CN116360369B - 一种陶瓷刀片智能配料控制方法及系统 - Google Patents
一种陶瓷刀片智能配料控制方法及系统 Download PDFInfo
- Publication number
- CN116360369B CN116360369B CN202310343872.7A CN202310343872A CN116360369B CN 116360369 B CN116360369 B CN 116360369B CN 202310343872 A CN202310343872 A CN 202310343872A CN 116360369 B CN116360369 B CN 116360369B
- Authority
- CN
- China
- Prior art keywords
- flow
- frequency point
- signal
- flow velocity
- error
- 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
- 238000000034 method Methods 0.000 title claims abstract description 49
- 239000000919 ceramic Substances 0.000 title claims abstract description 25
- 230000008569 process Effects 0.000 claims abstract description 18
- 239000000463 material Substances 0.000 claims description 27
- 238000004519 manufacturing process Methods 0.000 claims description 14
- 239000004615 ingredient Substances 0.000 claims description 11
- 238000005303 weighing Methods 0.000 claims description 10
- 230000009466 transformation Effects 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 230000007274 generation of a signal involved in cell-cell signaling Effects 0.000 claims description 5
- 238000003860 storage Methods 0.000 claims description 5
- 230000007306 turnover Effects 0.000 claims description 5
- 230000003321 amplification Effects 0.000 claims description 4
- 230000005764 inhibitory process Effects 0.000 claims description 4
- 238000013507 mapping Methods 0.000 claims description 4
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 8
- 230000008859 change Effects 0.000 abstract description 5
- 238000004458 analytical method Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 238000005457 optimization Methods 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000013461 design Methods 0.000 description 5
- 230000009471 action Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 238000007599 discharging Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000013439 planning Methods 0.000 description 2
- 230000008054 signal transmission Effects 0.000 description 2
- 238000012384 transportation and delivery Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000007614 genetic variation Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000036314 physical performance Effects 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 230000010349 pulsation Effects 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000005245 sintering Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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]
- G05B19/41865—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 job scheduling, process planning, material flow
-
- 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)
- Feedback Control In General (AREA)
Abstract
本发明属于配料控制技术领域，提供了一种陶瓷刀片智能配料控制方法及系统，包括：获取订单信息；在预存的多个流速‑流量关系曲线中，确定与订单信息对应的流速‑流量关系曲线；根据流速‑流量关系曲线，得到模拟电信号；对所述模拟电信号进行特征提取，得到多个与流速对应的频率点信号；将所述频率点信号作为配料控制信号进行配料控制。本发明以订单信息为基础直接确定与流速‑流量关系曲线变化一致的模拟电信号，从而得到用于控制配料控制的频率点信号，消除了累积误差效应，同时，控制过程中，将频率点信号和预设标准数据之间的比较误差始终控制在预设范围内，提高了产品的质量稳定性。
Description
技术领域
本发明属于配料控制技术领域，尤其涉及一种陶瓷刀片智能配料控制方法及系统。
背景技术
陶瓷刀片生产企业在生产过程中需要精准下料，按照原有配方进行配料，产品质量受下料误差影响较大，误差不稳定会引起高温烧结后的裂纹、硬度不够以及颜色不均匀等问题，带来产品质量波动问题。且在更换不同产品型号时，需要停机，下线，重新加载配方，更换物料。
发明人发现，目前在陶瓷刀片生产过程中，控制配料方法多采用多段速度控制，控制方案需要事前反复调试才能确定，每个速度控制环节都会产生一定误差，误差会产生累积效应，引起异常配比误差，不利于产品的质量稳定。
发明内容
本发明为了解决上述问题，提出了一种陶瓷刀片智能配料控制方法及系统，本发明消除了累积误差效应，同时，控制过程中，将频率点信号和预设标准数据之间的比较误差始终控制在预设范围内，提高了产品的质量稳定性。
为了实现上述目的，本发明是通过如下的技术方案来实现：
第一方面，本发明提供了一种陶瓷刀片智能配料控制方法，包括：
获取订单信息；
在预存的多个流速-流量关系曲线中，确定与订单信息对应的流速-流量关系曲线；
根据流速-流量关系曲线，得到模拟电信号；对所述模拟电信号进行特征提取，得到多个与流速对应的频率点信号；
将所述频率点信号作为配料控制信号进行配料控制；控制过程中，将频率点信号和预设标准数据之间的比较误差始终控制在预设范围内。
进一步的，获取多个订单信息，按照多个订单信息的优先级，确定多个订单的加工流程。
进一步的，获取订单并提取订单信息，对订单进行分拣识别出事件属性，自动生成决策、分析、评估、执行和监测多种引擎信号；生成的多种引擎信号驱动各自的生产节点，分别产生工单、下达计划、启动配料、周转物料和加工物料，保存生产记录信息和订单信息；通过提取工单信息，生成数据集，建立对应订单的流量-流速模型。
进一步的，根据流速、流速、时间和误差之间的关联关系，生成订单与配料控制方案之间的映射关系。
进一步的，流量等于第一参数与流速的乘积、第二参数与时间的乘积以及误差三者的和。
进一步的，在固定时间内完成一定流量的配料时，根据流速和流量之间的关系建立非线性回归方程。
进一步的，通过提取的频率点信号与预设的标准数据进行差分比较、放大和梯度迭代运算，直至频率点信号与标准数据之间的误差在阈值范围内，将频率点信号进行反变换抑制转换为配料流速控制信号。
第二方面，本发明还提供了一种陶瓷刀片智能配料控制系统，包括：
数据采集模块，被配置为：获取订单信息；
关系曲线确定模块，被配置为：在预存的多个流速-流量关系曲线中，确定与订单信息对应的流速-流量关系曲线；
频率点信号生成模块，被配置为：根据流速-流量关系曲线，得到模拟电信号；对所述模拟电信号进行特征提取，得到多个与流速对应的频率点信号；
控制模块，被配置为：将所述频率点信号作为配料控制信号进行配料控制；控制过程中，将频率点信号和预设标准数据之间的比较误差始终控制在预设范围内。
第三方面，本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现了第一方面所述的陶瓷刀片智能配料控制方法的步骤。
第四方面，本发明还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现了第一方面所述的陶瓷刀片智能配料控制方法的步骤。
与现有技术相比，本发明的有益效果为：
1、本发明以订单信息为基础直接确定与流速-流量关系曲线变化一致的模拟电信号，从而得到用于控制配料控制的频率点信号，消除了采用多段速度控制方法时产生的累积误差效应，同时，控制过程中，将频率点信号和预设标准数据之间的比较误差始终控制在预设范围内，提高了产品的质量稳定性；
2、本发明具有作业半径短的特点，精减产线，减少了工单生成、下达计划、配料、周转和加工环节的人员参与，无需反复通过实验测试获得最终配料方案，每次更换不同产品，无需手动切换配料方案，节省作业时间，减少了劳动成本；
3、本发明能够根据订单重要性和优先级选择订单，自动生成排产计划，设备自动排产，自主选择配方，自动下料，从下达订单到整个配料过程无需人工干预；实现了精益管控，节省了成本，提高了效率；
4、本发明能够实现从订单直接输出配料控制信号，控制下料，消除了误差累积效应；精细下料，严格控制物料用量，同时避免了设备或人为操作带来的意外损失，提高了产品质量稳定性。
附图说明
构成本实施例的一部分的说明书附图用来提供对本实施例的进一步理解，本实施例的示意性实施例及其说明用于解释本实施例，并不构成对本实施例的不当限定。
图1为本发明实施例1的总体流程图；
图2为本发明实施例1的系统总体连接示意图；
图3为本发明实施例1的工作流程图；
图4为本发明实施例1的信号模拟器内部结构示意图；
图5为本发明实施例1的订单智能控制信号传送示意图；
图6为本发明实施例1的智能配料流程图；
图7为本发明实施例1的信号模拟器控制流程图；
图8为本发明实施例1的自定义数据结构；
图9为本发明实施例1的流量与转速-转矩特性曲线；
图10为本发明实施例1的构建数据示意图。
具体实施方式
下面结合附图与实施例对本发明作进一步说明。
应该指出，以下详细说明都是示例性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
实施例1：
针对目前在陶瓷刀片生产过程中，误差会产生累积效应影响产品的质量稳定性的问题，本实施例一种陶瓷刀片智能配料控制方法，包括：
获取订单信息；
在预存的多个流速-流量关系曲线中，确定与订单信息对应的流速-流量关系曲线；
生成与流速-流量关系曲线变换一致的模拟电信号；对所述模拟电信号进行特征提取，得到多个与流速按点对应的频率点信号；生成与流速-流量关系曲线变换一致的模拟电信号中，变换一致可以理解为流速-流量的对应关系可以转换为频率-电压(电流)的对应关系，流速-流量的变化率与频率-电压(电流)的变化率一致；频率点信号与流速按点对应，可以理解为，频率信号中，大小不同的频率点处对应有不同的流速。
将所述频率点信号作为配料控制信号进行配料控制；控制过程中，将频率点信号和预设标准数据之间的比较误差始终控制在预设范围内。
具体的，以订单信息为基础直接确定与流速-流量关系曲线变化一致的模拟电信号，从而得到用于控制配料控制的频率点信号，消除了采用多段速度控制方法时产生的累积误差效应，同时，控制过程中，将频率点信号和预设标准数据之间的比较误差始终控制在预设范围内，提高了产品的质量稳定性。
为了进一步对本实施例中陶瓷刀片智能配料控制方法进行说明，本实施例还提供了一种陶瓷刀片智能配料控制系统，如图1所示，系统总体设计思想为：
输入订单，经过系统，产生输出信号，由输出信号驱动漏斗达到精准下料的目的，订单输入系统后，提取订单的流量、流速、时间、误差等重要属性特征信息，按照多目标规划思想求解模型；可选的，用于执行下料动作的装置可以是电机驱动漏斗的形式，还可以采用其他下料驱动装置，只要可以实现控制下料时物料的流量、流速和时间等即可。
可选的，如图2和图3所示，将电机设备说明书和多个订单分别放入系统中扫描仪对应位置，扫描仪检测到物体放置后，自动开启扫描，订单扫描结果会通过多路开关，多路开关会按照订单优先级和重要性自动选择一个订单进行通过下一个流程；如果事先存在电机设备参数，说明书扫描结果不会通过单路开关，否则说明书扫描结果通过单路开关进入下一流程。多路开关和单路开关的输出信号进行汇总连接后产生新的数据，一方面送到云服务器进行存储，另一方面进入工控机，对数据进行加速运算，产生不同引擎类型的流程信号，然后对这些信号进行分类并按照不同的权重排序，排序后进行决策，同时工控机会通过加速运算后的数据，不断训练形成电机驱动模型，如果电机驱动模型没有形成，对输入工控机的数据采用池化、误差消除、增加样本点和修正参数等方法，加速电机驱动模型形成，如果电机驱动模型形成，则进入绘图仪输出模拟器可以识别的图像信号，模拟器依据图像信号再产生模拟信号，采集器采集到模拟信号后，对信号进行验证，如果不符合电机说明书的工作特性，则按照说明书的特性要求进行校准，反之，进入变频器直接驱动电机控制漏斗配料，整个系统工作流程如图3所示。
需要说明的是，本实施例中的订单可以是客户订单；说明书可以是设备说明书，包括但不限于漏斗说明书和电机说明书等；识别仪可以获取订单文字信息；摄像机可以获取整个流程的图像信息，监控整个流程，能够及时发现故障；工控机可以安装机器学习构建软件，可以采用基于Bert encoder模型将提取文字信息转为自定义表单格式，自定义表单是数据矩阵，每行，每列数据可理解为多维向量数据；采集器可以采集模拟器的输出信号，进行与云服务器中存储的原数据信号校验；变频器可以产生变频信号，用以驱动漏斗电机配料；电机可以带动漏斗工作，进行配料。
如图2中图形处理器(Graphics Processing Unit，GPU)模块可以是工控机安装的计算引擎，对多维向量数据进行机器学习，迭代运算，将运算结果传递至云平台存储；分类器是分类引擎模块，对多维向量数据，进行分类，形成订单数据类、配方数据类、设备数据类。
决策器是决策引擎，当无历史订单数据时，对多维向量数据重要性进行排序，赋予每种数据特征不同权限，用以在不同工况下计算工作模型，当有历史订单数据时，用以区别是哪个流程或环节使用，以及每个流程或环节的先后顺序关系。分类器产生工单，下达计划、启动配料，周转物料，加工物料，这些数据为指令类，其余为参数类。绘图仪将模型数据绘制成工作特性曲线。如图4所示，信号模拟器可以包含信号发生器、转换器、比较器、显示屏、存储器和通信单元。
本实施例中的智能配料控制方法可以包括订单智能控制方法、智能配料控制方法和信号模拟器控制方法三部分，具体为：
S1、订单智能控制方法：
识别订单并提取订单信息，可以通过引擎池对订单进行分拣、识别出事件属性，自动产生决策、分析、评估、执行和监测多种引擎信号；这些引擎信号会驱动各自的生产节点，分别产生工单、下达计划、启动配料、周转物料和加工物料，最后保存生产记录信息和订单信息；启动配料的环节，通过提取工单信息，生成数据集，建立对应订单的流量-流速模型；通过智能配料环节，从云平台获取配方数据，进行模型优化，通过内部电路产生电路控制信号，进行配料，订单智能控制信号传送示意图如图2所示。
工控机中安装的引擎盒，可以包括计算引擎、决策引擎和分类引擎等；引擎的行为动作，可以通过软件编程实现，产生工单、下达计划、启动配料、周转物料和加工物料等环节可以采用业界成熟的工艺实现，产生信号模块通过对工单的对象分析，依据订单类型生成数据，产生流量控制信号，系统信号传送流程如图5所示。
S2、智能配料控制方法：
因下料量受流速和时间的影响，只要确定流速-流量模型曲线，找出输入变量和输出变量，根据输入变量和输出变量求出模型参数，拟合出流速-流量关系曲线，利用电路搭建流速信号和流量信号生成信号，产生与流速-流量关系曲线变换一致的模拟电信号；将模拟电信号进行变换和特征提取，取出多个频率点信号，频率信号与流速信号按点对应，控制模块按照频率信号驱动电机调控漏斗下料量。因此，可以搭建配料控制系统，在此基础上按照订单信息，自动获取配方信息，产生智能配料方案，方案具体如下：
通过提取的信号特征与标准配方数据差分比较、放大和梯度迭代运算，直至误差在阈值范围内，然后将频率特征的数据进行反变换抑制转换为配料流速控制信号，同时进行云服务器存储，工控机对配料流速控制信号处理后，再分析，控制漏斗智能下料量，达到精准控制的目的，智能配料流程如图6所示。
S3、信号模器控制方法：
内部数据连接包括对象分析、构建数据、建立模型、优化模型、验证模型、曲线模拟、产生信号、信号校验和输出信号等，先描述来自订单数据的相关对象，定义对象的属性、特征和边界，流程图如图7所示。
S3.1、对象分析：
首先从云平台中，找到对应产品的配方，反馈到引擎池中获取生产历史订单作为对象，挖掘出每种物料的用量和用时，计算出每种配方的最佳权重，分析每种产品的实际生产记录和配方对应关系，找到每种物料的误差信息、用量、用时作为特征，根据下料量、流速、时间和误差信息发现四者之间的关联关系，产生订单与配料控制方案之间的映射关系。
由于误差在初始未知情况，很难选择对象特征，初始误差会影响流速、时间和流量等特征，尤其在不同特征形成的数据集，按照特征权重分类可以提高模型精度，因此，为提高生成效率，必须进行特征分析，采用特性选择算法筛选出4个权重较大的特征。
每个订单和配方对应的一条特征数据的权重之和P1+P2+P3+P4＝1，其中，P1、P2、P3和P4分别为下料量、流速、时间和误差对应的权重；选择所属订单和配方权重最大的一个特征进行输出，如果误差权重不大，小于预设权重值，但误差超出阈值的情况下，先进行系统校准，排除系统误差；如果误差权重不大，超过预设权重值，而误差小于阈值，则可以给系统引入一个与误差极性相反的随机信号。
构建数据：可选的，依据工艺流程需要，将数据划分为指令类数据、参数类数据和等级类数据，如表1所示：
表1数据划分
配方数据：按照自定义结构设计，因订单不同，配方可能不同，这会影响每种物料用量、用时、流速和误差，电机数据运行受转矩、转速和功率约束，决定每种物料的参数由决策值控制，大小按照重要性由大到小存放，自定义数据结构如图8所示。
要达到用时最少、误差最小和流量最大，至少涉及三个目标，而且要同时达到最优，Pareto最优解呈曲面形状，因此，需要画出Pareto图，找出至少两个目标都满足的解。需要排除其它对电机影响的目标函数，如电机损耗，在此，选取影响最敏感的转矩、转速和功率三个参数进行优化，优化算法选择遗传算法，通常电机安装后，认为正常情况下，其物理性能和参数基本保持不变，具体的设计工况和优化目标如下所示：
当以最大转矩工作时，会产生抖动，电机速度发生波动，导致电机损耗增加，因此优化参数为转矩脉动，约束条件：转矩保持最大。
当以最大转速工作时，转速n＝60f/P，其中，f为频率50Hz，P为电机极对数，电机极对数P＝3，电机的转速只跟频率f有关，因此，通过变频器调整电机的频率，优化参数为频率f，约束条件：功率不超最大值。
下料误差最小时，电动机效率最高，T＝9550×P/n，转矩与转速呈反比关系，电机要工作在转速逐渐提高的状态，因此优化参数为转矩，约束条件：功率不超最大值。
采用遗传算法：设定一个初始的种群，定义个体数量，种群个体优秀程度不同，选出优秀的作为种子，进行基因变异，产生子代种群，挑选出子代群体中优秀的个体，舍弃其它个体，再进行变异产生子代，据此循环往复，进化一定数量子代后，优秀的特征会越来越好，直至达到目标。
S3.2、建立模型：
情况一，依据上述算法，当无历史订单数据时：
根据采集数据手册中转速，转矩特性关系，以及公式T＝9550*P/n，先让电机工作于恒转矩区，再工作于恒功率区。
针对配方中不同物料下料量不同时，流量会不同，流量和转速要存在一定的约束关系，为节约成本和设计的复杂度，下料漏斗采用同型号，同规格，每种物料分配一个漏斗，每个漏斗分配一个电机，电机均采用相同型号和规格，对应设计只要满足Δn/Vn＝β即可，其中，β为常数，通过转矩和转速最大值直线L1，L1与任意一条电机转矩-转速工作特性曲线的交点，先确定一个起始转矩和转速值，据此能够确定该种物料的流量方案，其它流量方案满足β参数即可，因此可以确定任意流量方案。
建立曲线：最后通过信号模拟器产生驱动信号，驱动漏斗电机配料。
流量与转速-转矩特性曲线如图9所示。
情况二，有历史订单数据时：
构建数据：构建数据需要数据挖掘关联目标数据，进入数据加工环节进行清洗、提取和分析，然后将数据标准化输出，因每天的生产计划可能不同，而且每种产品规格不同，配方有所差异，因此可以得到大量的统计数据，将数据标准化，建立多维特征向量，匹配模型的输入变量和输出变量，形成数据集，构建数据示意图如图10所示。
S3.3、求解并优化模型：
S3.3.1、定义变量：
定义y为流量，Δy为误差，v为流速，t为时间，T为时间阈值，R为误差阈值；如果要求在尽可能小的时间范围t＜T、Δy＜R，误差基本不变的情况下，完成一定流量y。
S3.3.2、求解模型：
y＝θ1υ+θ2t+Δy
求解出参数θ1和θ2，可以得出一个关系曲线，设计一个满足该关系曲线的控制电路，该电路可以包含称流量传感器、称重传感器、计时器、误差传感器和控制器。流量传感器可以用于测量物料的流速；称重传感器可以用于测得当前时刻累计流量；计时器可以用于流量计时，误差传感器可以用于接收称重传感器信号并与设定称重目标y进行差值计算得出误差Δy；控制器可以用于控制其它模块的启动和停止，工作频率等。
依据控制电路，可以在任意要求下智能完成出满足流量要求的方案设计。
如果要求固定时间t内完成一定流量，原始方程变成一元回归方程，输入变量为v，输出变量为y，方程为线性回归方程，为了达到非线性回归方程的曲线效果，则需要重构方程，形成非线性回归方程，满足流量y与流速v之间的关系：
y＝α0+α1υ+α2υ2+…+αkυk
其中，α0为模型生成值与实际要求流量值的误差。根据曲线逼近实际要求流量值的误差程度进行调整。将输入变量和输出变量对应的数据转换为矩阵方程，利用多项式回归的高等数学知识求解模型参数α1，α2…αk。
S3.3.3、建立曲线：
根据统计数据和模型参数，拟合流量与流速的关系曲线，通过误差不断迭代优化模型参数，建立最优模型曲线，参照模型曲线特征，通过设计硬件电路生成模拟曲线。
S3.4、产生信号：
基于以上情况下，利用硬件电路知识搭建一个满足该曲线特征的非线性控制电路，该电路包含信号发生器、流量传感器、流速转换器、称重传感器、模拟量模块、信号发生器和控制器。信号发生器可以用于产生与关系曲线变换趋势一致的模拟信号；流量传感器可以用于获取物料流量信号转换为电信号；信号处理器可以用于将流量信号、重量信号转换为电信号，以及对模拟电信号反向变换、特征提取；模拟量模块可以用于采集传感器输出的信号；称重传感器可以用于获取物料累计重量，模拟量模块用以采集电压信号送入信号发生器；模拟器可以用于产生与绘图仪输出信号一致的非线性信号；工控机可以用于控制其它模块的启动、停止以及工作频率等动作。
实施例2：
本实施例提供了一种陶瓷刀片智能配料控制系统，包括：
数据采集模块，被配置为：获取订单信息；
关系曲线确定模块，被配置为：在预存的多个流速-流量关系曲线中，确定与订单信息对应的流速-流量关系曲线；
频率点信号生成模块，被配置为：根据流速-流量关系曲线，得到模拟电信号；对所述模拟电信号进行特征提取，得到多个与流速对应的频率点信号；
控制模块，被配置为：将所述频率点信号作为配料控制信号进行配料控制；控制过程中，将频率点信号和预设标准数据之间的比较误差始终控制在预设范围内。
所述系统的工作方法与实施例1的陶瓷刀片智能配料控制方法相同，这里不再赘述。
实施例3：
本实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现了实施例1所述的陶瓷刀片智能配料控制方法的步骤。
实施例4：
本实施例提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现了实施例1所述的陶瓷刀片智能配料控制方法的步骤。
以上所述仅为本实施例的优选实施例而已，并不用于限制本实施例，对于本领域的技术人员来说，本实施例可以有各种更改和变化。凡在本实施例的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本实施例的保护范围之内。
Claims (6)
1.一种陶瓷刀片智能配料控制方法，其特征在于，包括：
获取订单信息；
在预存的多个流速-流量关系曲线中，确定与订单信息对应的流速-流量关系曲线；
根据流速-流量关系曲线，得到模拟电信号；对所述模拟电信号进行特征提取，得到多个与流速对应的频率点信号，大小不同的频率点处对应有不同的流速；
将所述频率点信号作为配料控制信号进行配料控制；控制过程中，将频率点信号和预设标准数据之间的比较误差始终控制在预设范围内，通过提取的频率点信号与预设标准数据进行差分比较、放大和梯度迭代运算，直至频率点信号与预设标准数据之间的误差在阈值范围内，将频率点信号进行反变换抑制转换为配料流速控制信号；
根据流量、流速、时间和误差之间的关联关系，生成订单与配料控制方案之间的映射关系；流量等于第一参数与流速的乘积、第二参数与时间的乘积以及误差三者的和，所述误差由误差传感器所接收的称重传感器信号与设定的称重目标进行差值计算得出；在固定时间内完成一定流量的配料时，根据流速和流量之间的关系建立非线性回归方程。
2.如权利要求1所述的一种陶瓷刀片智能配料控制方法，其特征在于，获取多个订单信息，按照多个订单信息的优先级，确定多个订单的加工流程。
3.如权利要求1所述的一种陶瓷刀片智能配料控制方法，其特征在于，获取订单并提取订单信息，对订单进行分拣识别出事件属性，自动生成决策、分析、评估、执行和监测多种引擎信号；生成的多种引擎信号驱动各自的生产节点，分别产生工单、下达计划、启动配料、周转物料和加工物料，保存生产记录信息和订单信息；通过提取工单信息，生成数据集，建立对应订单的流量-流速模型。
4.一种陶瓷刀片智能配料控制系统，其特征在于，包括：
数据采集模块，被配置为：获取订单信息；
关系曲线确定模块，被配置为：在预存的多个流速-流量关系曲线中，确定与订单信息对应的流速-流量关系曲线；
频率点信号生成模块，被配置为：根据流速-流量关系曲线，得到模拟电信号；对所述模拟电信号进行特征提取，得到多个与流速对应的频率点信号，大小不同的频率点处对应有不同的流速；
控制模块，被配置为：将所述频率点信号作为配料控制信号进行配料控制；控制过程中，将频率点信号和预设标准数据之间的比较误差始终控制在预设范围内，通过提取的频率点信号与预设标准数据进行差分比较、放大和梯度迭代运算，直至频率点信号与预设标准数据之间的误差在阈值范围内，将频率点信号进行反变换抑制转换为配料流速控制信号；
根据流量、流速、时间和误差之间的关联关系，生成订单与配料控制方案之间的映射关系；流量等于第一参数与流速的乘积、第二参数与时间的乘积以及误差三者的和，所述误差由误差传感器所接收的称重传感器信号与设定的称重目标进行差值计算得出；在固定时间内完成一定流量的配料时，根据流速和流量之间的关系建立非线性回归方程。
5.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现了如权利要求1-3任一项所述的陶瓷刀片智能配料控制方法的步骤。
6.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现了如权利要求1-3任一项所述的陶瓷刀片智能配料控制方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310343872.7A CN116360369B (zh) | 2023-03-29 | 2023-03-29 | 一种陶瓷刀片智能配料控制方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310343872.7A CN116360369B (zh) | 2023-03-29 | 2023-03-29 | 一种陶瓷刀片智能配料控制方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116360369A CN116360369A (zh) | 2023-06-30 |
| CN116360369B true CN116360369B (zh) | 2024-04-19 |
Family
ID=86919346
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310343872.7A Active CN116360369B (zh) | 2023-03-29 | 2023-03-29 | 一种陶瓷刀片智能配料控制方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116360369B (zh) |
Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB950452A (en) * | 1959-03-02 | 1964-02-26 | Dowty Rotol Ltd | Improvements in apparatus for metering and proportioning materials |
| US4096833A (en) * | 1976-10-04 | 1978-06-27 | The Bendix Corporation | Circuit for frequency modulated fuel injection system |
| JP2000088899A (ja) * | 1998-09-14 | 2000-03-31 | Saginomiya Seisakusho Inc | 周波数測定方法および装置、物理量測定装置、流量計、流量検出スイッチおよびそれらの制御方法、ならびに、制御プログラムを記録した記録媒体 |
| EP1255174A1 (en) * | 2001-04-30 | 2002-11-06 | Starite S.p.A. | Electric Pump with automatic on-off device |
| CN101614569A (zh) * | 2009-07-20 | 2009-12-30 | 北京工业大学 | 基于超声导波技术的管道液体流量测量方法 |
| CN103480302A (zh) * | 2013-09-09 | 2014-01-01 | 张家港鹿鸣生物质能源设备有限公司 | 一种动模式生物质制粒机定量喂料装置 |
| CN103690145A (zh) * | 2013-12-25 | 2014-04-02 | 宁波明星科技发展有限公司 | 一种电脑验光仪 |
| CN107120427A (zh) * | 2017-05-08 | 2017-09-01 | 安徽江淮汽车集团股份有限公司 | 液压换档执行器的控制方法及系统 |
| CN107219786A (zh) * | 2017-06-30 | 2017-09-29 | 广东利鑫智能科技有限公司 | 一种改进型配料机控制系统 |
| CN112083487A (zh) * | 2020-09-16 | 2020-12-15 | 中国科学技术大学 | 宽频带频散曲线提取方法、装置 |
| CN112692147A (zh) * | 2020-12-07 | 2021-04-23 | 广东石油化工学院 | 一种轧制差厚板盒形件智能拉深控制系统及方法 |
| CN113108658A (zh) * | 2021-04-13 | 2021-07-13 | 中南大学 | 乳化基质流量控制系统及乳化炸药混装设备 |
| CN113231189A (zh) * | 2021-06-28 | 2021-08-10 | 中国水利水电第九工程局有限公司 | 砂石粗碎车间给料与破碎均衡生产智能控制方法及其装置 |
| CN114840044A (zh) * | 2022-05-10 | 2022-08-02 | 浙江坤德创新岩土工程有限公司 | 一种智能制浆供浆的控制装置及其使用方法 |
| CN115712247A (zh) * | 2022-11-25 | 2023-02-24 | 湖南中联重科混凝土机械站类设备有限公司 | 用于制砂系统的控制方法及控制装置、处理器及制砂系统 |
-
2023
- 2023-03-29 CN CN202310343872.7A patent/CN116360369B/zh active Active
Patent Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| GB950452A (en) * | 1959-03-02 | 1964-02-26 | Dowty Rotol Ltd | Improvements in apparatus for metering and proportioning materials |
| US4096833A (en) * | 1976-10-04 | 1978-06-27 | The Bendix Corporation | Circuit for frequency modulated fuel injection system |
| JP2000088899A (ja) * | 1998-09-14 | 2000-03-31 | Saginomiya Seisakusho Inc | 周波数測定方法および装置、物理量測定装置、流量計、流量検出スイッチおよびそれらの制御方法、ならびに、制御プログラムを記録した記録媒体 |
| EP1255174A1 (en) * | 2001-04-30 | 2002-11-06 | Starite S.p.A. | Electric Pump with automatic on-off device |
| CN101614569A (zh) * | 2009-07-20 | 2009-12-30 | 北京工业大学 | 基于超声导波技术的管道液体流量测量方法 |
| CN103480302A (zh) * | 2013-09-09 | 2014-01-01 | 张家港鹿鸣生物质能源设备有限公司 | 一种动模式生物质制粒机定量喂料装置 |
| CN103690145A (zh) * | 2013-12-25 | 2014-04-02 | 宁波明星科技发展有限公司 | 一种电脑验光仪 |
| CN107120427A (zh) * | 2017-05-08 | 2017-09-01 | 安徽江淮汽车集团股份有限公司 | 液压换档执行器的控制方法及系统 |
| CN107219786A (zh) * | 2017-06-30 | 2017-09-29 | 广东利鑫智能科技有限公司 | 一种改进型配料机控制系统 |
| CN112083487A (zh) * | 2020-09-16 | 2020-12-15 | 中国科学技术大学 | 宽频带频散曲线提取方法、装置 |
| CN112692147A (zh) * | 2020-12-07 | 2021-04-23 | 广东石油化工学院 | 一种轧制差厚板盒形件智能拉深控制系统及方法 |
| CN113108658A (zh) * | 2021-04-13 | 2021-07-13 | 中南大学 | 乳化基质流量控制系统及乳化炸药混装设备 |
| CN113231189A (zh) * | 2021-06-28 | 2021-08-10 | 中国水利水电第九工程局有限公司 | 砂石粗碎车间给料与破碎均衡生产智能控制方法及其装置 |
| CN114840044A (zh) * | 2022-05-10 | 2022-08-02 | 浙江坤德创新岩土工程有限公司 | 一种智能制浆供浆的控制装置及其使用方法 |
| CN115712247A (zh) * | 2022-11-25 | 2023-02-24 | 湖南中联重科混凝土机械站类设备有限公司 | 用于制砂系统的控制方法及控制装置、处理器及制砂系统 |
Non-Patent Citations (2)
| Title |
|---|
| 基于水厂变流变压曲线的高压变频器节能应用――低碳实时调度在智慧水务中的位置与运行;游庆元;吴胜华;陈超明;;变频器世界(11);全文 * |
| 离心泵性能测试的自动化控制系统;张慧敏, 龚德利, 骆德发;流体机械(07);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116360369A (zh) | 2023-06-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20170308052A1 (en) | Cell controller for optimizing motion of production system including industrial machines | |
| JP6174669B2 (ja) | 複数の製造機械を有する製造セルを制御するセルコントロールシステム、生産システム、制御方法及び制御プログラム | |
| CN110023850A (zh) | 用于控制技术系统的方法和控制装置 | |
| US20170031335A1 (en) | Cell control system, manufacturing system, and control method which control manufacturing cell including plurality of manufacturing machines | |
| US9934470B2 (en) | Production equipment including machine learning system and assembly and test unit | |
| US12007753B2 (en) | System and method for predicting industrial equipment motor behavior | |
| WO2020188328A1 (en) | Method of performing a process and optimizing control signals used in the process | |
| CN108920863A (zh) | 一种机器人伺服系统能耗估计模型的建立方法 | |
| CN109657982A (zh) | 一种故障预警方法及装置 | |
| JP2009042997A (ja) | データ分類方法および装置 | |
| CN115982178A (zh) | 一种蒸压加气混凝土制品智能配方配料方法及系统 | |
| CN112084834A (zh) | 诊断装置 | |
| CN114444738B (zh) | 一种电气设备保养周期生成方法 | |
| CN116360369B (zh) | 一种陶瓷刀片智能配料控制方法及系统 | |
| CN110837857A (zh) | 工业用电负荷预测方法、系统及其存储介质 | |
| EP3336349A1 (en) | Method and system for configuring wind turbines | |
| CN1573624A (zh) | 用于批性能估计的装置和方法 | |
| EP1687599B1 (en) | Simulation of conditions in a batching process | |
| CN111242266A (zh) | 一种运行数据管理系统 | |
| CN113111588B (zh) | 一种燃气轮机nox排放浓度预测方法及装置 | |
| CN114595888A (zh) | 一种烟草制丝生产线的工艺控制参数的预测方法及装置 | |
| CN116783561A (zh) | 机器学习装置 | |
| CN109270884A (zh) | 一种风机联锁仿人工智能模糊控制方法及控制装置 | |
| CN110244852A (zh) | 一种大脑情绪控制器控制参数整定方法 | |
| JP2020113151A (ja) | 処理水質推定装置、処理水質推定方法及びプログラム |
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 |