与突发事件的响应处理，进行装备各类性能分析与执行优化。
第五个层次为系统建立层，该层以智能优化调度和质量控制为核心构建锂电数字化工厂智能制造执行系统，该系统可支持实现锂电生产车间的生产进度管理、物料管理、装备管理、质量管理和智能生产调度等综合生产管理功能，并支持实现系统建立层与锂电生产工艺智能运行优化系统、关键生产过程监控系统，从而可实现生产过程的数字化、柔性化和智能化，缩短制造周期、提高产品质量、降低能耗和生产成本。
系统建立层是实现人机交互的重要组成部分，使用者通过系统建立层与模型构建层进行交互实现数字车间的应用，主要功能包含了可视化监控和虚实联动与自动巡检功能。利用可视化监控功能可实现对全局装备运行参数与状态进行监测同时设置故障预警提升装备运行效率。利用自动巡检功能可自动对现场装备进行全方位的监控，并对数据进行有效存储为后期排查与预警提供了有效的数据支撑。
此外，锂电池材料生产过程综合数字平台包含共享内存、实时数据库和关系型数据库以及多类标准的通讯接口，存储了车间生产全过程数据，数据建立了异地和实时备份，同时对访问接口也进行了加密和权限处理，为上述各层次中的系统提供数字平台支撑。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者通过所述计算机可读存储介质进行传输。
所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储装备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如，固态硬盘(solidstate disk，SSD))等。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。
Claims (7)
1.一种锂电数字化工厂智能控制方法，其特征在于，包括如下步骤：
S1、采集智能装备层的作业数据；
S2、对所述作业数据进行协议解析、数据清洗和数据融合；
S3、利用步骤S2处理好的数据构建操作节点模型，计算最简操作节点，所述最简操作节点为满足下列条件的操作节点：当操作节点数量在n+1下满足目标精度，而在n时不满足目标精度，包括如下步骤：
步骤S31，获取协议解析、数据清洗和数据融合后的数据信息；
步骤S32，利用最简操作节点算法，通过和操作节点对应的车间实际控制点的可编程控制系统之间的通讯，实现实际智能化装备的实时作业数据、监控数据和操作节点的虚拟仿真数据的实时同步，建立操作节点模型；
利用最简操作节点优化智能装备操作路径的拟合，智能装备的操作路径表示为：
式中，t为数据点的参数化值，Sn（t）为智能装备的操作路径在t处的拟合点向量，操作节点总数为n+1，智能装备操作路径的操作节点向量集为：
，Nj,p（t）为智能装备路径基函数，下角标j，p分别为路径基函数的序号和操作路径的次数；
步骤S33，输出最简操作节点，完成单个智能化装备的操作优化；
步骤S34，重复步骤S31-步骤S33的操作控制过程，进行仿真运行，直至仿真运行正常；
S4、根据所述最简操作节点通过向系统建立层发送控制指令实现对智能装备层的远程操控。
2.根据权利要求1所述的锂电数字化工厂智能控制方法，其特征在于，Nj,p（t）定义如式（2）：
式中，uj、uj+1、uj+p、uj+p+1均为邻居点权重集
中的邻居点权重，邻居点的总数为m个。
3.根据权利要求1所述的锂电数字化工厂智能控制方法，其特征在于，将装备操作路径拟合逼近的过程具体包括：
采用向心参数化方法对数据点进行参数化，参数化方法表示为式（3）：
式中，i为当前数据点的序号，M+1为数据点的总数，ti为第i个数据点的参数化值，
为第k个数据点和第k-1个数据点的欧氏距离，
为第j个数据点和第j-1个数据点的欧氏距离；
邻居点的总数m、路径次数p与操作节点总数n+1，存在式（4）的约束关系：
m=n+p+1 （4）；
邻居点权重集
遵循式（5）的配置：
式中，
为一组邻居点权重集的内邻居点权重；
装备操作路径的拟合逼近精度指标如式(6)所示：
式中，δ为逼近精度指标，
为装备操作路径在ti处的拟合点向量，原始数据点总数为M+1，Qi表示第i个原始数据点向量，
为欧氏范数。
4.根据权利要求3所述的锂电数字化工厂智能控制方法，其特征在于，给定一组待拟合路径数据点，式（6）转化为以邻居点和内邻居点权重为未知量的待解问题，如式（7）所示：
求解操作节点数量n+1，使得操作节点数量在n+1下满足目标精度，而在n时不满足目标精度：
5.一种锂电数字化工厂智能控制系统，其特征在于，用于实现如权利要求1-4任意一项所述的锂电数字化工厂智能控制方法，包括：智能装备层、边缘层、模型构建层、远程操控层和系统建立层；
所述智能装备层用于采集生产智能化装备、传输智能化装备和检测智能化装备的实时数据；
所述边缘层实现数据选取与分析，将所述智能装备层采集的实时数据在边缘侧进行协议解析、数据清洗和数据融合，并传输给模型构建层；
所述模型构建层将所述边缘层处理好的数据构建成操作节点模型，用于计算并输出最简操作节点，所述最简操作节点为满足下列条件的操作节点：当操作节点数量在n+1下满足目标精度，而在n时不满足目标精度；
所述远程操控层搭建远程控制模块，建立远程控制机制，并根据模型构建层计算的最简操作节点通过所述系统建立层发送控制指令实现对智能装备层的远程控制；
所述系统建立层与所述模型构建层进行交互实现锂电数字车间智能生产过程的数字化。
6.根据权利要求5所述的锂电数字化工厂智能控制系统，其特征在于，所述边缘层包括智能网关和分布式服务器；
所述智能网关，汇聚所述智能装备层的数据，对数据进行协议解析、数据清洗和数据融合后将其传输到分布式服务器；
所述分布式服务器，对所述智能网关处理过后的实时数据进行数据归一化、特征提取和异常检测，将异常数据进行处理，并将正常数据传输给模型构建层。
7.根据权利要求5所述的锂电数字化工厂智能控制系统，其特征在于，所述远程控制模块包括控制器、多个控制终端、中央处理器、存储部以及权限处理部；
所述控制器对构成实际锂电车间现场的多个智能生产装备进行控制；
所述多个控制终端与多个智能生产装备分别对应设置，并显示有一个以上的操作监视画面；
所述中央处理器与所述多个控制终端通信连接，并从所述控制器收集控制数据；
所述存储部包括中央处理器存储部和控制终端存储部，所述中央处理器存储部对显示在多个控制终端中的操作监视画面中的与对多个智能生产装备的控制数据进行存储；所述控制终端存储部对所述控制终端的终端数据进行复制和存储；
所述权限处理部与各个所述操作监视画面对应设置在多个控制终端中，基于存储在所述控制终端存储部中的终端数据进行操作监视画面上的权限处理。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211170056.2A CN115268388B (zh) | 2022-09-26 | 2022-09-26 | 一种锂电数字化工厂智能控制方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211170056.2A CN115268388B (zh) | 2022-09-26 | 2022-09-26 | 一种锂电数字化工厂智能控制方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115268388A CN115268388A (zh) | 2022-11-01 |
| CN115268388B true CN115268388B (zh) | 2023-01-17 |
Family
ID=83757968
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211170056.2A Active CN115268388B (zh) | 2022-09-26 | 2022-09-26 | 一种锂电数字化工厂智能控制方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115268388B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103613272A (zh) * | 2013-11-12 | 2014-03-05 | 杭州电子科技大学 | 一种玻璃光纤拉丝设备优化生产方法 |
| CN107145751A (zh) * | 2017-05-11 | 2017-09-08 | 长春工业大学 | 一种设定水泥烧成系统最佳运行点的方法 |
| CN110071831A (zh) * | 2019-04-17 | 2019-07-30 | 电子科技大学 | 基于网络代价的节点选择方法 |
| CN114489125A (zh) * | 2022-01-15 | 2022-05-13 | 西北工业大学 | 一种滑翔飞行器高精度临近最优减速控制方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20220057788A1 (en) * | 2020-08-20 | 2022-02-24 | Hitachi, Ltd. | End to end smart manufacturing architecture for operational efficiency and quality control |
-
2022
- 2022-09-26 CN CN202211170056.2A patent/CN115268388B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103613272A (zh) * | 2013-11-12 | 2014-03-05 | 杭州电子科技大学 | 一种玻璃光纤拉丝设备优化生产方法 |
| CN107145751A (zh) * | 2017-05-11 | 2017-09-08 | 长春工业大学 | 一种设定水泥烧成系统最佳运行点的方法 |
| CN110071831A (zh) * | 2019-04-17 | 2019-07-30 | 电子科技大学 | 基于网络代价的节点选择方法 |
| CN114489125A (zh) * | 2022-01-15 | 2022-05-13 | 西北工业大学 | 一种滑翔飞行器高精度临近最优减速控制方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115268388A (zh) | 2022-11-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6978461B2 (ja) | コンピュータで実装される方法 | |
| CN111562769B (zh) | 用于工业数字孪生的ai扩展和智能模型验证 | |
| CN109976268B (zh) | 在过程控制系统中的大数据 | |
| CN100407215C (zh) | 用于监视和控制半导体生产过程的方法和装置 | |
| CN108718345A (zh) | 一种数字化车间工业数据网络化传输系统 | |
| TWI287244B (en) | Correlation of end-of-line data mining with process tool data mining | |
| CN113485156B (zh) | 一种变压器数字孪生云平台及其实现方法 | |
| CN105005274A (zh) | 管理过程控制系统中的大数据 | |
| CN112803592A (zh) | 一种适用于分布式电站的智能故障预警方法及系统 | |
| CN116192907B (zh) | 基于服务分平台的工业物联网监控方法和系统 | |
| CN105574604B (zh) | 一种面向电网运行事件的监控预判分析系统 | |
| CN113762604B (zh) | 一种工业互联网大数据服务系统 | |
| CN105740351A (zh) | 一种输电运维设备的数据融合方法和系统 | |
| CN112506207A (zh) | 一种巡检机器人及其路径规划方法 | |
| CN105141446A (zh) | 一种基于客观权重确定的网络设备健康度评估方法 | |
| Su et al. | Intelligent prognostics system design and implementation | |
| WO2022048050A1 (zh) | 一种大数据信息采集系统及使用方法 | |
| CN112383427B (zh) | 一种基于iotips故障预警的5g网络切片部署方法及系统 | |
| CN112702317A (zh) | 一种基于智能网关的通信协议优化方法 | |
| CN110351299A (zh) | 一种网络连接检测方法和装置 | |
| Wang et al. | Task offloading in cloud-edge collaboration-based cyber physical machine tool | |
| CN113934536B (zh) | 面向边缘计算的数据采集方法 | |
| CN115268388B (zh) | 一种锂电数字化工厂智能控制方法及系统 | |
| CN117221069A (zh) | 一种基于微服务器架构的管理方法及装置 | |
| CN111077851A (zh) | 一种基于气相色谱雾计算框架的化工过程故障诊断系统 |
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 |