CN115494813B - 一种用于铸造工部的域控制方法及域控制器 - Google Patents

Abstract

本发明公开了一种用于铸造工部的域控制方法及域控制器，属于域控制器技术领域，用于解决现有的铸造工艺自动化程度低，生产数据难以在工艺过程中实现关联互通，并且数据采集较为繁琐，生产效率低下的技术问题。方法包括：采集待执行铸造流程相关的工部铸造参数；对待检测图像进行分析比对，得到图像检测结果；对图像检测结果及其传输方式进行控制逻辑分析，得到铸造控制程序；根据工部铸造参数以及铸造控制程序，控制域控制器循环执行待执行铸造流程。有利于根据铸造工艺的设备以及生产现状，形成有针对性的、相对完整的符合实际工艺的系统配置，为项目实施打下坚实的数据基础，使工艺设备更加的智能化，大大提高了生产的效率。

Description

一种用于铸造工部的域控制方法及域控制器

技术领域

本申请涉及域控制器领域，尤其涉及一种用于铸造工部的域控制方法及域控制器。

背景技术

传统制造工厂的铸造过程一般分为造型、制芯、砂处理、熔炼浇铸、后处理五大工部，每个工部有各自的生产设备及其控制器，每部分都会配一套的多台设备且每台设备相互独立。

现有制造工厂的自动化设备多为自主定制，不同厂商制造的设备互不连接，容易形成数据孤岛，数据采集的不全面，生产设备也不够智能，设备间连贯性较差，生产数据与工艺模型容易分散，不利于数据安全与访问的管理，也不利于工序模型的重复使用。

发明内容

本申请实施例提供了一种用于铸造工部的域控制方法及域控制器，用于解决如下技术问题：现有的铸造工艺自动化程度低，生产数据难以在工艺过程中实现关联互通，并且数据采集较为繁琐，生产效率低下。

本申请实施例采用下述技术方案：

一方面，本申请实施例提供了一种用于铸造工部的域控制方法，所述方法包括：采集待执行铸造流程相关的工部铸造参数；对待检测图像进行分析比对，得到图像检测结果；对所述图像检测结果及其传输方式进行控制逻辑分析，得到铸造控制程序；根据所述工部铸造参数以及所述铸造控制程序，控制域控制器循环执行所述待执行铸造流程。

本申请实施例通过在域控制器中集成了AI智能检测模块、数据采集模块以及智能控制模块，使三者功能于一体，能够实现数据的交互，提高了生产的连续性，能够使域控制器直接进行数据采集，使采集更加简便全面，并且通过工序数据模型对数据采集模块的对应配置，有利于根据铸造工艺的设备以及生产现状，形成有针对性的、相对完整的符合实际工艺的系统配置，为项目实施打下坚实的数据基础，使工艺设备更加的智能化，大大提高了生产的效率。

在一种可行的实施方式中在采集待执行铸造流程相关的工部铸造参数之前，所述方法还包括：对铸造主材类型与铸造辅材类型进行材料选择，确定铸造工艺的输入维度；对铸造半成品类型、铸造成品类型以及缺陷类型进行成品选择，确定出所述铸造工艺的输出维度；对铸造订单、铸造计划、工艺文件、工艺过程、工序反馈、培训以及看板进行铸造工艺选择，确定出所述铸造工艺的控制维度；对铸造设备、铸造质量、铸造能耗、铸造安全以及铸造人工进行铸造成本选择，确定出所述铸造工艺的支撑维度；将所述输入维度、所述输出维度、所述控制维度以及所述支撑维度作为图表的构成要素，并根据所述构成要素，构建工序数据图表；根据铸造工艺的生产现状以及生产工艺，对所述工序数据图表进行对应要素的勾选，并根据勾选的结果，构建数据模型，得到预设工序数据模型；采集铸造工艺现场的实际工艺生产信息；将所述预设工序数据模型中与所述实际工艺生产信息所对应的实际数据进行勾选，得到工序数据指标集；其中，所述工序数据指标集至少包括维度名称、分类项、数据项、数量、通道号、点类型、点说明以及逻辑关系。

在一种可行的实施方式中，在将所述实际工艺生产信息输入到所述预设工序数据模型，得到工序数据指标集之后，所述方法还包括：根据预设工序数据模型，配置服务器端，具体包括：根据所述工序数据指标集，将所述服务器端的DAT格式配置数据库存储位置、界面文件存储位置、DAT格式存档位置以及DAT格式存档备份位置进行对应匹配，得到配置后的通用参数；将所述服务器端当前数据、分钟数据、小时数据以及事件数据进行对应匹配，得到配置后的数据保存参数；通过所述服务器端附加的DLL文件，将所述工序数据指标集、所述配置后的通用参数以及所述配置后的数据保存参数上传到云平台中，得到云端数据；将所述云端数据、所述配置后的通用参数以及所述配置后的数据保存参数进行数据关联，确定出配置后的服务器端。

在一种可行的实施方式中，配置通讯服务端，具体包括：将所述服务器端与所述通讯服务端进行连接端口、连接地址、运行标签周期以及用户登录的关联配置，得到所述通讯服务端的通用参数；将所述工序数据指标集进行数据类型的划分，得到工序指标类型数据；其中，所述工序指标类型数据至少包括模拟输入数据、模拟输出数据、数字输入数据、数字输出数据以及通讯数据；根据所述工序指标类型数据，分别建立数据分配通道，并得到分配通道号；通过所述分配通道号，将所述工序指标类型数据分配到对应的分配通道号中；并根据所述分配通道号的数据输入阈值，得到数据传输的报警值；将所述工序指标类型数据分别上传到云端存储，以进行所述通讯服务端的通讯通道的配置；将所述通讯服务端的通用参数、所述报警值以及所述通讯通道进行数据关联，确定出所述配置后的通讯服务端。

在一种可行的实施方式中，配置Web端，具体包括：通过所述Web端，获取实时用户指令；将所述实时用户指令与所述Web端中的历史用户指令进行对比，并根据对比结果，构建对比数据曲线；对所述对比数据曲线进行工序数据曲线的预测，得到预测工序数据；通过所述预测工序数据，对所述Web端进行数据更新，得到所述配置后的Web端；并通过所述配置后的Web端，向所述配置后的服务器端发送更新数据，以完成对所述配置后的服务器端的数据更新；将更新后的所述服务器端与配置后的通讯服务端以及配置后的Web端进行数据关联，得到数据采集模块。

在一种可行的实施方式中，对待检测图像进行分析比对，得到图像检测结果，具体包括：获取数据采集模块中的采集命令；根据所述采集命令，对采集所述待检测图像，得到图像数据集；根据预设的图片训练集以及图片测试集，对预设机器视觉算法进行迭代优化，直至所述预设机器视觉算法的检测误差小于第一预设阈值，得到优化后机器视觉算法；通过所述优化后机器视觉算法，对所述图像数据集进行缺陷识别，并将识别到图像缺陷与标准图像缺陷进行对比，得到图像检测结果；其中，所述图像检测结果至少包括标准缺陷图像、非标准缺陷图像以及正常图像。

在一种可行的实施方式中，对所述图像检测结果及其传输方式进行控制逻辑分析，得到铸造控制程序，具体包括：将铸造工艺流程中的工艺流程逻辑与所述数据传输方式中的数据控制逻辑进行对应逻辑结合，确定出所述铸造控制程序。

在一种可行的实施方式中，将铸造工艺流程中的工艺流程逻辑与所述数据传输方式中的数据控制逻辑进行逻辑的对应结合，确定出所述铸造控制程序，具体包括：获取预设工序数据模型的工序数据指标集，并对所述铸造工艺流程进行对应工艺过程的匹配，得到所述工艺流程逻辑；根据所述图像检测结果的数据传输方式，确定出数据采集模块、智能控制模块、AI智能检测模块之间的数据交互逻辑，并对所述数据交互逻辑进行模块联动算法分析，得到所述数据控制逻辑；其中，所述AI智能检测模块用于对所述待检测图像进行图像采集以及图像处理，所述智能控制模块用于对AI智能检测模块与数据采集模块进行智能控制；将所述数据控制逻辑与所述工艺流程逻辑进行逻辑的对应结合，建立逻辑结合后的思维导图，并根据所述思维导图，确定控制逻辑图；根据所述控制逻辑图中的逻辑关系，确定出所述数据采集模块、所述智能控制模块、所述AI智能检测模块之间数据交互关系，并生成所述铸造控制程序。

在一种可行的实施方式中，根据所述工部铸造参数以及所述铸造控制程序，控制所述域控制器循环执行所述待执行铸造流程，具体包括：将所述铸造控制程序进行运行模拟测试，得到测试结果；若所述测试结果为准确运行结果，则将所述铸造控制程序上传到域控制器的CPU中；通过所述CPU中的所述铸造控制程序与所述工部铸造参数，将所述数据采集模块、所述智能控制模块以及所述AI智能监测模块进行数据的运行控制，并控制所述域控制器循环执行所述待执行铸造流程，以完成所述域控制器中所有数据的连贯运行；其中，所述工部铸造参数至少包括造型参数、制芯参数、砂处理参数、熔炼浇铸参数、后处理参数。

另一方面，本申请实施例还提供了一种用于铸造工部的域控制器，用于实现上述任意一个实施例所述的一种用于铸造工部的域控制方法。

本申请实施例提供了一种用于铸造工部的域控制方法及域控制器，通过在域控制器中集成了AI智能检测模块、数据采集模块以及智能控制模块，使三者功能于一体，能够实现数据的交互，提高了生产的连续性，能够使域控制器直接进行数据采集，使采集更加简便全面，并且通过工序数据模型对数据采集模块的对应配置，有利于根据铸造工艺的设备以及生产现状，形成有针对性的、相对完整的符合实际工艺的系统配置，为项目实施打下坚实的数据基础，使工艺设备更加的智能化，大大提高了生产的效率。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，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地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，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他的附图。在附图中：

图1为本申请实施例提供的一种用于铸造工部的域控制方法流程图；

图2为本申请实施例提供的一种域控制器整体数据互通示意图；

图3为本申请实施例提供的拍照示控制示意图；

图4为本申请实施例提供的通讯服务端配置示意图；

图5为本申请实施例提供的数据报警示意图；

图6为本申请实施例提供的数据采集流程示意图；

图7为本申请实施例提供的控制逻辑流程示意图；

图8为本申请实施例提供的一种域控制器控制设备的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本申请中的技术方案，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，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本说明书实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。

本申请实施例提供了一种用于铸造工部的域控制方法，如图1所示，用于铸造工部的域控制方法具体包括步骤S101-S104：

S101、采集待执行铸造流程相关的工部铸造参数。

具体地，通过数据采集模块采集待执行铸造流程相关的工部铸造参数，其中，工部铸造参数至少包括造型参数、制芯参数、砂处理参数、熔炼浇铸参数、后处理参数，待执行铸造流程为一般的工艺铸造流程，例如制芯铸造流程等。

进一步地，对铸造主材类型与铸造辅材类型进行材料选择，确定铸造工艺的输入维度。对铸造半成品类型、铸造成品类型以及缺陷类型进行成品选择，确定出铸造工艺的输出维度。对铸造订单、铸造计划、工艺文件、工艺过程、工序反馈、培训以及看板进行铸造工艺选择，确定出铸造工艺的控制维度。对铸造设备、铸造质量、铸造能耗、铸造安全以及铸造人工进行铸造成本选择，确定出铸造工艺的支撑维度。将输入维度、输出维度、控制维度以及支撑维度作为图表的构成要素，并根据构成要素，构建工序数据图表。根据铸造工艺的生产现状以及生产工艺，对工序数据图表进行对应要素的勾选，并根据勾选的结果，构建数据模型，得到预设工序数据模型。

进一步地，采集铸造工艺现场的采集的实际工艺生产信息。将实际工艺生产信息输入到预设工序数据模型，得到工序数据指标集。其中，工序数据指标集至少包括维度名称、分类项、数据项、数量、通道号、点类型、点说明以及逻辑关系。

表1

在一个实施例中，表1为在射芯工序数据指标集。在铸造工艺中制芯分为两部分：射芯、缺陷检测。将射芯的实际工艺生产信息输入到工序数据模型中，然后工序数据模型会将输入进去的生产信息进行相应的匹配，例如，表1中的射芯工艺文件的数量、模具确认、覆膜砂主材、甲基硅油辅材、砂斗高限、设备状态、射头上位、实际温度、颗粒物含量等等，然后生成以维度名称、分类项、数据项、数量、通道号、点类型、点说明以及逻辑关系主要类型下的工序数据指标集。

进一步地，根据预设工序数据模型，配置服务器端。首先根据工序数据指标集，将服务器端的DAT格式配置数据库存储位置、界面文件存储位置、DAT格式存档位置以及DAT格式存档备份位置进行对应匹配，得到配置后的通用参数。将服务器端当前数据、分钟数据、小时数据以及事件数据进行对应匹配，得到配置后的数据保存参数。通过服务器端附加的DLL文件，将工序数据指标集、配置后的通用参数以及配置后的数据保存参数上传到云平台中，得到云端数据。将云端数据、配置后的通用参数以及配置后的数据保存参数进行数据关联，确定出配置后的服务器端。

在一个实施例中根据工序数据指标集，将服务器端的DAT格式配置数据库存储位置、界面文件存储位置、DAT格式存档位置以及DAT格式存档备份位置进行匹配，并根据默认的位置进行保存，确定出配置后的通用参数。将当前数据、分钟数据、小时数据、事件设置其保存周期及频率，当前数据写入周期配置为1秒，分钟数据写入周期配置为1分钟，小时数据写入周期配置为1小时，其他各项根据工序数据指标集进行默认匹配即可，便可得到配置后的数据保存参数。将激活数据，即工序数据指标集、配置后的通用参数以及配置后的通用参数，上传到云平台中，并进行配置，然后选择MySQL数据库，根据连接字符串以及导出语句，完成最终的配置。

其中，配置通讯服务端。将服务器端与通讯服务端进行连接端口、连接地址、运行标签周期以及用户登录的关联配置，得到通讯服务端的通用参数。将工序数据指标集进行数据类型的划分，得到工序指标类型数据。工序指标类型数据至少包括模拟输入数据、模拟输出数据、数字输入数据、数字输出数据以及通讯数据。根据工序指标类型数据，分别建立数据分配通道，并得到分配通道号。通过分配通道号，将工序指标类型数据分配到对应的分配通道号中。并根据分配通道号的数据输入阈值，得到数据传输的报警值。将工序指标类型数据分别上传到云端存储，以进行通讯服务端的通讯通道的配置。将通讯服务端的通用参数、报警值以及通讯通道进行数据关联，确定出配置后的通讯服务端。

在一个实施例中，在射芯工艺的通讯服务端进行配置时，首先根据配置好的服务器端进行连接参数的配置连接的地址：localhost，端口:10000，超时:10000，登录用户:ScadaComm，密码:00000，然后配置运行时选项：等待通讯线路中止时间（ms）:10000，发送所有设备标签周期（s）:60，便可得到通讯服务端的通用参数，然后进行通讯配置，配置通讯线路的线路编号：1，线路名称：modbus_line，描述：modbus RTU通讯线路然后再增加设备，当现场实际有9台设备，那9台设备都需添加到通讯里，编号：1（不同设备编号不同）名称：1#射芯机（不同设备名称也不同），设备类型：modbus，地址：1（不同设备地址不同），属性：设备的数据与modbus地址对应关系。

在一个实施例中，据工序指标类型数据，分别建立数据分配通道，并得到分配通道号，根据配置的“modbus_line”，设备配置为“1#射芯机”，配置相应的输入（输出）通道号的起始通道号，则系统为“1#射芯机”的每个数据分配一个通道。其他设备数据通道创建方法相同，最终得每个设备的分配通道。

在一个实施例中，图4为本申请实施例提供的通讯服务端配置示意图，如图4所示，首先根据预设工序数据模型的工序数据指标集进行数据配置，然后分别配制出通讯线路，再增添设备，完成通讯的配置，然后根据创建的通道，将工序指标类型数据分配到对应的分配通道号，在输入、输出通道中，通过“公式”处理所需逻辑，做后将处理后的数据上传到云端以及本地中实现保存。

在一个实施例中，图5为本申请实施例提供的数据报警示意图，如图5所示，并根据分配通道号的数据输入阈值，通过预设的填写上限、填写报警上限、填写下限以及填写报警下限，得到数据传输的报警值，当数据达到报警值会有颜色变化及声音提示。

其中，配置Web端。通过Web端，获取实时用户指令。将实时用户指令与Web端中的历史用户指令进行对比，并根据对比结果，构建对比数据曲线。对对比数据曲线进行工序数据曲线的预测，得到预测工序数据。通过预测工序数据，对Web端进行数据更新，得到配置后的Web端。并通过配置后的Web端，向配置后的服务器端发送更新数据，以完成对配置后的服务器端的数据更新。

进一步地，将更新后的服务器端与配置后的通讯服务端以及配置后的Web端进行数据关联，得到数据采集模块。

在一个实施例中，图2为本申请实施例提供的一种域控制器整体数据互通示意图，如图2所示，在数据采集模块中通过用户1或者用户2，获取其实时用户指令，用户户可以选择视图（表格或方案）和日期来访问存档数据。要显示输入通道的图表，请单击表中的项目图标或方案中的适当元素。Web端可从连接到局域网络的任何计算机或平板电脑上使用，无需安装任何软件。在web端可通过时间选择查看历史工序数据曲线。利用此功能可方便分析数据趋势，在web端的预测工序数据可实现Web端进行数据更新，并发送更新数据，来向服务器端传递修改的数据，实现配置后的服务器端的数据更新。

在一个实施例中，根据配置后的数据采集模块，配置出数据采集模块所需的硬件部分，如采集板卡、通讯Hub等，绘出接线图并生成信号连接端子表，例如：统计出所需数字量输入板卡需5个，模拟量输入需要6个，热电偶板卡5个，其他板卡3个，继电器6个，端子200个，并且根据布局图，确定出接线图。

S102、对待检测图像进行分析比对，得到图像检测结果。

具体地，获取数据采集模块中的采集命令。根据采集命令，采集待检测图像，得到图像数据集。根据预设的图片训练集以及图片测试集，对预设机器视觉算法进行迭代优化，直至预设机器视觉算法的检测误差小于第一预设阈值，得到优化后机器视觉算法。

进一步地，通过优化后机器视觉算法，对图像数据集进行缺陷识别，并将识别到图像缺陷与标准图像缺陷进行对比，得到图像检测结果。其中，图像检测结果至少包括标准缺陷图像、非标准缺陷图像以及正常图像。

在一个实施例中，图6为本申请实施例提供的数据采集流程示意图，如图6所示，在AI智能检测模块中，首先获取的砂型图片集分为图片训练集以及图片测试集，对器视觉算法进行迭代优化，当优化算法已经达标时，进行项目的部署，然后运行项目，最终得到检测结果，即图像检测结果，其中，数据采集模块与AI智能检测模块能够实现数据交互，并且控制AI智能检测模块进行拍照。

在一个实施例中，如图2所示，在AI智能检测模块中的图像数据采集的过程中，通过摄像机、扫码枪、智能单元等进行图像的采集，并且还将图像的检测结果上传到云平台中，云平台与路由器或者安全网关进行相互关联。

在一个实施例中，图3为本申请实施例提供的拍照示控制示意图，如图3以及图2所示，智能控制模块将拍照指令发送给数据采集模块，然后数据采集模块控制AI智能检测模块中的图像采集设备进行拍照采集，然后运行优化算法，最终得到图像的检测结果，查看判断检测结果是否合格，然后将合格信息发送到数据采集模块中，要是合格则及进入工艺的下一个工序，要是不合格则直接当做废品进行处理。

在一个实施例中，如图2所示，AI智能检测模块中检测结果，即图像检测结果，与数据采集模块中的服务器端实现了数据互通，并且该服务器端还与Web端、通讯服务端也实现了数据的互通，其中通讯服务端还可以与外部的传感器、智能仪表、工业设备等实现数据的互通，使其功能实现一体化，然后再通过通讯服务端与智能控制模块的智能控制器实现了数据的互通。其中，智能控制模块包括：智能控制器、继电器等，智能控制模块的智能控制器还包括了PLC、多轴控制器、传感器等，其采用一类可编程的存储器，用于其内部存储程序，执行逻辑运算、顺序控制、定时、计数与算术操作等面向用户的指令，并通过数字或模拟式输入/输出控制各种类型的机械或生产过程，继电器用于工业设备一类的执行机构，能够实现控制器的输出信号与负载端电气隔离、转换、放大。

S103、对图像检测结果及其传输方式进行控制逻辑分析，得到铸造控制程序。

具体地，将铸造工艺流程中的工艺流程逻辑与传输方式中的数据控制逻辑进行对应逻辑结合，确定出铸造控制程序。

其中，获取预设工序数据模型的工序数据指标集，并对铸造工艺流程进行对应工艺过程的匹配，得到工艺流程逻辑。根据图像检测结果的数据传输方式，确定出数据采集模块、智能控制模块、AI智能检测模块之间的数据交互逻辑，并对数据交互逻辑进行模块联动算法分析，得到数据控制逻辑。其中，AI智能检测模块用于对待检测图像进行图像采集以及图像处理，智能控制模块用于对AI智能检测模块与数据采集模块进行智能控制。将数据控制逻辑与工艺流程逻辑进行逻辑的对应结合，建立逻辑结合后的思维导图，并根据思维导图，确定控制逻辑图。根据控制逻辑图中的逻辑关系，确定出数据采集模块、智能控制模块、AI智能检测模块之间数据交互关系，并生成铸造控制程序。

在一个实施例中，图7为本申请实施例提供的控制逻辑流程示意图，如图7所示，对获取的工序数据模型的工序数据指标集进行设备逻辑关系的对应关系分析，并通过工艺流程逻辑与数据控制逻辑的对应关系的结合，得到符合该对应关系的思维导图，并根据思维导图，绘制出控制逻辑图，然后生成铸造控制程序。

S104、根据工部铸造参数以及铸造控制程序，控制域控制器循环执行待执行铸造流程。

具体地，将铸造控制程序进行运行模拟测试，得到测试结果。若测试结果为准确运行结果，则将铸造控制程序上传到域控制器的CPU中。通过CPU中的铸造控制程序与工部铸造参数，将数据采集模块、智能控制模块以及AI智能监测模块进行数据的运行控制，并控制域控制器循环执行待执行铸造流程，以完成域控制器中所有数据的连贯运行。其中，工部铸造参数至少包括造型参数、制芯参数、砂处理参数、熔炼浇铸参数、后处理参数。

作为一种可行的实施方式，将控制程序进行运行模拟测试，得到测试结果。若测试结果为准确运行结果，则将控制程序上传到域控制器的CPU中。通过CPU中的控制程序，将数据采集模块、智能控制模块以及AI智能监测模块进行数据的运行控制，以完成域控制器中所有数据的连贯运行。

在一个实施中，如图7所示，在得到控制逻辑程序后，即铸造控制程序，通过控制逻辑程序，以及按照工部铸造参数，对软件程序进行模拟测试，测试无误后，将软件程序上传至智能控制器的CPU内，然后完成设备组装、接线，并做上电前测试，准备完成后，设备上电，此时控制程序运行，进行设备调试，查看设备运行是否正确、数据交互是否正确，并且此时智能控制模块中控制程序已经通过数据采集模块和AI智能检测模块之间的数据交互功能，实现了与数据采集模块、AI智能检测模块以及智能控制模块三者之间的数据互通，所有数据可上传至云平台，以及使域控制器及三者的功能于一体，完成了统一的控制与配置，各部分设备模块之间数据运行衔接流畅，生产过程连贯，提高了铸造工业生产的效率。

另一方面，如图8所示，本申请提供了一种用于铸造工部的域控制器，所述域控制器800包括：

数据采集模块802，用于采集待执行铸造流程相关的工部铸造参数；

AI智能检测模块801，用于对待检测图像进行分析比对，得到图像检测结果；

智能控制模块803，用于对图像检测结果及其传输方式进行控制逻辑分析，得到铸造控制程序；

执行模块804，用于根据工部铸造参数以及铸造控制程序，控制域控制器循环执行待执行铸造流程。

在本发明的一些实施例中，在采集待执行铸造流程相关的工部铸造参数之前，所述域控制器还包括：

对铸造主材类型与铸造辅材类型进行材料选择，确定铸造工艺的输入维度；

对铸造半成品类型、铸造成品类型以及缺陷类型进行成品选择，确定出所述铸造工艺的输出维度；

对铸造订单、铸造计划、工艺文件、工艺过程、工序反馈、培训以及看板进行铸造工艺选择，确定出所述铸造工艺的控制维度；

对铸造设备、铸造质量、铸造能耗、铸造安全以及铸造人工进行铸造成本选择，确定出所述铸造工艺的支撑维度；

将所述输入维度、所述输出维度、所述控制维度以及所述支撑维度作为图表的构成要素，并根据所述构成要素，构建工序数据图表；

根据铸造工艺的生产现状以及生产工艺，对所述工序数据图表进行对应要素的勾选，并根据勾选的结果，构建数据模型，得到预设工序数据模型；

采集铸造工艺现场的实际工艺生产信息；

将所述实际工艺生产信息输入到所述预设工序数据模型，得到工序数据指标集；其中，所述工序数据指标集至少包括维度名称、分类项、数据项、数量、通道号、点类型、点说明以及逻辑关系。

在本发明的一些实施例中，在将所述实际工艺生产信息输入到所述预设工序数据模型，得到工序数据指标集之后，所述域控制器还包括：

根据预设工序数据模型，配置服务器端，具体包括：

根据所述工序数据指标集，将所述服务器端的DAT格式配置数据库存储位置、界面文件存储位置、DAT格式存档位置以及DAT格式存档备份位置进行对应匹配，得到配置后的通用参数；

将所述服务器端当前数据、分钟数据、小时数据以及事件数据进行对应匹配，得到配置后的数据保存参数；

通过所述服务器端附加的DLL文件，将所述工序数据指标集、所述配置后的通用参数以及所述配置后的数据保存参数上传到云平台中，得到云端数据；

将所述云端数据、所述配置后的通用参数以及所述配置后的数据保存参数进行数据关联，确定出配置后的服务器端。

在本发明的一些实施例中，所述域控制器还包括：

配置通讯服务端，具体包括：

将所述服务器端与所述通讯服务端进行连接端口、连接地址、运行标签周期以及用户登录的关联配置，得到所述通讯服务端的通用参数；

将所述工序数据指标集进行数据类型的划分，得到工序指标类型数据；其中，所述工序指标类型数据至少包括模拟输入数据、模拟输出数据、数字输入数据、数字输出数据以及通讯数据；

根据所述工序指标类型数据，分别建立数据分配通道，并得到分配通道号；

通过所述分配通道号，将所述工序指标类型数据分配到对应的分配通道号中；并根据所述分配通道号的数据输入阈值，得到数据传输的报警值；

将所述工序指标类型数据分别上传到云端存储，以进行所述通讯服务端的通讯通道的配置；

将所述通讯服务端的通用参数、所述报警值以及所述通讯通道进行数据关联，确定出所述配置后的通讯服务端。

在本发明的一些实施例中，所述域控制器还包括：

配置Web端，具体包括：

通过所述Web端，获取实时用户指令；

将所述实时用户指令与所述Web端中的历史用户指令进行对比，并根据对比结果，构建对比数据曲线；

对所述对比数据曲线进行工序数据曲线的预测，得到预测工序数据；

通过所述预测工序数据，对所述Web端进行数据更新，得到所述配置后的Web端；并通过所述配置后的Web端，向所述配置后的服务器端发送更新数据，以完成对所述配置后的服务器端的数据更新；

将更新后的所述服务器端与配置后的通讯服务端以及配置后的Web端进行数据关联，得到数据采集模块。

在本发明的一些实施例中，对待检测图像进行分析比对，得到图像检测结果，具体包括：

获取数据采集模块中的采集命令；

根据所述采集命令，采集所述待检测图像，得到图像数据集；

根据预设的图片训练集以及图片测试集，对预设机器视觉算法进行迭代优化，直至所述预设机器视觉算法的检测误差小于第一预设阈值，得到优化后机器视觉算法；

通过所述优化后机器视觉算法，对所述图像数据集进行缺陷识别，并将识别到图像缺陷与标准图像缺陷进行对比，得到图像检测结果；其中，所述图像检测结果至少包括标准缺陷图像、非标准缺陷图像以及正常图像。

在本发明的一些实施例中，对所述图像检测结果及其传输方式进行控制逻辑分析，得到铸造控制程序，具体包括：

将铸造工艺流程中的工艺流程逻辑与所述传输方式中的数据控制逻辑进行对应逻辑结合，确定出所述铸造控制程序。

在本发明的一些实施例中，将铸造工艺流程中的工艺流程逻辑与所述传输方式中的数据控制逻辑进行逻辑的对应结合，确定出所述铸造控制程序，具体包括：

获取预设工序数据模型的工序数据指标集，并对所述铸造工艺流程进行对应工艺过程的匹配，得到所述工艺流程逻辑；

根据所述图像检测结果的数据传输方式，确定出数据采集模块、智能控制模块、AI智能检测模块之间的数据交互逻辑，并对所述数据交互逻辑进行模块联动算法分析，得到所述数据控制逻辑；其中，所述AI智能检测模块用于对所述待检测图像进行图像采集以及图像处理，所述智能控制模块用于对AI智能检测模块与数据采集模块进行智能控制；

将所述数据控制逻辑与所述工艺流程逻辑进行逻辑的对应结合，建立逻辑结合后的思维导图，并根据所述思维导图，确定控制逻辑图；

根据所述控制逻辑图中的逻辑关系，确定出所述数据采集模块、所述智能控制模块、所述AI智能检测模块之间数据交互关系，并生成所述铸造控制程序。

在本发明的一些实施例中，根据所述工部铸造参数以及所述铸造控制程序，控制所述域控制器循环执行所述待执行铸造流程，具体包括：

将所述铸造控制程序进行运行模拟测试，得到测试结果；

若所述测试结果为准确运行结果，则将所述铸造控制程序上传到域控制器的CPU中；

通过所述CPU中的所述铸造控制程序与所述工部铸造参数，将所述数据采集模块、所述智能控制模块以及所述AI智能监测模块进行数据的运行控制，并控制所述域控制器循环执行所述待执行铸造流程，以完成所述域控制器中所有数据的连贯运行；其中，所述工部铸造参数至少包括造型参数、制芯参数、砂处理参数、熔炼浇铸参数、后处理参数。

本申请提供了一种用于铸造工部的域控制方法及域控制器，通过在域控制器中集成了AI智能检测模块、数据采集模块以及智能控制模块，使三者功能于一体，能够实现数据的交互，提高了生产的连续性，能够使域控制器直接进行数据采集，使采集更加简便全面，并且通过工序数据模型对数据采集模块的对应配置，有利于根据铸造工艺的设备以及生产现状，形成有针对性的、相对完整的符合实际工艺的系统配置，为项目实施打下坚实的数据基础，使工艺设备更加的智能化，大大提高了生产的效率。

本申请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。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

上述对本申请特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，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。

以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请的实施例可以有各种更改和变化。凡在本申请实施例的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (7)

1.一种用于铸造工部的域控制方法，其特征在于，所述方法包括：

采集待执行铸造流程相关的工部铸造参数；

对待检测图像进行分析比对，得到图像检测结果，具体包括：

获取数据采集模块中的采集命令；

根据所述采集命令，采集所述待检测图像，得到图像数据集；

根据预设的图片训练集以及图片测试集，对预设机器视觉算法进行迭代优化，直至所述预设机器视觉算法的检测误差小于第一预设阈值，得到优化后机器视觉算法；

通过所述优化后机器视觉算法，对所述图像数据集进行缺陷识别，并将识别到图像缺陷与标准图像缺陷进行对比，得到图像检测结果；其中，所述图像检测结果至少包括标准缺陷图像、非标准缺陷图像以及正常图像；

对所述图像检测结果及其传输方式进行控制逻辑分析，得到铸造控制程序，具体包括：

将铸造工艺流程中的工艺流程逻辑与所述传输方式中的数据控制逻辑进行对应逻辑结合，确定出所述铸造控制程序，具体包括：

获取预设工序数据模型的工序数据指标集，并对所述铸造工艺流程进行对应工艺过程的匹配，得到所述工艺流程逻辑；

根据所述图像检测结果的数据传输方式，确定出数据采集模块、智能控制模块、AI智能检测模块之间的数据交互逻辑，并对所述数据交互逻辑进行模块联动算法分析，得到所述数据控制逻辑；其中，所述AI智能检测模块用于对所述待检测图像进行图像采集以及图像处理，所述智能控制模块用于对AI智能检测模块与数据采集模块进行智能控制；

将所述数据控制逻辑与所述工艺流程逻辑进行逻辑的对应结合，建立逻辑结合后的思维导图，并根据所述思维导图，确定控制逻辑图；

根据所述控制逻辑图中的逻辑关系，确定出所述数据采集模块、所述智能控制模块、所述AI智能检测模块之间数据交互关系，并生成所述铸造控制程序；

根据所述工部铸造参数以及所述铸造控制程序，控制域控制器循环执行所述待执行铸造流程。

2.根据权利要求1所述的一种用于铸造工部的域控制方法，其特征在于，在采集待执行铸造流程相关的工部铸造参数之前，所述方法还包括：

对铸造主材类型与铸造辅材类型进行材料选择，确定铸造工艺的输入维度；

对铸造半成品类型、铸造成品类型以及缺陷类型进行成品选择，确定出所述铸造工艺的输出维度；

对铸造订单、铸造计划、工艺文件、工艺过程、工序反馈、培训以及看板进行铸造工艺选择，确定出所述铸造工艺的控制维度；

对铸造设备、铸造质量、铸造能耗、铸造安全以及铸造人工进行铸造成本选择，确定出所述铸造工艺的支撑维度；

将所述输入维度、所述输出维度、所述控制维度以及所述支撑维度作为图表的构成要素，并根据所述构成要素，构建工序数据图表；

根据铸造工艺的生产现状以及生产工艺，对所述工序数据图表进行对应要素的勾选，并根据勾选的结果，构建数据模型，得到预设工序数据模型；

采集铸造工艺现场的实际工艺生产信息；

将所述实际工艺生产信息输入到所述预设工序数据模型，得到工序数据指标集；其中，所述工序数据指标集至少包括维度名称、分类项、数据项、数量、通道号、点类型、点说明以及逻辑关系。

3.根据权利要求2所述的一种用于铸造工部的域控制方法，其特征在于，在将所述实际工艺生产信息输入到所述预设工序数据模型，得到工序数据指标集之后，所述方法还包括：

根据预设工序数据模型，配置服务器端，具体包括：

根据所述工序数据指标集，将所述服务器端的DAT格式配置数据库存储位置、界面文件存储位置、DAT格式存档位置以及DAT格式存档备份位置进行对应匹配，得到配置后的通用参数；

将所述服务器端当前数据、分钟数据、小时数据以及事件数据进行对应匹配，得到配置后的数据保存参数；

通过所述服务器端附加的DLL文件，将所述工序数据指标集、所述配置后的通用参数以及所述配置后的数据保存参数上传到云平台中，得到云端数据；

将所述云端数据、所述配置后的通用参数以及所述配置后的数据保存参数进行数据关联，确定出配置后的服务器端。

4.根据权利要求3所述的一种用于铸造工部的域控制方法，其特征在于，所述方法还包括：

配置通讯服务端，具体包括：

将所述服务器端与所述通讯服务端进行连接端口、连接地址、运行标签周期以及用户登录的关联配置，得到所述通讯服务端的通用参数；

将所述工序数据指标集进行数据类型的划分，得到工序指标类型数据；其中，所述工序指标类型数据至少包括模拟输入数据、模拟输出数据、数字输入数据、数字输出数据以及通讯数据；

根据所述工序指标类型数据，分别建立数据分配通道，并得到分配通道号；

通过所述分配通道号，将所述工序指标类型数据分配到对应的分配通道号中；并根据所述分配通道号的数据输入阈值，得到数据传输的报警值；

将所述工序指标类型数据分别上传到云端存储，以进行所述通讯服务端的通讯通道的配置；

将所述通讯服务端的通用参数、所述报警值以及所述通讯通道进行数据关联，确定出所述配置后的通讯服务端。

5.根据权利要求4所述的一种用于铸造工部的域控制方法，其特征在于，所述方法还包括：

配置Web端，具体包括：

通过所述Web端，获取实时用户指令；

将所述实时用户指令与所述Web端中的历史用户指令进行对比，并根据对比结果，构建对比数据曲线；

对所述对比数据曲线进行工序数据曲线的预测，得到预测工序数据；

通过所述预测工序数据，对所述Web端进行数据更新，得到所述配置后的Web端；并通过所述配置后的Web端，向所述配置后的服务器端发送更新数据，以完成对所述配置后的服务器端的数据更新；

将更新后的所述服务器端与配置后的通讯服务端以及配置后的Web端进行数据关联，得到数据采集模块。

6.根据权利要求1所述的一种用于铸造工部的域控制方法，其特征在于，根据所述工部铸造参数以及所述铸造控制程序，控制所述域控制器循环执行所述待执行铸造流程，具体包括：

将所述铸造控制程序进行运行模拟测试，得到测试结果；

若所述测试结果为准确运行结果，则将所述铸造控制程序上传到域控制器的CPU中；

通过所述CPU中的所述铸造控制程序与所述工部铸造参数，将所述数据采集模块、所述智能控制模块以及所述AI智能检测 模块进行数据的运行控制，并控制所述域控制器循环执行所述待执行铸造流程，以完成所述域控制器中所有数据的连贯运行；其中，所述工部铸造参数至少包括造型参数、制芯参数、砂处理参数、熔炼浇铸参数、后处理参数。

7.一种用于铸造工部的域控制器，其特征在于，所述域控制器用于实现权利要求1-6任意一项所述的一种用于铸造工部的域控制方法。

Images