CN116857811B - 用于车间生产的噪声智能控制方法及系统 - Google Patents

Abstract

本发明公开了用于车间生产的噪声智能控制方法及系统，涉及智能控制技术领域，该方法包括：获取车间生产特征，根据作业设备位号和生产任务类型进行生产控制分析，确定第一生产噪音信息；确定第一通风噪音信息；确定第一冷却噪音信息根据第一生产噪音信息和第一通风噪音信息进行通风控制模式切换，获取第一通风模式；根据第一生产噪音信息和第一冷却噪音信息进行冷却控制模式切换，获取第一冷却模式；根据第一通风模式和/或第一冷却模式进行车间噪音控制。本发明解决了现有技术中车间生产的噪声控制考虑不全面，导致噪声控制效果差的技术问题，达到了全面对噪声来源进行智能化分析，提升控制质量的技术效果。

Description

用于车间生产的噪声智能控制方法及系统

技术领域

本发明涉及智能控制技术领域，具体涉及用于车间生产的噪声智能控制方法及系统。

背景技术

车间生产加工过程中，噪声是很大的污染源，因此需要对车间内的噪声进行有效控制。目前，对车间的噪声进行分析时，往往依据历史经验进行噪声调控，也有根据历史噪声情况对当前的噪声进行分析，然后进行噪声控制，但是由于在分析过程中考虑的因素过于单一，导致控制结果不能达到预期。现有技术中车间生产的噪声控制考虑不全面，导致噪声控制效果差的技术问题。

发明内容

本申请提供了用于车间生产的噪声智能控制方法及系统，用于针对解决现有技术中车间生产的噪声控制考虑不全面，导致噪声控制效果差的技术问题。

鉴于上述问题，本申请提供了用于车间生产的噪声智能控制方法及系统。

本申请的第一个方面，提供了用于车间生产的噪声智能控制方法，所述方法包括：

获取车间生产特征，其中，所述车间生产特征包括作业设备位号和生产任务类型；

根据所述作业设备位号和所述生产任务类型进行生产控制分析，确定第一生产噪音信息；

根据所述生产任务类型进行通风控制分析，确定第一通风噪音信息；

根据所述生产任务类型进行冷却控制分析，确定第一冷却噪音信息；

根据所述第一生产噪音信息和所述第一通风噪音信息进行通风控制模式切换，获取第一通风模式；

根据所述第一生产噪音信息和所述第一冷却噪音信息进行冷却控制模式切换，获取第一冷却模式；

根据所述第一通风模式和/或所述第一冷却模式进行车间噪音控制。

本申请的第二个方面，提供了用于车间生产的噪声智能控制系统，所述系统包括：

生产特征获得模块，所述生产特征获得模块用于获取车间生产特征，其中，所述车间生产特征包括作业设备位号和生产任务类型；

生产噪音信息确定模块，所述生产噪音信息确定模块用于根据所述作业设备位号和所述生产任务类型进行生产控制分析，确定第一生产噪音信息；

通风噪音信息确定模块，所述通风噪音信息确定模块用于根据所述生产任务类型进行通风控制分析，确定第一通风噪音信息；

冷却噪音信息确定模块，所述冷却噪音信息确定模块用于根据所述生产任务类型进行冷却控制分析，确定第一冷却噪音信息；

通风模式获得模块，所述通风模式获得模块用于根据所述第一生产噪音信息和所述第一通风噪音信息进行通风控制模式切换，获取第一通风模式；

冷却模式获得模块，所述冷却模式获得模块用于根据所述第一生产噪音信息和所述第一冷却噪音信息进行冷却控制模式切换，获取第一冷却模式；

噪音控制模块，所述噪音控制模块用于根据所述第一通风模式和/或所述第一冷却模式进行车间噪音控制。

本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：

本申请通过获取车间生产特征，其中，车间生产特征包括作业设备位号和生产任务类型根据作业设备位号和生产任务类型进行生产控制分析，确定第一生产噪音信息，然后根据生产任务类型进行通风控制分析，确定第一通风噪音信息，根据生产任务类型进行冷却控制分析，确定第一冷却噪音信息根据第一生产噪音信息和第一通风噪音信息进行通风控制模式切换，获取第一通风模式，进而根据第一生产噪音信息和第一冷却噪音信息进行冷却控制模式切换，获取第一冷却模式，然后根据第一通风模式和/或第一冷却模式进行车间噪音控制。达到了提升车间噪音控制质量，综合考虑多重噪声源进行深入分析，提高噪音控制质量的技术效果。

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的前提下，还可以根据这些附图获得其他的附图。

图1为本申请实施例提供的用于车间生产的噪声智能控制方法流程示意图；

图2为本申请实施例提供的用于车间生产的噪声智能控制方法中确定第一生产噪音信息的流程示意图；

图3为本申请实施例提供的用于车间生产的噪声智能控制方法中确定第一冷却噪音信息的流程示意图；

图4为本申请实施例提供的用于车间生产的噪声智能控制系统结构示意图。

附图标记说明：生产特征获得模块11，生产噪音信息确定模块12，通风噪音信息确定模块13，冷却噪音信息确定模块14，通风模式获得模块15，冷却模式获得模块16，噪音控制模块17。

具体实施方式

本申请通过提供了用于车间生产的噪声智能控制方法及系统，用于针对解决现有技术中车间生产的噪声控制考虑不全面，导致噪声控制效果差的技术问题。

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的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。

需要说明的是，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或服务器不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或模块。

实施例一

如图1所示，本申请提供了用于车间生产的噪声智能控制方法，其中，包括：

步骤S100：获取车间生产特征，其中，所述车间生产特征包括作业设备位号和生产任务类型；

在一个可能的实施例中，对需要进行噪声控制的车间从作业设备在车间中的分布位号和需要进行生产的生产任务类型进行采集，获得车间生产特征。其中，所述车间生产特征是将车间生产情况与其他车间的生成情况区分开的特征，包括作业设备位号和生产任务类型。其中，所述作业设备位号是车间中进行执行生产作业的设备编号，根据所述作业设备位号可以获得设备在车间中分布的位置，并对设备进行识别，车间中每一个设备对应一个位号。所述生产任务类型是对车间需要进行生产的任务内容进行类型判定后获得的，如焊接任务、批量生产、压铸任务、吊装任务等。

步骤S200：根据所述作业设备位号和所述生产任务类型进行生产控制分析，确定第一生产噪音信息；

进一步的，如图2所示，根据所述作业设备位号和所述生产任务类型进行生产控制分析，确定第一生产噪音信息，本申请实施例步骤S200还包括：

步骤S210：通过图像采集装置获取降噪设备分布状态信息；

步骤S220：遍历所述作业设备位号，以所述生产任务类型和所述降噪设备分布状态为场景约束信息进行数据挖掘，采集设备历史作业日志，其中，所述设备历史作业日志包括机械噪音级别记录数据和电磁噪音级别记录数据；

步骤S230：对所述机械噪音级别记录数据进行集中值评价，获取机械噪音预测级别；

步骤S240：对所述电磁噪音级别记录数据进行集中值评价，获取电磁噪音预测级别；

步骤S250：将所述机械噪音预测级别和所述电磁噪音预测级别添加进所述第一生产噪音信息。

在一个可能的实施例中，在获得所述作业设备位号和所述生产任务类型后，对车间内的生产控制情况进行分析，确定在生产过程中产生的噪音进行分析，从而获得所述第一生产噪音信息。其中，所述第一生产噪音信息包括机械噪音预测级别和电磁噪音预测级别。通过获取第一生产噪音信息为后续进行智能控制提供分析数据。

在一个可能的实施例中，通过利用图像采集装置获取车间内降噪设备分布情况，获得降噪设备分布状态信息。其中，所述降噪设备分布状态信息描述了车间内降噪设备的分布位置和分布数量。通过对所述作业设备位号中每一个设备，以生产任务类型和降噪设备分布状态作为工作场景的约束，在大数据中进行数据挖掘，获得设备历史作业日志。其中，所述设备历史作业日志是与作业设备位号对应的生产任务类型和降噪设备分布状态一致的工作场景下的设备工作记录情况，包括机械噪音级别记录数据、电磁噪音级别记录数据。其中，所述机械噪音级别记录数据是对工作工程中由于机械设备运转时,部件间的摩擦力、撞击力或非平衡力等,使机械部件和壳体等发声体产生无规律振动而辐射出的噪音级别进行记录的数据。所述电磁噪音级别记录数据是对电磁场交替变化而引进某些机械部件或空间容积振动而产生的噪声对应的噪音级别进行记录的数据。

在一个可能的实施例中，通过分别对机械噪音级别记录数据和电磁噪音级别记录数据进行集中值评价，从而获得机械噪音预测级别和电磁噪音预测级别。也就是说，利用同样工作场景下作业设备位号产生的噪音级别记录数据，对当前作业会产生的噪音进行预测。进而，将机械噪音预测级别和电磁噪音预测级别添加进所述第一生产噪音信息中。

进一步的，对所述机械噪音级别记录数据进行集中值评价，获取机械噪音预测级别，本申请实施例步骤S230还包括：

步骤S231：遍历所述机械噪音级别记录数据，构建多个k邻近粒子域，其中，所述多个k邻近粒子域指的是将任意一个噪音记录数据和邻近的k个邻近粒子组合为域；

步骤S232：遍历所述多个k邻近粒子域进行粒子密度分析，获取多个粒子密度参数和粒子密度均值；

步骤S233：当所述多个粒子密度参数的任意一个小于所述粒子密度均值，且具有预设密度偏差时，将对应的所述机械噪音级别记录数据删除，获取机械噪音级别记录数据清洗结果；

步骤S234：对所述机械噪音级别记录数据清洗结果进行均值分析，获取所述机械噪音预测级别。

进一步的，遍历所述多个k邻近粒子域进行粒子密度分析，获取多个粒子密度参数和粒子密度均值，本申请实施例步骤S232还包括：

步骤S232-1：获取第i个记录数据的k邻近粒子域的反向k邻近粒子集与域内邻近粒子集，其中，第i个k邻近粒子域指的是任意一个所述机械噪音级别记录数据对应的粒子域，所述反向k邻近粒子集指的是第i个记录数据为其近邻粒子，但不属于第i个记录数据k邻近粒子域的粒子集，域内邻近粒子集指的是属于第i个记录数据k邻近粒子域的粒子集；

步骤S232-2：根据所述反向k邻近粒子集和第i个记录数据统计偏差均值，获取第一粒子密度系数；

步骤S232-3：根据所述域内邻近粒子集和所述第i个记录数据统计偏差均值，获取第二粒子密度系数；

步骤S232-4：对所述第一粒子密度系数和所述第二粒子密度系数求均值，获取第i个记录数据粒子密度参数，添加进所述多个粒子密度参数；

步骤S232-5：对所述多个粒子密度参数求均值，获取所述粒子密度均值。

在一个可能的实施例中，根据所有的机械噪音级别记录数据构建多个k邻近粒子域。优选的，通过从所述机械噪音级别记录数据中随机选取一个噪音记录数据，根据该噪音记录数据与机械噪音级别记录数据进行匹配的结果获得邻近的k个邻近粒子，将该噪音记录数据和k个邻近粒子进行组合成域，生成一个k邻近粒子域。进而，基于同样的构建方法，根据所述机械噪音级别记录数据生成多个k邻近粒子域。

具体而言，通过对多个k邻近粒子域中包含的粒子密度分析，获得多个粒子密度参数和粒子密度均值。其中，所述多个粒子密度是对多个k邻近粒子域中包含的粒子密集程度进行描述。所述粒子密度均值是多个k邻近粒子域包含的平均粒子密集程度。通过根据所述粒子密度均值对多个粒子密度参数进行筛选，当多个粒子密度参数的任意一个小于所述粒子密度均值，且具有预设密度偏差时，表明对应的机械噪音级别记录数据混乱程度高，集中程度低，因此需要将其删除，从而达到对机械噪音级别记录数据进行数据清洗的目标，获得所述机械噪音级别记录数据清洗结果。进而，对所述机械噪音级别记录数据清洗结果进行均值分析，从而获得所述机械噪音预测级别。

具体的，通过获得第i个记录数据k邻近粒子域的反向k邻近粒子集与域内邻近粒子集,其中，第i个k邻近粒子域指的是任意一个所述机械噪音级别记录数据对应的粒子域，所述反向k邻近粒子集指的是第i个记录数据为其近邻粒子，但不属于第i个记录数据k邻近粒子域的粒子集，域内邻近粒子集指的是属于第i个记录数据k邻近粒子域的粒子集。通过计算反向k邻近粒子集和第i个记录数据统计偏差均值，优选的，通过对反向k邻近粒子集中的每一个粒子与第i个记录数据之间的距离的倒数进行加和后，将加和的结果除以反向邻近粒子集中的粒子个数进行均值计算，将计算结果作为所述第一粒子密度系数。第一粒子密度系数越大，表明第i个记录数据与反向其他记录数据的偏离程度越小，则密度越高。对域内邻近粒子集中所有的粒子域第i个记录数据之间的距离的倒数进行加和后，将加和的结果除以域内邻近粒子集中粒子的个数进行均值计算，将计算结果作为第二粒子密度系数。第二粒子密度系数越大，表明第i记录数据与域内其他记录数据之间的偏离程度越小，则其密度越高。对所述第一粒子密度系数和所述第二粒子密度系数求均值，获取第i个记录数据粒子密度参数，添加进所述多个粒子密度参数。基于同样的计算方式，获得多个粒子密度参数。进而，对多个粒子密度参数进行均值处理，获得粒子密度均值。

步骤S300：根据所述生产任务类型进行通风控制分析，确定第一通风噪音信息；

步骤S400：根据所述生产任务类型进行冷却控制分析，确定第一冷却噪音信息；

进一步的，如图3所示，本申请实施例步骤S400还包括：

步骤S410：根据所述生产任务类型，获取生产控制参数，根据所述作业设备位号，确定作业设备型号；

步骤S420：将所述生产控制参数和所述作业设备型号输入通风量标定通道，获取通风量标定结果；

步骤S430：将所述生产控制参数和所述作业设备型号输入发热量标定通道，获取发热量标定结果；

步骤S440：根据所述通风量标定结果进行通风控制分析，确定所述第一通风噪音信息；

步骤S450：根据所述发热量标定结果进行冷却控制分析，确定所述第一冷却噪音信息。

在一个可能的实施例中，根据生产任务类型对车间生产进行通风控制分析，确定由于需要对车间通风引起的噪声情况，获得所述第一通风噪音信息。根据生产任务类型对车间生产进行冷却控制分析，确定由于需要对车间生产过程进行冷却而引起的噪声情况，获得所述第一冷却噪音信息。

具体而言，通过根据生产任务类型获得生产控制参数，其中，所述生产控制参数包括通风量、冷却温度值、风速等。基于所述作业设备位号确定进行作业的设备型号，其中，所述作业设备型号包括通风机的型号、冷却设备的型号。通过将所述生产控制参数和所述作业设备型号输入通风量标定通道，获取通风量标定结果，其中，所述通风量标定结果反映了车间进行作业后根据车间内的有害气体浓度和所述灰尘浓度确定的通风量情况。所述通风量标定通道用于车间工作后所需要的通风量进行智能化标定。所述发热量标定通道用于对车间内进行生产加工后根据温度上升情况确定的发热量进行智能化标定。所述发热量标定结果确定了车间进行生产后的温度上升幅度。基于与生产控制分析相同的方法，基于通风量标定结果确定第一通风噪音信息，基于发热量标定结果进行冷却控制分析，确定第一冷却噪音信息。

优选的，通过根据生产任务类型和通风量标定结果作为场景约束信息进行数据挖掘，获得设备历史作业日志，从所述设备历史作业日志中获得通风噪音级别记录数据，然后进行集中值评价，获得通风噪音预测级别，将所述通风噪音预测级别添加进第一通风噪音信息中。

优选的，通过根据生产任务类型和发热量标定结果作为场景约束信息进行数据挖掘，获得设备历史作业日志，从所述设备历史作业日志中获得冷却噪音级别记录数据，然后进行集中值评价，获得冷却噪音预测级别，将所述冷却噪音预测级别添加进第一冷却噪音信息中。

进一步的，将所述生产控制参数和所述作业设备型号输入通风量标定通道，获取通风量标定结果，之前本申请实施例步骤S420还包括：

步骤S420：根据所述作业设备型号，采集生产控制记录数据，其中，所述生产控制记录数据包括生产控制参数记录数据、有害气体浓度记录数据和灰尘浓度记录数据；

步骤S422：将所述有害气体浓度记录数据和所述灰尘浓度记录数据输入通风量标定表，获取通风量标定记录数据；

步骤S423：以所述作业设备型号和所述生产控制参数记录数据为输入数据，以所述有害气体浓度记录数据和所述灰尘浓度记录数据为输出监督数据，基于BP神经网络进行训练，获取前置处理层；

步骤S424：基于所述通风量标定表，构建通风量标定层，将所述前置处理层的输出层和所述通风量标定层的输入层合并，获取所述通风量标定通道。

在一个实施例中，根据所述作业设备型号，采集生产控制记录数据，其中，所述生产控制记录数据包括生产控制参数记录数据、有害气体浓度记录数据和灰尘浓度记录数据。所述通风量标定表是基于大数据构建的有害气体浓度记录数据和所述灰尘浓度记录数据与通风量标定记录数据之间的映射表。优选的，以所述有害气体浓度记录数据和所述灰尘浓度记录数据为索引，在所述通风量标定表中进行搜索，获得通风量标定记录数据。

具体而言，以所述作业设备型号和所述生产控制参数记录数据为输入数据，以所述有害气体浓度记录数据和所述灰尘浓度记录数据为输出监督数据，对基于BP神经网络构建的框架进行训练，直至输出达到收敛，获取前置处理层。基于所述通风量标定表，构建通风量标定层，将所述前置处理层的输出层和所述通风量标定层的输入层合并，获取所述通风量标定通道。

具体的，以所述作业设备型号和所述生产控制参数记录数据为输入数据，以所述温度上升记录数据为输出监督数据，对基于BP神经网络构建的框架进行训练，直至输出达到收敛，获取前置处理层。基于所述发热量标定表，构建发热量标定层，将所述前置处理层的输出层和所述发热量标定层的输入层合并，获取所述发热量标定通道。其中，所述发热量标定表是基于大数据构建的，用于对温度上升记录数据进行映射标定的表格。

步骤S500：根据所述第一生产噪音信息和所述第一通风噪音信息进行通风控制模式切换，获取第一通风模式；

进一步的，根据所述第一生产噪音信息和所述第一通风噪音信息进行通风控制模式切换，获取第一通风模式，本申请实施例步骤S500还包括：

步骤S510：当所述第一通风噪音信息的第一噪音级别小于或等于所述第一生产噪音信息的第二噪音级别，生成通风控制模式不切换指令；

步骤S520：当所述第一噪音级别大于所述第二噪音级别，获取所述通风控制模式的N个独立通风模式；

步骤S530：遍历所述N个独立通风模式进行独立通风控制分析，获取N个通风噪音级别；

步骤S540：根据所述N个独立通风模式进行联合通风控制分析，获取M个联合通风模式和M个通风噪音级别；

步骤S550：判断所述N个通风噪音级别是否小于或等于所述第二噪音级别；

步骤S560：若小于或等于，基于所述N个独立通风模式生成通风控制模式切换指令；

步骤S570：当所述N个通风噪音级别大于所述第二噪音级别，判断所述M个通风噪音级别是否小于或等于所述第二噪音级别；

步骤S580：若小于或等于，基于所述M个联合通风模式生成通风控制模式切换指令；

步骤S590：根据所述通风控制模式切换指令进行通风控制模式切换，获取所述第一通风模式。

具体而言，根据所述第一生产噪音信息和所述第一通风噪音信息进行通风控制模式切换，由于生产加工过程产生的生产噪音无法避免，因此，可以根据第一通风噪音信息中的第一通风噪音对通风控制模式进行切换，获得第一通风模式。其中，所述第一通风模式包括中央空调、风扇、打开窗户等。

具体而言，当所述第一通风噪音信息的第一噪音级别小于或等于所述第一生产噪音信息的第二噪音级别时，表明通风噪音被生产噪音盖过，此时不需要通过对通风控制模式进行切换，来控制通风噪音，获得通风控制模式不切换指令。

具体的，当所述第一噪音级别大于所述第二噪音级别，获取所述通风控制模式的N个独立通风模式，其中，所述N个独立通风模式包括中央空调、风扇、打开窗户等。通过对N个独立通风模式进行独立通风控制分析，确定根据N个独立通风模式单独进行通风时，对应的N个通风噪音级别。通过对所述N个独立通风模式进行联合通风控制分析，也就是从N个独立通风模式中随机选取两个或多个独立通风模式进行联合通风控制，获得M个联合通风模式。并对M个联合通风模式进行噪音分析，获得M个通风噪音级别。判断所述N个通风噪音级别是否小于或等于所述第二噪音级别，若小于或等于，表明此时单独通风可以降低通风噪音，基于所述N个独立通风模式生成通风控制模式切换指令。当所述N个通风噪音级别大于所述第二噪音级别，判断所述M个通风噪音级别是否小于或等于所述第二噪音级别，若小于或等于，基于所述M个联合通风模式生成通风控制模式切换指令，根据所述通风控制模式切换指令进行通风控制模式切换，获取所述第一通风模式。

步骤S600：根据所述第一生产噪音信息和所述第一冷却噪音信息进行冷却控制模式切换，获取第一冷却模式；

步骤S700：根据所述第一通风模式和/或所述第一冷却模式进行车间噪音控制。

在一个可能的实施例中，根据所述第一生产噪音信息和所述第一冷却噪音信息进行冷却控制模式切换，由于生产加工过程产生的生产噪音无法避免，因此，可以根据第一冷却噪音信息中的第一冷却噪音对冷却控制模式进行切换，获得第一冷却模式。其中，所述第一冷却模式包括水冷方式和空冷方式等。

具体而言，当所述第一冷却噪音信息的第一噪音级别小于或等于所述第一生产噪音信息的第二噪音级别时，表明冷却噪音被生产噪音盖过，此时不需要通过对冷却控制模式进行切换，来控制冷却噪音，获得冷却控制模式不切换指令。

具体的，当所述第一噪音级别大于所述第二噪音级别，获取所述冷却控制模式的Q个独立冷却模式，其中，所述Q个独立冷却模式包括水冷方式和空冷方式等。通过对Q个独立冷却模式进行独立冷却控制分析，确定根据Q个独立冷却模式单独进行冷却时，对应的Q个冷却噪音级别。通过对所述Q个独立冷却模式进行联合冷却控制分析，也就是从Q个独立冷却模式中随机选取两个或多个独立冷却模式进行联合冷却控制，获得H个联合冷却模式。并对H个联合冷却模式进行噪音分析，获得H个冷却噪音级别。判断所述Q个冷却噪音级别是否小于或等于所述第二噪音级别，若小于或等于，表明此时单独冷却可以降低冷却噪音，基于所述Q个独立冷却模式生成冷却控制模式切换指令。当所述Q个冷却噪音级别大于所述第二噪音级别，判断所述H个冷却噪音级别是否小于或等于所述第二噪音级别，若小于或等于，基于所述H个联合冷却模式生成冷却控制模式切换指令，根据所述冷却控制模式切换指令进行冷却控制模式切换，获取所述第一冷却模式。

具体的，根据第一通风模式，或第一冷却模式，或第一通风模式和第一冷却模式对车间内噪音进行控制。从而，达到了对车间生产的噪音进行智能控制，综合全面的考虑噪音来源，提升控制效率和控制质量的技术效果。

综上所述，本申请实施例至少具有如下技术效果：

本申请通过对车间进行生产特征提取，获得作业设备位号和生产任务类型，为后续进行噪音分析提供基础数据，然后从生产控制角度分析确定第一生产噪音信息，进而，分别从通风和冷却两个维度进行噪音分析，确定第一通风噪音信息和第一冷却噪音信息，实现了全面分析噪音源，提高控制准确度的目标，然后确定第一通风模式和第一冷却模式，对车间内可以调控的通风源噪音和冷却源噪音进行控制。从而达到了提升噪音分析的全面性，提高噪音控制质量准确性的技术效果。

实施例二

基于与前述实施例中用于车间生产的噪声智能控制方法相同的发明构思，如图4所示，本申请提供了用于车间生产的噪声智能控制系统，本申请实施例中的系统与方法实施例基于同样的发明构思。其中，所述系统包括：

生产特征获得模块11，所述生产特征获得模块11用于获取车间生产特征，其中，所述车间生产特征包括作业设备位号和生产任务类型；

生产噪音信息确定模块12，所述生产噪音信息确定模块12用于根据所述作业设备位号和所述生产任务类型进行生产控制分析，确定第一生产噪音信息；

通风噪音信息确定模块13，所述通风噪音信息确定模块13用于根据所述生产任务类型进行通风控制分析，确定第一通风噪音信息；

冷却噪音信息确定模块14，所述冷却噪音信息确定模块14用于根据所述生产任务类型进行冷却控制分析，确定第一冷却噪音信息；

通风模式获得模块15，所述通风模式获得模块15用于根据所述第一生产噪音信息和所述第一通风噪音信息进行通风控制模式切换，获取第一通风模式；

冷却模式获得模块16，所述冷却模式获得模块16用于根据所述第一生产噪音信息和所述第一冷却噪音信息进行冷却控制模式切换，获取第一冷却模式；

噪音控制模块17，所述噪音控制模块17用于根据所述第一通风模式和/或所述第一冷却模式进行车间噪音控制。

进一步的，所述生产噪音信息确定模块12用于执行如下方法：

通过图像采集装置获取降噪设备分布状态信息；

遍历所述作业设备位号，以所述生产任务类型和所述降噪设备分布状态为场景约束信息进行数据挖掘，采集设备历史作业日志，其中，所述设备历史作业日志包括机械噪音级别记录数据和电磁噪音级别记录数据；

对所述机械噪音级别记录数据进行集中值评价，获取机械噪音预测级别；

对所述电磁噪音级别记录数据进行集中值评价，获取电磁噪音预测级别；

将所述机械噪音预测级别和所述电磁噪音预测级别添加进所述第一生产噪音信息。

进一步的，所述生产噪音信息确定模块12用于执行如下方法：

遍历所述机械噪音级别记录数据，构建多个k邻近粒子域，其中，所述多个k邻近粒子域指的是将任意一个噪音记录数据和邻近的k个邻近粒子组合为域；

遍历所述多个k邻近粒子域进行粒子密度分析，获取多个粒子密度参数和粒子密度均值；

当所述多个粒子密度参数的任意一个小于所述粒子密度均值，且具有预设密度偏差时，将对应的所述机械噪音级别记录数据删除，获取机械噪音级别记录数据清洗结果；

对所述机械噪音级别记录数据清洗结果进行均值分析，获取所述机械噪音预测级别。

进一步的，所述生产噪音信息确定模块12用于执行如下方法：

获取第i个记录数据的k邻近粒子域的反向k邻近粒子集与域内邻近粒子集，其中，第i个k邻近粒子域指的是任意一个所述机械噪音级别记录数据对应的粒子域，所述反向k邻近粒子集指的是第i个记录数据为其近邻粒子，但不属于第i个记录数据k邻近粒子域的粒子集，域内邻近粒子集指的是属于第i个记录数据k邻近粒子域的粒子集；

根据所述反向k邻近粒子集和第i个记录数据统计偏差均值，获取第一粒子密度系数；

根据所述域内邻近粒子集和所述第i个记录数据统计偏差均值，获取第二粒子密度系数；

对所述第一粒子密度系数和所述第二粒子密度系数求均值，获取第i个记录数据粒子密度参数，添加进所述多个粒子密度参数；

对所述多个粒子密度参数求均值，获取所述粒子密度均值。

进一步的，所述冷却噪音信息确定模块14用于执行如下方法：

根据所述生产任务类型，获取生产控制参数，根据所述作业设备位号，确定作业设备型号；

将所述生产控制参数和所述作业设备型号输入通风量标定通道，获取通风量标定结果；

将所述生产控制参数和所述作业设备型号输入发热量标定通道，获取发热量标定结果；

根据所述通风量标定结果进行通风控制分析，确定所述第一通风噪音信息；

根据所述发热量标定结果进行冷却控制分析，确定所述第一冷却噪音信息。

进一步的，所述冷却噪音信息确定模块14用于执行如下方法：

根据所述作业设备型号，采集生产控制记录数据，其中，所述生产控制记录数据包括生产控制参数记录数据、有害气体浓度记录数据和灰尘浓度记录数据；

将所述有害气体浓度记录数据和所述灰尘浓度记录数据输入通风量标定表，获取通风量标定记录数据；

以所述作业设备型号和所述生产控制参数记录数据为输入数据，以所述有害气体浓度记录数据和所述灰尘浓度记录数据为输出监督数据，基于BP神经网络进行训练，获取前置处理层；

基于所述通风量标定表，构建通风量标定层，将所述前置处理层的输出层和所述通风量标定层的输入层合并，获取所述通风量标定通道。

进一步的，所述通风模式获得模块15用于执行如下方法：

当所述第一通风噪音信息的第一噪音级别小于或等于所述第一生产噪音信息的第二噪音级别，生成通风控制模式不切换指令；

当所述第一噪音级别大于所述第二噪音级别，获取所述通风控制模式的N个独立通风模式；

遍历所述N个独立通风模式进行独立通风控制分析，获取N个通风噪音级别；

根据所述N个独立通风模式进行联合通风控制分析，获取M个联合通风模式和M个通风噪音级别；

判断所述N个通风噪音级别是否小于或等于所述第二噪音级别；

若小于或等于，基于所述N个独立通风模式生成通风控制模式切换指令；

当所述N个通风噪音级别大于所述第二噪音级别，判断所述M个通风噪音级别是否小于或等于所述第二噪音级别；

若小于或等于，基于所述M个联合通风模式生成通风控制模式切换指令；

根据所述通风控制模式切换指令进行通风控制模式切换，获取所述第一通风模式。

需要说明的是，上述本申请实施例先后顺序仅仅为了描述，不代表实施例的优劣。且上述对本说明书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较佳实施例，并不用以限制本申请，凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

本说明书和附图仅仅是本申请的示例性说明，且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样，倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内，则本申请意图包括这些改动和变型在内。

Claims (8)

1.用于车间生产的噪声智能控制方法，其特征在于，包括：

获取车间生产特征，其中，所述车间生产特征包括作业设备位号和生产任务类型；

根据所述作业设备位号和所述生产任务类型进行生产控制分析，确定第一生产噪音信息；

根据所述生产任务类型进行通风控制分析，确定第一通风噪音信息；

根据所述生产任务类型进行冷却控制分析，确定第一冷却噪音信息；

根据所述第一生产噪音信息和所述第一通风噪音信息进行通风控制模式切换，获取第一通风模式；

根据所述第一生产噪音信息和所述第一冷却噪音信息进行冷却控制模式切换，获取第一冷却模式；

根据所述第一通风模式和/或所述第一冷却模式进行车间噪音控制。

2.如权利要求1所述的方法，其特征在于，根据所述作业设备位号和所述生产任务类型进行生产控制分析，确定第一生产噪音信息，包括：

通过图像采集装置获取降噪设备分布状态信息；

遍历所述作业设备位号，以所述生产任务类型和所述降噪设备分布状态为场景约束信息进行数据挖掘，采集设备历史作业日志，其中，所述设备历史作业日志包括机械噪音级别记录数据和电磁噪音级别记录数据；

对所述机械噪音级别记录数据进行集中值评价，获取机械噪音预测级别；

对所述电磁噪音级别记录数据进行集中值评价，获取电磁噪音预测级别；

将所述机械噪音预测级别和所述电磁噪音预测级别添加进所述第一生产噪音信息。

3.如权利要求2所述的方法，其特征在于，对所述机械噪音级别记录数据进行集中值评价，获取机械噪音预测级别，包括：

遍历所述机械噪音级别记录数据，构建多个k邻近粒子域，其中，所述多个k邻近粒子域指的是将任意一个噪音记录数据和邻近的k个邻近粒子组合为域；

遍历所述多个k邻近粒子域进行粒子密度分析，获取多个粒子密度参数和粒子密度均值；

当所述多个粒子密度参数的任意一个小于所述粒子密度均值，且具有预设密度偏差时，将对应的所述机械噪音级别记录数据删除，获取机械噪音级别记录数据清洗结果；

对所述机械噪音级别记录数据清洗结果进行均值分析，获取所述机械噪音预测级别。

4.如权利要求3所述的方法，其特征在于，遍历所述多个k邻近粒子域进行粒子密度分析，获取多个粒子密度参数和粒子密度均值，包括：

获取第i个记录数据的k邻近粒子域的反向k邻近粒子集与域内邻近粒子集，其中，第i个k邻近粒子域指的是任意一个所述机械噪音级别记录数据对应的粒子域，所述反向k邻近粒子集指的是第i个记录数据为其近邻粒子，但不属于第i个记录数据k邻近粒子域的粒子集，域内邻近粒子集指的是属于第i个记录数据k邻近粒子域的粒子集；

根据所述反向k邻近粒子集和第i个记录数据统计偏差均值，获取第一粒子密度系数；

根据所述域内邻近粒子集和所述第i个记录数据统计偏差均值，获取第二粒子密度系数；

对所述第一粒子密度系数和所述第二粒子密度系数求均值，获取第i个记录数据粒子密度参数，添加进所述多个粒子密度参数；

对所述多个粒子密度参数求均值，获取所述粒子密度均值。

5.如权利要求1所述的方法，其特征在于，包括：

根据所述生产任务类型，获取生产控制参数，根据所述作业设备位号，确定作业设备型号；

将所述生产控制参数和所述作业设备型号输入通风量标定通道，获取通风量标定结果；

将所述生产控制参数和所述作业设备型号输入发热量标定通道，获取发热量标定结果；

根据所述通风量标定结果进行通风控制分析，确定所述第一通风噪音信息；

根据所述发热量标定结果进行冷却控制分析，确定所述第一冷却噪音信息。

6.如权利要求5所述的方法，其特征在于，将所述生产控制参数和所述作业设备型号输入通风量标定通道，获取通风量标定结果，之前包括：

根据所述作业设备型号，采集生产控制记录数据，其中，所述生产控制记录数据包括生产控制参数记录数据、有害气体浓度记录数据和灰尘浓度记录数据；

将所述有害气体浓度记录数据和所述灰尘浓度记录数据输入通风量标定表，获取通风量标定记录数据；

以所述作业设备型号和所述生产控制参数记录数据为输入数据，以所述有害气体浓度记录数据和所述灰尘浓度记录数据为输出监督数据，基于BP神经网络进行训练，获取前置处理层；

基于所述通风量标定表，构建通风量标定层，将所述前置处理层的输出层和所述通风量标定层的输入层合并，获取所述通风量标定通道。

7.如权利要求1所述的方法，其特征在于，根据所述第一生产噪音信息和所述第一通风噪音信息进行通风控制模式切换，获取第一通风模式，包括：

当所述第一通风噪音信息的第一噪音级别小于或等于所述第一生产噪音信息的第二噪音级别，生成通风控制模式不切换指令；

当所述第一噪音级别大于所述第二噪音级别，获取所述通风控制模式的N个独立通风模式；

遍历所述N个独立通风模式进行独立通风控制分析，获取N个通风噪音级别；

根据所述N个独立通风模式进行联合通风控制分析，获取M个联合通风模式和M个通风噪音级别；

判断所述N个通风噪音级别是否小于或等于所述第二噪音级别；

若小于或等于，基于所述N个独立通风模式生成通风控制模式切换指令；

当所述N个通风噪音级别大于所述第二噪音级别，判断所述M个通风噪音级别是否小于或等于所述第二噪音级别；

若小于或等于，基于所述M个联合通风模式生成通风控制模式切换指令；

根据所述通风控制模式切换指令进行通风控制模式切换，获取所述第一通风模式。

8.用于车间生产的噪声智能控制系统，其特征在于，所述系统包括：

生产特征获得模块，所述生产特征获得模块用于获取车间生产特征，其中，所述车间生产特征包括作业设备位号和生产任务类型；

生产噪音信息确定模块，所述生产噪音信息确定模块用于根据所述作业设备位号和所述生产任务类型进行生产控制分析，确定第一生产噪音信息；

通风噪音信息确定模块，所述通风噪音信息确定模块用于根据所述生产任务类型进行通风控制分析，确定第一通风噪音信息；

冷却噪音信息确定模块，所述冷却噪音信息确定模块用于根据所述生产任务类型进行冷却控制分析，确定第一冷却噪音信息；

通风模式获得模块，所述通风模式获得模块用于根据所述第一生产噪音信息和所述第一通风噪音信息进行通风控制模式切换，获取第一通风模式；

冷却模式获得模块，所述冷却模式获得模块用于根据所述第一生产噪音信息和所述第一冷却噪音信息进行冷却控制模式切换，获取第一冷却模式；

噪音控制模块，所述噪音控制模块用于根据所述第一通风模式和/或所述第一冷却模式进行车间噪音控制。