CN117274259B - 一种基于物联网的键盘生产设备管理方法及系统 - Google Patents

一种基于物联网的键盘生产设备管理方法及系统 Download PDF

Info

Publication number
CN117274259B
CN117274259B CN202311557645.0A CN202311557645A CN117274259B CN 117274259 B CN117274259 B CN 117274259B CN 202311557645 A CN202311557645 A CN 202311557645A CN 117274259 B CN117274259 B CN 117274259B
Authority
CN
China
Prior art keywords
point cloud
cloud data
injection molding
dimensional model
actual
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
Application number
CN202311557645.0A
Other languages
English (en)
Other versions
CN117274259A (zh
Inventor
唐谊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Lixinlian Electronics Co ltd
Original Assignee
Shenzhen Lixinlian Electronics Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Lixinlian Electronics Co ltd filed Critical Shenzhen Lixinlian Electronics Co ltd
Priority to CN202311557645.0A priority Critical patent/CN117274259B/zh
Publication of CN117274259A publication Critical patent/CN117274259A/zh
Application granted granted Critical
Publication of CN117274259B publication Critical patent/CN117274259B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G06T7/001—Industrial image inspection using an image reference approach
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06395—Quality analysis or management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y10/00—Economic sectors
    • G16Y10/25—Manufacturing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2200/00—Indexing scheme for image data processing or generation, in general
    • G06T2200/08—Indexing scheme for image data processing or generation, in general involving all processing steps from image acquisition to 3D model generation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection

Abstract

本发明涉及工业设备管理技术领域，特别是一种基于物联网的键盘生产设备管理方法及系统，通过获取经过注塑设备注塑成型后的键盘成品的点云数据，并根据所述点云数据生成经过注塑设备注塑成型后键盘成品的实际三维模型图；获取键盘成品的工程图纸信息，根据所述工程图纸信息构建得到键盘成品的标准三维模型图；若所述偏差得分大于预设阈值，通过物联网方式在所述数据库中检索得到注塑设备对该产品进行注塑成型过程中各子部件的实际运行参数及对应的实际环境参数；根据所述实际运行参数与实际环境参数对相应的子部件进行分析，以分析出运行异常子部件。以物联网方式进行远程故障排除、参数调整，减少停机时间和提高设备的可用性。

Description

一种基于物联网的键盘生产设备管理方法及系统
技术领域
本发明涉及工业设备管理技术领域，特别是一种基于物联网的键盘生产设备管理方法及系统。
背景技术
随着制造业的发展，智能制造已成为提高竞争力和适应市场变化的关键。在这一背景下，键盘注塑生产设备需要更智能、灵活的控制方法以适应不断变化的市场需求。物联网技术的快速发展为制造业提供了新的解决方案。通过一系列传感器、监测设备、执行器和通信模块，使得生产车间中各工艺步骤设备之间能够实现实时的数据交换。传统键盘注塑生产设备通常缺乏实时的监控和数据反馈机制，这导致了生产中的潜在问题无法及时发现和解决，影响了生产效率和产品质量。因此，在制造过程中，实时数据分析对于优化生产流程至关重要，通过物联网技术，设备可以实时采集、传输和分析数据，使得能够更好地了解生产状态和进行相应的智能生产决策。
发明内容
本发明克服了现有技术的不足，提供了一种基于物联网的键盘生产设备管理方法及系统。
为达到上述目的本发明采用的技术方案为：
本发明第一方面公开了一种基于物联网的键盘生产设备管理方法，包括以下步骤：
S102：控制注塑设备按照预设程序对产品进行注塑成型，得到注塑成型后的键盘成品，并获取注塑设备对该产品进行注塑成型过程中各子部件的实际运行参数及对应的实际环境参数；构建数据库，并将各子部件的实际运行参数及对应的实际环境参数导入所述数据库中；
S104：获取经过注塑设备注塑成型后的键盘成品的点云数据，并根据所述点云数据生成经过注塑设备注塑成型后键盘成品的实际三维模型图；
S106：获取键盘成品的工程图纸信息，根据所述工程图纸信息构建得到键盘成品的标准三维模型图；结合体素化算法与层次分析算法对所述实际三维模型图与标准三维模型图进行评价分析，得到所述实际三维模型图与标准三维模型图之间的偏差得分；
S108：若所述偏差得分大于预设阈值，通过物联网方式在所述数据库中检索得到注塑设备对该产品进行注塑成型过程中各子部件的实际运行参数及对应的实际环境参数；
S110：根据所述实际运行参数与实际环境参数对相应的子部件进行分析，以分析出运行异常子部件，并基于物联网的方式将运行异常子部件的实际运行参数进行调整。
进一步的，本发明的一个较佳实施例中，获取经过注塑设备注塑成型后的键盘成品的点云数据，并根据所述点云数据生成经过注塑设备注塑成型后键盘成品的实际三维模型图，具体为：
S202：通过激光扫描仪对注塑成型后的键盘成品进行扫描，并接收键盘成品不同区域所反射回来的激光点云数据，得到若干个点云数据集；并将各点云数据集进行清洗处理，得到清洗后的点云数据集；
S204：选择一个点云数据集作为目标点云数据集，并将目标点云数据集中的点云数据标定为目标点云数据；将其余点云数据集初始化为待配准点云数据集，并将待配准点云数据集中的点云数据标定为待配准点云数据；
S206：随机挑选一个待配准点云数据集，并在该待配准点云数据集中检索出与目标点云数据的点云属性相同的待配准点云数据，并对点云属性相同的相应点云数据进行配准，以将该待配准点云数据集中的待配准点云数据配准合并至目标点云数据集中；其中，点云属性包括色彩、曲率以及法向量；
S208：重复S206步骤，直至将所有待配准点云数据集中的待配准点云数据均配准合并至目标点云数据集中，以使得各点云数据集中的点云数据均以统一坐标系表示；
S210：使得各点云数据集中的点云数据均以统一坐标系表示后，通过泊松曲面重建算法将离散的点云数据转换成连续的曲面，以形成一个光滑的三维模型，得到经过注塑设备注塑成型后键盘成品的实际三维模型图。
进一步的，本发明的一个较佳实施例中，将各点云数据集进行清洗处理，得到清洗后的点云数据集，具体为：
获取点云数据集中各点云数据的坐标信息，构建坐标系，根据所述坐标信息将各点云数据映射到所述坐标系中，得到若干个与各点云数据相对应的数据点；
预设领域半径与最小点数，在所述坐标系中随机选择一个尚未访问的数据点；并以该数据点为中心，半径为预设领域半径，在所述坐标系中分割出一个虚拟球状体，并检索出存在于该虚拟球状体内数据点的点数量；若存在于该虚拟球状体内数据点的点数量大于所述最小点数，则将当前访问的数据点标记为核心点；
若某一数据点为核心点，则将该数据点在预设领域半径内的其余数据点添加到同一簇族中；继续访问下一数据点，并重复以上步骤，直至所有的数据点均被访问，得到若干个簇族；
将簇族位于内的数据点标记为正常数据点，将簇族位于外的数据点标记为噪声数据点；获取与所述噪声数据点对应的点云数据，并在所述点云数据集中将与所述噪声数据点对应的点云数据剔除，以对点云数据集中噪声数据进行清洗，得到清洗后的点云数据集。
进一步的，本发明的一个较佳实施例中，结合体素化算法与层次分析算法对所述实际三维模型图与标准三维模型图进行评价分析，得到所述实际三维模型图与标准三维模型图之间的偏差得分，具体为：
将所述实际三维模型图进行体素化处理，得到第一体素网格；将所述标准三维模型图进行体素化处理，得到第二体素网格；其中，体素化过程是将三维模型离散化为一组具有坐标和属性的立方体；
获取所述第一体素网格的颜色属性与法向量属性；以及获取所述第二体素网格的颜色属性与法向量属性；其中，颜色属性表示三维模型图的局部色彩；法向量属性表示三维模型图局部形状；
获取键盘成品的注塑精度要求信息，以及确定评价的层次结构，并将所述层次结构分为目标层、准则层以及比较层；
将所述注塑精度要求信息导入所述准则层中，将所述第一体素网格的颜色属性与法向量属性导入所述比较层中，将所述第二体素网格的颜色属性与法向量属性导入所述目标层中，以生成评价体系；
将所述目标层与准则层进行比较，得到属性差异性；将所述属性差异性导入所述准则层中进行评价，以评价得到所述实际三维模型图与标准三维模型图之间的偏差得分。
进一步的，本发明的一个较佳实施例中，根据所述实际运行参数与实际环境参数对相应的子部件进行分析，以分析出运行异常子部件，并基于物联网的方式将运行异常子部件的实际运行参数进行调整，具体为：
通过大数据网络获取各子部件在各种预设环境参数工作时的预设运行参数，基于深度学习网络构建预测模型，并将各子部件在各种预设环境参数工作时的预设运行参数分为训练集与验证集；
将所述训练集导入所述预测模型中，通过交叉损失函数在所述预测模型中对所述训练集进行训练，并当训练误差收敛至预设值后，保存预测模型中的训练数据；通过测试集对预测模型中的训练数据进行测试，若所述训练数据满足预设要求，则提取最终保存的训练数据，得到训练好的预测模型；
将各子部件的实际环境参数导入所述训练好的预测模型中，预测得到各子部件在实际环境参数条件之下工作时对应的预设运行参数；
获取各子部件的实际运行参数，并将各子部件的实际运行参数与对应的预设运行参数进行比较，得到运行参数偏差值，并将所述运行参数偏差值与预设偏差值进行比较；
若所述运行参数偏差值大于预设偏差值，则将相应子部件的运行状态标记为运行异常子部件，并基于所述参数偏差值生成调控参数，基于物联网的方式将所述调控参数传送至注塑设备的控制终端上，以通过控制终端对相应子部件的运行参数进行调整。
进一步的，本发明的一个较佳实施例中，还包括以下步骤：
当对运行异常子部件的实际运行参数进行调整后，获取每一次注塑设备键盘成品的实际三维模型图与标准三维模型图之间的偏差得分，得到多个偏差得分；
基于卷积神经网络构建状态转移模型，定义注塑设备的初始状态以及每个初始状态的初始概率分布，结合所述初始状态与初始概率分布对注塑设备进行状态转移概率计算，得到多个状态转移概率，根据所述状态转移概率构建状态转移矩阵；
将所述状态转移矩阵输入至卷积层中进行卷积运算，得到状态转移矩阵的卷积特征值；通过PCA算法将高维度的卷积特征值降维至低维度的空间中进行嵌入表示，生成嵌入向量；将所述嵌入向量映射到连接层中，输出向量识别，最后通过Sigmoid函数进行分类，保存模型参数，输出马尔科夫链模型；
将多个偏差得分输入到所述马尔科夫链模型中进行故障概率推演，得到注塑设备的故障概率，若所述故障概率大于预设故障概率，则生成警报信息，并通过物联网方式将所述警报信息传送至预设平台上显示。
本发明第二方面公开了一种基于物联网的键盘生产设备管理系统，所述键盘生产设备管理系统包括存储器与处理器，所述存储器中存储有键盘生产设备管理方法程序，当所述键盘生产设备管理方法程序被所述处理器执行时，实现如下步骤：
控制注塑设备按照预设程序对产品进行注塑成型，得到注塑成型后的键盘成品，并获取注塑设备对该产品进行注塑成型过程中各子部件的实际运行参数及对应的实际环境参数；构建数据库，并将各子部件的实际运行参数及对应的实际环境参数导入所述数据库中；
获取经过注塑设备注塑成型后的键盘成品的点云数据，并根据所述点云数据生成经过注塑设备注塑成型后键盘成品的实际三维模型图；
获取键盘成品的工程图纸信息，根据所述工程图纸信息构建得到键盘成品的标准三维模型图；结合体素化算法与层次分析算法对所述实际三维模型图与标准三维模型图进行评价分析，得到所述实际三维模型图与标准三维模型图之间的偏差得分；
若所述偏差得分大于预设阈值，通过物联网方式在所述数据库中检索得到注塑设备对该产品进行注塑成型过程中各子部件的实际运行参数及对应的实际环境参数；
根据所述实际运行参数与实际环境参数对相应的子部件进行分析，以分析出运行异常子部件，并基于物联网的方式将运行异常子部件的实际运行参数进行调整。
本发明解决了背景技术中存在的技术缺陷，本发明具备以下有益效果：本方法通过获取经过注塑设备注塑成型后的键盘成品的点云数据，并根据所述点云数据生成经过注塑设备注塑成型后键盘成品的实际三维模型图；获取键盘成品的工程图纸信息，根据所述工程图纸信息构建得到键盘成品的标准三维模型图；结合体素化算法与层次分析算法对所述实际三维模型图与标准三维模型图进行评价分析，得到所述实际三维模型图与标准三维模型图之间的偏差得分；若所述偏差得分大于预设阈值，通过物联网方式在所述数据库中检索得到注塑设备对该产品进行注塑成型过程中各子部件的实际运行参数及对应的实际环境参数；根据所述实际运行参数与实际环境参数对相应的子部件进行分析，以分析出运行异常子部件，并基于物联网的方式将运行异常子部件的实际运行参数进行调整。通过本方法可以提高生产效率、降低成本、降低产品报废率、提高产品质量，并且以物联网方式进行远程故障排除、参数调整和控制，从而减少停机时间和提高设备的可用性。
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，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实施例的附图。
图1为一种基于物联网的键盘生产设备管理方法的第一方法流程图；
图2为一种基于物联网的键盘生产设备管理方法的第二方法流程图；
图3为一种基于物联网的键盘生产设备管理方法的第三方法流程图；
图4为一种基于物联网的键盘生产设备管理系统的系统框图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
如图1所示，本发明第一方面公开了一种基于物联网的键盘生产设备管理方法，包括以下步骤：
S102：控制注塑设备按照预设程序对产品进行注塑成型，得到注塑成型后的键盘成品，并获取注塑设备对该产品进行注塑成型过程中各子部件的实际运行参数及对应的实际环境参数；构建数据库，并将各子部件的实际运行参数及对应的实际环境参数导入所述数据库中；
S104：获取经过注塑设备注塑成型后的键盘成品的点云数据，并根据所述点云数据生成经过注塑设备注塑成型后键盘成品的实际三维模型图；
S106：获取键盘成品的工程图纸信息，根据所述工程图纸信息构建得到键盘成品的标准三维模型图；结合体素化算法与层次分析算法对所述实际三维模型图与标准三维模型图进行评价分析，得到所述实际三维模型图与标准三维模型图之间的偏差得分；
S108：若所述偏差得分大于预设阈值，通过物联网方式在所述数据库中检索得到注塑设备对该产品进行注塑成型过程中各子部件的实际运行参数及对应的实际环境参数；
S110：根据所述实际运行参数与实际环境参数对相应的子部件进行分析，以分析出运行异常子部件，并基于物联网的方式将运行异常子部件的实际运行参数进行调整。
如图2所示，具体地，获取经过注塑设备注塑成型后的键盘成品的点云数据，并根据所述点云数据生成经过注塑设备注塑成型后键盘成品的实际三维模型图，具体为：
S202：通过激光扫描仪对注塑成型后的键盘成品进行扫描，并接收键盘成品不同区域所反射回来的激光点云数据，得到若干个点云数据集；并将各点云数据集进行清洗处理，得到清洗后的点云数据集；
S204：选择一个点云数据集作为目标点云数据集，并将目标点云数据集中的点云数据标定为目标点云数据；将其余点云数据集初始化为待配准点云数据集，并将待配准点云数据集中的点云数据标定为待配准点云数据；
S206：随机挑选一个待配准点云数据集，并在该待配准点云数据集中检索出与目标点云数据的点云属性相同的待配准点云数据，并对点云属性相同的相应点云数据进行配准，以将该待配准点云数据集中的待配准点云数据配准合并至目标点云数据集中；其中，点云属性包括色彩、曲率以及法向量；
S208：重复S206步骤，直至将所有待配准点云数据集中的待配准点云数据均配准合并至目标点云数据集中，以使得各点云数据集中的点云数据均以统一坐标系表示；
S210：使得各点云数据集中的点云数据均以统一坐标系表示后，通过泊松曲面重建算法将离散的点云数据转换成连续的曲面，以形成一个光滑的三维模型，得到经过注塑设备注塑成型后键盘成品的实际三维模型图。
需要说明的是，当通过注塑设备注塑成型得到键盘成品后，在检测工作站中通过激光扫描仪或其他3D传感器获取键盘成品的点云数据集，点云数据集通常包含每个点的三维坐标信息与颜色信息等，各个点云数据集为根据不同的视角、位置扫描得到的点云数据，因此需要通过ICP算法对各个点云数据集中的点云数据进行配准，具体而言，选择一个点云数据集作为参考（目标），并将其他数据集初始化为待配准的源点云，初始化时，假设源点云与目标点云有一定的初始变换关系，可以是一个粗略的估计，然后对依次对各点云数据集中的点云数据进行多次迭代来优化变换，以将该待配准点云数据集中的待配准点云数据配准合并至目标点云数据集中，直至将所有待配准点云数据集中的待配准点云数据均配准合并至目标点云数据集中，以使得各点云数据集中的点云数据均以统一坐标系表示，然后再基于点云重构的方式生成实际三维模型图。通过本步骤能够通过获取键盘成品点云数据的方式重构键盘成品的实际三维模型图，相较于通过图像的方式，所获取得到的模型精度更高，能够更加真实的还原出注塑后键盘的实际状态，以提高后续的模型分析精度与可靠性。
具体地，将各点云数据集进行清洗处理，得到清洗后的点云数据集，具体为：
获取点云数据集中各点云数据的坐标信息，构建坐标系，根据所述坐标信息将各点云数据映射到所述坐标系中，得到若干个与各点云数据相对应的数据点；
预设领域半径与最小点数，在所述坐标系中随机选择一个尚未访问的数据点；并以该数据点为中心，半径为预设领域半径，在所述坐标系中分割出一个虚拟球状体，并检索出存在于该虚拟球状体内数据点的点数量；若存在于该虚拟球状体内数据点的点数量大于所述最小点数，则将当前访问的数据点标记为核心点；
若某一数据点为核心点，则将该数据点在预设领域半径内的其余数据点添加到同一簇族中；继续访问下一数据点，并重复以上步骤，直至所有的数据点均被访问，得到若干个簇族；
将簇族位于内的数据点标记为正常数据点，将簇族位于外的数据点标记为噪声数据点；获取与所述噪声数据点对应的点云数据，并在所述点云数据集中将与所述噪声数据点对应的点云数据剔除，以对点云数据集中噪声数据进行清洗，得到清洗后的点云数据集。
需要说明的是，由于设备的采集精度与采集环境等因素的影响，所采集得到的点云数据会存在一部分为噪声点，因此在本步骤中通过DBSCAN算法对这些噪声点进行清洗，具体而言，预设领域半径表征的是一个以某个点为中心的半径范围，用于确定一个核心点周围的邻居；最小点数表征的是一个核心点的最小邻居数目。通过随机选择一个尚未访问的点，检查以该点为中心，半径为预设领域半径的球内是否有足够多的点，如果满足，则该点被标记为核心点，如果该点是核心点，将其所有可达的邻居（在预设领域半径的的点）添加到同一簇中，对于新簇中的点，重复上述过程，直到不再有新的点加入簇；继续选择下一个未访问的点，并重复上述步骤，直到所有点都被访问。通过本方法能够便有效地分离噪声点和正常点，能够快速对噪声数据点进行筛选清除。
具体地，结合体素化算法与层次分析算法对所述实际三维模型图与标准三维模型图进行评价分析，得到所述实际三维模型图与标准三维模型图之间的偏差得分，具体为：
将所述实际三维模型图进行体素化处理，得到第一体素网格；将所述标准三维模型图进行体素化处理，得到第二体素网格；其中，体素化过程是将三维模型离散化为一组具有坐标和属性的立方体；
获取所述第一体素网格的颜色属性与法向量属性；以及获取所述第二体素网格的颜色属性与法向量属性；其中，颜色属性表示三维模型图的局部色彩；法向量属性表示三维模型图局部形状；
获取键盘成品的注塑精度要求信息，以及确定评价的层次结构，并将所述层次结构分为目标层、准则层以及比较层；
将所述注塑精度要求信息导入所述准则层中，将所述第一体素网格的颜色属性与法向量属性导入所述比较层中，将所述第二体素网格的颜色属性与法向量属性导入所述目标层中，以生成评价体系；
将所述目标层与准则层进行比较，得到属性差异性；将所述属性差异性导入所述准则层中进行评价，以评价得到所述实际三维模型图与标准三维模型图之间的偏差得分。
需要说明的是，将两个三维模型转换为一个三维体素网格，体素是三维空间中的立方体单元，类似于像素在二维图像中的作用，体素化过程将三维模型离散化为一组具有坐标和属性的立方体。对于每个体素，可以计算各种属性，如颜色属性、法向量属性以及存在性属性等。使用层次分析法来评价两个三维模型图之间属性的偏差，以用于对多个因素进行层次化评价和权重分配，从而做出合理的决策，对于每一对层次中的因素，数据分析来确定它们之间的相对重要性，这可以通过构建比较矩阵来实现，比较矩阵的元素表示一个因素相对于另一个因素的相对重要性，对比较矩阵进行一致性检验并计算各因素的权重，以确定它们在评价中的相对重要性，将计算得到的权重应用于模型偏差的各个方面（如形状相似性、颜色相似性等），以综合评价两个三维模型之间的差异，根据评价结果，可以得到对于不同方面的模型偏差评分。通过本步骤对两个三维模型之间的模型偏差进行系统性的评价和比较，以使得后续能够做出合理的决策，提高注塑设备管理的合理性。
具体地，根据所述实际运行参数与实际环境参数对相应的子部件进行分析，以分析出运行异常子部件，并基于物联网的方式将运行异常子部件的实际运行参数进行调整，具体为：
通过大数据网络获取各子部件在各种预设环境参数工作时的预设运行参数，基于深度学习网络构建预测模型，并将各子部件在各种预设环境参数工作时的预设运行参数分为训练集与验证集；
将所述训练集导入所述预测模型中，通过交叉损失函数在所述预测模型中对所述训练集进行训练，并当训练误差收敛至预设值后，保存预测模型中的训练数据；通过测试集对预测模型中的训练数据进行测试，若所述训练数据满足预设要求，则提取最终保存的训练数据，得到训练好的预测模型；
将各子部件的实际环境参数导入所述训练好的预测模型中，预测得到各子部件在实际环境参数条件之下工作时对应的预设运行参数；
获取各子部件的实际运行参数，并将各子部件的实际运行参数与对应的预设运行参数进行比较，得到运行参数偏差值，并将所述运行参数偏差值与预设偏差值进行比较；
若所述运行参数偏差值大于预设偏差值，则将相应子部件的运行状态标记为运行异常子部件，并基于所述参数偏差值生成调控参数，基于物联网的方式将所述调控参数传送至注塑设备的控制终端上，以通过控制终端对相应子部件的运行参数进行调整。
需要说明的是，环境参数包括温度、湿度、粉尘度、震动度等；运行参数即是注塑设备中子部件的工作参数，如上、下模合模压力等。工作环境可以对注塑设备中各子部件的运行参数产生影响，这是因为工作环境的条件可以对设备的性能、稳定性和耐久性产生直接或间接的影响。举例来说，温度是一个重要的环境因素，它可以影响注塑设备的各种部件，高温环境可能导致设备部件过热，降低设备的效率和寿命，低温环境可能导致流体和润滑油的粘度增加，影响设备的润滑和运行。因此，将各子部件的实际环境参数导入所述训练好的预测模型中，预测得到各子部件在实际环境参数条件之下工作时对应的预设运行参数，从而消除不同车间环境对分析精度的影响，若所述运行参数偏差值大于预设偏差值，则将相应子部件的运行状态标记为运行异常子部件，并基于所述参数偏差值生成调控参数，基于物联网的方式将所述调控参数传送至注塑设备的控制终端上，以通过控制终端对相应子部件的运行参数进行调整。通过本方法能够自动分析出处于运行参数异常的子部件，并且对其相应的运行参数进行修正，以避免产生大批量的不合格品，实现了智能化监测与智能化调控。
如图3所示，进一步的，本发明的一个较佳实施例中，还包括以下步骤：
S302：当对运行异常子部件的实际运行参数进行调整后，获取每一次注塑设备键盘成品的实际三维模型图与标准三维模型图之间的偏差得分，得到多个偏差得分；
S304：基于卷积神经网络构建状态转移模型，定义注塑设备的初始状态以及每个初始状态的初始概率分布，结合所述初始状态与初始概率分布对注塑设备进行状态转移概率计算，得到多个状态转移概率，根据所述状态转移概率构建状态转移矩阵；
S306：将所述状态转移矩阵输入至卷积层中进行卷积运算，得到状态转移矩阵的卷积特征值；通过PCA算法将高维度的卷积特征值降维至低维度的空间中进行嵌入表示，生成嵌入向量；将所述嵌入向量映射到连接层中，输出向量识别，最后通过Sigmoid函数进行分类，保存模型参数，输出马尔科夫链模型；
S308：将多个偏差得分输入到所述马尔科夫链模型中进行故障概率推演，得到注塑设备的故障概率，若所述故障概率大于预设故障概率，则生成警报信息，并通过物联网方式将所述警报信息传送至预设平台上显示。
需要说明的是，当对运行异常子部件的运行参数进行调控后，继续追踪相应注塑设备所产出的键盘成品的偏差得分，并且通过马尔科夫链对设备的性能状态进行推演涉及建立一个状态转移模型，以描述设备性能状态之间的转变。通过定义系统的初始状态以及每个状态的初始概率分布，这表示设备在时间序列的初始状态和初始性能状态的概率，状态转移矩阵描述了状态之间的转移概率，矩阵的元素表示从一个状态转移到另一个状态的概率，其是一个随时间变化的矩阵，表征的是设备的性能状态随时间发生变化的情况。通过本方法能够准确地预测设备的性能状态，从而改进维护策略和降低设备故障的风险。
此外，本方法还包括以下步骤：
通过超声波探测仪对注塑成型后的键盘成品进行扫描探测，并获取键盘成品所反馈的声波特征信号，对所述声波特征信息进行特征提取，以得到单独的气孔特征信号；
根据所述气孔特征信号构建得到处于该键盘成品中气孔的气孔三维模型图；将所述气孔三维模型图导入所述实际三维模型图中，得到键盘成品的模拟三维模型图；
计算存在于所述模拟三维模型图中所有气孔的气孔总体积，以及计算该模拟三维模型图的模型总体积，将所述气孔总体积与模型总体积进行比值处理，得到气孔占比度值；
若所述气孔占比度值不大于预设占比度值，则将该注塑后的键盘成品标记为合格品；若所述气孔占比度值大于预设占比度值，则将该注塑后的键盘成品标记为待评估品。
需要说明的是，注塑过程中，塑料材料在高温和高压下熔化并注入模具中，如果模具中存在气体（例如空气），那么在注塑过程中，气体可能无法完全排出，导致气体残留在成型键盘内部，形成气孔。若气孔的数量过多，则会对键盘的抗压强度造成影响，因此若气孔的数量过多时，则注塑得到的键盘是废品。在以上步骤中，当注塑得到键盘成品后，通过超声技术获取键盘成品内部气孔的气孔三维模型图，然后再利用如SolidWorks、CAD等软件将所述气孔三维模型图整合至所述实际三维模型图中，从而计算得到气孔占比度值，若所述气孔占比度值不大于预设占比度值，则将该注塑后的键盘成品标记为合格品，此时则将该键盘成品传送至下一生产工站中，即开槽工站中。
此外，本方法还包括以下步骤：
若该注塑后的键盘成品为待评估品，则通过物联网的方式获取下一生产工站中的工艺图纸信息，根据所述工艺图纸信息确定出键盘所需开槽的参数信息；其中，所述参数信包括位置信息与尺寸信息；
根据所述参数信息对所述模拟三维模型图进行模拟开槽，以模拟得到开槽后的键盘模型图；计算开槽后的键盘模型图中所存在的气孔体积，并计算开槽后的键盘模型图的键盘体积；根据开槽后的键盘模型图中所存在的气孔体积与开槽后的键盘模型图的键盘体积计算出经过开槽后键盘的气孔占比度值；
若经过开槽后键盘的气孔占比度值不大于预设占比度值，则将该注塑后的键盘成品标记为合格品；若经过开槽后键盘的气孔占比度值依旧大于预设占比度值，则将该注塑后的键盘成品标记为废品。
需要说明的是，开槽即是在注塑后的键盘挖设安装孔、装饰槽等工艺步骤，若键盘成品中一部分气孔刚好处于开槽位置上，在经过开槽后，这些气孔便会被消除，此时键盘的气孔占比度值便会下降，因此通过如SolidWorks、CAD等软件对所述模拟三维模型图进行模拟开槽，以模拟得到开槽后的键盘模型图，从而模拟加工出待评估品经过开槽后是否为合格品，若是，则将该键盘成品传送至下一生产工站中，即开槽工站中；若不是，则该键盘成品立即报废。通过本步骤能够避免经过后续加工工艺步骤加工后的依旧是不合格品的键盘流入后续工艺步骤中，能够及时报废，节省加工资源，降低加工成本。
如图4所示，本发明第二方面公开了一种基于物联网的键盘生产设备管理系统，所述键盘生产设备管理系统包括存储器11与处理器22，所述存储器11中存储有键盘生产设备管理方法程序，当所述键盘生产设备管理方法程序被所述处理器22执行时，实现如下步骤：
控制注塑设备按照预设程序对产品进行注塑成型，得到注塑成型后的键盘成品，并获取注塑设备对该产品进行注塑成型过程中各子部件的实际运行参数及对应的实际环境参数；构建数据库，并将各子部件的实际运行参数及对应的实际环境参数导入所述数据库中；
获取经过注塑设备注塑成型后的键盘成品的点云数据，并根据所述点云数据生成经过注塑设备注塑成型后键盘成品的实际三维模型图；
获取键盘成品的工程图纸信息，根据所述工程图纸信息构建得到键盘成品的标准三维模型图；结合体素化算法与层次分析算法对所述实际三维模型图与标准三维模型图进行评价分析，得到所述实际三维模型图与标准三维模型图之间的偏差得分；
若所述偏差得分大于预设阈值，通过物联网方式在所述数据库中检索得到注塑设备对该产品进行注塑成型过程中各子部件的实际运行参数及对应的实际环境参数；
根据所述实际运行参数与实际环境参数对相应的子部件进行分析，以分析出运行异常子部件，并基于物联网的方式将运行异常子部件的实际运行参数进行调整。
具体地，获取经过注塑设备注塑成型后的键盘成品的点云数据，并根据所述点云数据生成经过注塑设备注塑成型后键盘成品的实际三维模型图，具体为：
通过激光扫描仪对注塑成型后的键盘成品进行扫描，并接收键盘成品不同区域所反射回来的激光点云数据，得到若干个点云数据集；并将各点云数据集进行清洗处理，得到清洗后的点云数据集；
选择一个点云数据集作为目标点云数据集，并将目标点云数据集中的点云数据标定为目标点云数据；将其余点云数据集初始化为待配准点云数据集，并将待配准点云数据集中的点云数据标定为待配准点云数据；
随机挑选一个待配准点云数据集，并在该待配准点云数据集中检索出与目标点云数据的点云属性相同的待配准点云数据，并对点云属性相同的相应点云数据进行配准，以将该待配准点云数据集中的待配准点云数据配准合并至目标点云数据集中；其中，点云属性包括色彩、曲率以及法向量；
直至将所有待配准点云数据集中的待配准点云数据均配准合并至目标点云数据集中，以使得各点云数据集中的点云数据均以统一坐标系表示；
使得各点云数据集中的点云数据均以统一坐标系表示后，通过泊松曲面重建算法将离散的点云数据转换成连续的曲面，以形成一个光滑的三维模型，得到经过注塑设备注塑成型后键盘成品的实际三维模型图。
需要说明的是，当通过注塑设备注塑成型得到键盘成品后，在检测工作站中通过激光扫描仪或其他3D传感器获取键盘成品的点云数据集，点云数据集通常包含每个点的三维坐标信息与颜色信息等，各个点云数据集为根据不同的视角、位置扫描得到的点云数据，因此需要通过ICP算法对各个点云数据集中的点云数据进行配准，具体而言，选择一个点云数据集作为参考（目标），并将其他数据集初始化为待配准的源点云，初始化时，假设源点云与目标点云有一定的初始变换关系，可以是一个粗略的估计，然后对依次对各点云数据集中的点云数据进行多次迭代来优化变换，以将该待配准点云数据集中的待配准点云数据配准合并至目标点云数据集中，直至将所有待配准点云数据集中的待配准点云数据均配准合并至目标点云数据集中，以使得各点云数据集中的点云数据均以统一坐标系表示，然后再基于点云重构的方式生成实际三维模型图。通过本步骤能够通过获取键盘成品点云数据的方式重构键盘成品的实际三维模型图，相较于通过图像的方式，所获取得到的模型精度更高，能够更加真实的还原出注塑后键盘的实际状态，以提高后续的模型分析精度与可靠性。
具体地，将各点云数据集进行清洗处理，得到清洗后的点云数据集，具体为：
获取点云数据集中各点云数据的坐标信息，构建坐标系，根据所述坐标信息将各点云数据映射到所述坐标系中，得到若干个与各点云数据相对应的数据点；
预设领域半径与最小点数，在所述坐标系中随机选择一个尚未访问的数据点；并以该数据点为中心，半径为预设领域半径，在所述坐标系中分割出一个虚拟球状体，并检索出存在于该虚拟球状体内数据点的点数量；若存在于该虚拟球状体内数据点的点数量大于所述最小点数，则将当前访问的数据点标记为核心点；
若某一数据点为核心点，则将该数据点在预设领域半径内的其余数据点添加到同一簇族中；继续访问下一数据点，并重复以上步骤，直至所有的数据点均被访问，得到若干个簇族；
将簇族位于内的数据点标记为正常数据点，将簇族位于外的数据点标记为噪声数据点；获取与所述噪声数据点对应的点云数据，并在所述点云数据集中将与所述噪声数据点对应的点云数据剔除，以对点云数据集中噪声数据进行清洗，得到清洗后的点云数据集。
需要说明的是，由于设备的采集精度与采集环境等因素的影响，所采集得到的点云数据会存在一部分为噪声点，因此在本步骤中通过DBSCAN算法对这些噪声点进行清洗，具体而言，预设领域半径表征的是一个以某个点为中心的半径范围，用于确定一个核心点周围的邻居；最小点数表征的是一个核心点的最小邻居数目。通过随机选择一个尚未访问的点，检查以该点为中心，半径为预设领域半径的球内是否有足够多的点，如果满足，则该点被标记为核心点，如果该点是核心点，将其所有可达的邻居（在预设领域半径的的点）添加到同一簇中，对于新簇中的点，重复上述过程，直到不再有新的点加入簇；继续选择下一个未访问的点，并重复上述步骤，直到所有点都被访问。通过本方法能够便有效地分离噪声点和正常点，能够快速对噪声数据点进行筛选清除。
在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外，在本发明各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机、服务器、或者网络设备等）执行本发明各个实施例方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上，仅为本发明的具体实施方式，但本发明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发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (5)

1.一种基于物联网的键盘生产设备管理方法，其特征在于，包括以下步骤：
S102：控制注塑设备按照预设程序对产品进行注塑成型，得到注塑成型后的键盘成品，并获取注塑设备对该产品进行注塑成型过程中各子部件的实际运行参数及对应的实际环境参数；构建数据库，并将各子部件的实际运行参数及对应的实际环境参数导入所述数据库中；
S104：获取经过注塑设备注塑成型后的键盘成品的点云数据，并根据所述点云数据生成经过注塑设备注塑成型后键盘成品的实际三维模型图；
S106：获取键盘成品的工程图纸信息，根据所述工程图纸信息构建得到键盘成品的标准三维模型图；结合体素化算法与层次分析算法对所述实际三维模型图与标准三维模型图进行评价分析，得到所述实际三维模型图与标准三维模型图之间的偏差得分；
S108：若所述偏差得分大于预设阈值，通过物联网方式在所述数据库中检索得到注塑设备对该产品进行注塑成型过程中各子部件的实际运行参数及对应的实际环境参数；
S110：根据所述实际运行参数与实际环境参数对相应的子部件进行分析，以分析出运行异常子部件，并基于物联网的方式将运行异常子部件的实际运行参数进行调整；
其中，获取经过注塑设备注塑成型后的键盘成品的点云数据，并根据所述点云数据生成经过注塑设备注塑成型后键盘成品的实际三维模型图，具体为：
S202：通过激光扫描仪对注塑成型后的键盘成品进行扫描，并接收键盘成品不同区域所反射回来的激光点云数据，得到若干个点云数据集；并将各点云数据集进行清洗处理，得到清洗后的点云数据集；
S204：选择一个点云数据集作为目标点云数据集，并将目标点云数据集中的点云数据标定为目标点云数据；将其余点云数据集初始化为待配准点云数据集，并将待配准点云数据集中的点云数据标定为待配准点云数据；
S206：随机挑选一个待配准点云数据集，并在该待配准点云数据集中检索出与目标点云数据的点云属性相同的待配准点云数据，并对点云属性相同的相应点云数据进行配准，以将该待配准点云数据集中的待配准点云数据配准合并至目标点云数据集中；其中，点云属性包括色彩、曲率以及法向量；
S208：重复S206步骤，直至将所有待配准点云数据集中的待配准点云数据均配准合并至目标点云数据集中，以使得各点云数据集中的点云数据均以统一坐标系表示；
S210：使得各点云数据集中的点云数据均以统一坐标系表示后，通过泊松曲面重建算法将离散的点云数据转换成连续的曲面，以形成一个光滑的三维模型，得到经过注塑设备注塑成型后键盘成品的实际三维模型图；
其中，结合体素化算法与层次分析算法对所述实际三维模型图与标准三维模型图进行评价分析，得到所述实际三维模型图与标准三维模型图之间的偏差得分，具体为：
将所述实际三维模型图进行体素化处理，得到第一体素网格；将所述标准三维模型图进行体素化处理，得到第二体素网格；其中，体素化过程是将三维模型离散化为一组具有坐标和属性的立方体；
获取所述第一体素网格的颜色属性与法向量属性；以及获取所述第二体素网格的颜色属性与法向量属性；其中，颜色属性表示三维模型图的局部色彩；法向量属性表示三维模型图局部形状；
获取键盘成品的注塑精度要求信息，以及确定评价的层次结构，并将所述层次结构分为目标层、准则层以及比较层；
将所述注塑精度要求信息导入所述准则层中，将所述第一体素网格的颜色属性与法向量属性导入所述比较层中，将所述第二体素网格的颜色属性与法向量属性导入所述目标层中，以生成评价体系；
将所述目标层与准则层进行比较，得到属性差异性；将所述属性差异性导入所述准则层中进行评价，以评价得到所述实际三维模型图与标准三维模型图之间的偏差得分。
2.根据权利要求1所述的一种基于物联网的键盘生产设备管理方法，其特征在于，将各点云数据集进行清洗处理，得到清洗后的点云数据集，具体为：
获取点云数据集中各点云数据的坐标信息，构建坐标系，根据所述坐标信息将各点云数据映射到所述坐标系中，得到若干个与各点云数据相对应的数据点；
预设领域半径与最小点数，在所述坐标系中随机选择一个尚未访问的数据点；并以该数据点为中心，半径为预设领域半径，在所述坐标系中分割出一个虚拟球状体，并检索出存在于该虚拟球状体内数据点的点数量；若存在于该虚拟球状体内数据点的点数量大于所述最小点数，则将当前访问的数据点标记为核心点；
若某一数据点为核心点，则将该数据点在预设领域半径内的其余数据点添加到同一簇族中；继续访问下一数据点，并重复以上步骤，直至所有的数据点均被访问，得到若干个簇族；
将位于簇族内的数据点标记为正常数据点，将位于簇族外的数据点标记为噪声数据点；获取与所述噪声数据点对应的点云数据，并在所述点云数据集中将与所述噪声数据点对应的点云数据剔除，以对点云数据集中噪声数据进行清洗，得到清洗后的点云数据集。
3.根据权利要求1所述的一种基于物联网的键盘生产设备管理方法，其特征在于，根据所述实际运行参数与实际环境参数对相应的子部件进行分析，以分析出运行异常子部件，并基于物联网的方式将运行异常子部件的实际运行参数进行调整，具体为：
通过大数据网络获取各子部件在各种预设环境参数工作时的预设运行参数，基于深度学习网络构建预测模型，并将各子部件在各种预设环境参数工作时的预设运行参数分为训练集与测试集；
将所述训练集导入所述预测模型中，通过交叉损失函数在所述预测模型中对所述训练集进行训练，并当训练误差收敛至预设值后，保存预测模型中的训练数据；通过测试集对预测模型中的训练数据进行测试，若所述训练数据满足预设要求，则提取最终保存的训练数据，得到训练好的预测模型；
将各子部件的实际环境参数导入所述训练好的预测模型中，预测得到各子部件在实际环境参数条件之下工作时对应的预设运行参数；
获取各子部件的实际运行参数，并将各子部件的实际运行参数与对应的预设运行参数进行比较，得到运行参数偏差值，并将所述运行参数偏差值与预设偏差值进行比较；
若所述运行参数偏差值大于预设偏差值，则将相应子部件的运行状态标记为运行异常子部件，并基于所述运行参数偏差值生成调控参数，基于物联网的方式将所述调控参数传送至注塑设备的控制终端上，以通过控制终端对相应子部件的运行参数进行调整。
4.根据权利要求1所述的一种基于物联网的键盘生产设备管理方法，其特征在于，还包括以下步骤：
当对运行异常子部件的实际运行参数进行调整后，获取每一次注塑设备键盘成品的实际三维模型图与标准三维模型图之间的偏差得分，得到多个偏差得分；
基于卷积神经网络构建状态转移模型，定义注塑设备的初始状态以及每个初始状态的初始概率分布，结合所述初始状态与初始概率分布对注塑设备进行状态转移概率计算，得到多个状态转移概率，根据所述状态转移概率构建状态转移矩阵；
将所述状态转移矩阵输入至卷积层中进行卷积运算，得到状态转移矩阵的卷积特征值；通过PCA算法将高维度的卷积特征值降维至低维度的空间中进行嵌入表示，生成嵌入向量；将所述嵌入向量映射到连接层中，输出向量映射结果，最后通过Sigmoid函数进行分类，保存模型参数，输出马尔科夫链模型；
将多个偏差得分输入到所述马尔科夫链模型中进行故障概率推演，得到注塑设备的故障概率，若所述故障概率大于预设故障概率，则生成警报信息，并通过物联网方式将所述警报信息传送至预设平台上显示。
5.一种基于物联网的键盘生产设备管理系统，其特征在于，所述键盘生产设备管理系统包括存储器与处理器，所述存储器中存储有键盘生产设备管理方法程序，当所述键盘生产设备管理方法程序被所述处理器执行时，实现如下步骤：
S102：控制注塑设备按照预设程序对产品进行注塑成型，得到注塑成型后的键盘成品，并获取注塑设备对该产品进行注塑成型过程中各子部件的实际运行参数及对应的实际环境参数；构建数据库，并将各子部件的实际运行参数及对应的实际环境参数导入所述数据库中；
S104：获取经过注塑设备注塑成型后的键盘成品的点云数据，并根据所述点云数据生成经过注塑设备注塑成型后键盘成品的实际三维模型图；
S106：获取键盘成品的工程图纸信息，根据所述工程图纸信息构建得到键盘成品的标准三维模型图；结合体素化算法与层次分析算法对所述实际三维模型图与标准三维模型图进行评价分析，得到所述实际三维模型图与标准三维模型图之间的偏差得分；
S108：若所述偏差得分大于预设阈值，通过物联网方式在所述数据库中检索得到注塑设备对该产品进行注塑成型过程中各子部件的实际运行参数及对应的实际环境参数；
S110：根据所述实际运行参数与实际环境参数对相应的子部件进行分析，以分析出运行异常子部件，并基于物联网的方式将运行异常子部件的实际运行参数进行调整；
其中，获取经过注塑设备注塑成型后的键盘成品的点云数据，并根据所述点云数据生成经过注塑设备注塑成型后键盘成品的实际三维模型图，具体为：
S202：通过激光扫描仪对注塑成型后的键盘成品进行扫描，并接收键盘成品不同区域所反射回来的激光点云数据，得到若干个点云数据集；并将各点云数据集进行清洗处理，得到清洗后的点云数据集；
S204：选择一个点云数据集作为目标点云数据集，并将目标点云数据集中的点云数据标定为目标点云数据；将其余点云数据集初始化为待配准点云数据集，并将待配准点云数据集中的点云数据标定为待配准点云数据；
S206：随机挑选一个待配准点云数据集，并在该待配准点云数据集中检索出与目标点云数据的点云属性相同的待配准点云数据，并对点云属性相同的相应点云数据进行配准，以将该待配准点云数据集中的待配准点云数据配准合并至目标点云数据集中；其中，点云属性包括色彩、曲率以及法向量；
S208：重复S206步骤，直至将所有待配准点云数据集中的待配准点云数据均配准合并至目标点云数据集中，以使得各点云数据集中的点云数据均以统一坐标系表示；
S210：使得各点云数据集中的点云数据均以统一坐标系表示后，通过泊松曲面重建算法将离散的点云数据转换成连续的曲面，以形成一个光滑的三维模型，得到经过注塑设备注塑成型后键盘成品的实际三维模型图；
其中，结合体素化算法与层次分析算法对所述实际三维模型图与标准三维模型图进行评价分析，得到所述实际三维模型图与标准三维模型图之间的偏差得分，具体为：
将所述实际三维模型图进行体素化处理，得到第一体素网格；将所述标准三维模型图进行体素化处理，得到第二体素网格；其中，体素化过程是将三维模型离散化为一组具有坐标和属性的立方体；
获取所述第一体素网格的颜色属性与法向量属性；以及获取所述第二体素网格的颜色属性与法向量属性；其中，颜色属性表示三维模型图的局部色彩；法向量属性表示三维模型图局部形状；
获取键盘成品的注塑精度要求信息，以及确定评价的层次结构，并将所述层次结构分为目标层、准则层以及比较层；
将所述注塑精度要求信息导入所述准则层中，将所述第一体素网格的颜色属性与法向量属性导入所述比较层中，将所述第二体素网格的颜色属性与法向量属性导入所述目标层中，以生成评价体系；
将所述目标层与准则层进行比较，得到属性差异性；将所述属性差异性导入所述准则层中进行评价，以评价得到所述实际三维模型图与标准三维模型图之间的偏差得分。
CN202311557645.0A 2023-11-22 2023-11-22 一种基于物联网的键盘生产设备管理方法及系统 Active CN117274259B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311557645.0A CN117274259B (zh) 2023-11-22 2023-11-22 一种基于物联网的键盘生产设备管理方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311557645.0A CN117274259B (zh) 2023-11-22 2023-11-22 一种基于物联网的键盘生产设备管理方法及系统

Publications (2)

Publication Number Publication Date
CN117274259A CN117274259A (zh) 2023-12-22
CN117274259B true CN117274259B (zh) 2024-03-26

Family

ID=89208468

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311557645.0A Active CN117274259B (zh) 2023-11-22 2023-11-22 一种基于物联网的键盘生产设备管理方法及系统

Country Status (1)

Country Link
CN (1) CN117274259B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117608259A (zh) * 2024-01-24 2024-02-27 深圳市富温传感技术有限公司 一种储存芯片生产设备的控制方法及系统
CN117644625B (zh) * 2024-01-30 2024-04-05 陕西美伦包装有限公司 一种基于机器视觉的智能注塑方法
CN117689084A (zh) * 2024-01-31 2024-03-12 深蓝(天津)智能制造有限责任公司 一种电控趾端滑套的制造工艺优化方法及系统
CN117743659B (zh) * 2024-02-21 2024-05-03 上海幕库科技发展有限公司 一种集成动力、环境和安防监控的机房监控方法及系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113246421A (zh) * 2021-07-07 2021-08-13 广州中和互联网技术有限公司 一种基于大数据的注塑工业数据处理系统及方法
CN114179320A (zh) * 2021-11-11 2022-03-15 苏州精思博智人工智能科技有限公司 一种结合视觉检测的注塑机工艺参数自动调节方法
WO2022158074A1 (ja) * 2021-01-25 2022-07-28 株式会社日本製鋼所 異常検知システム、成形機システム、異常検知装置、異常検知方法及びコンピュータプログラム
CN115171097A (zh) * 2022-09-05 2022-10-11 中科航迈数控软件(深圳)有限公司 基于三维点云的加工控制方法、系统及相关设备
CN115782105A (zh) * 2022-12-19 2023-03-14 深圳市瑞多益科技有限公司 一种注塑生产管理方法、系统、计算机设备及存储介质
CN116561693A (zh) * 2023-05-26 2023-08-08 工业富联(佛山)产业示范基地有限公司 注塑机异常确定方法、电子设备及存储介质
CN116618764A (zh) * 2023-07-25 2023-08-22 广东台正精密机械有限公司 一种镜面放电加工机的生产优化方法及系统
CN117010666A (zh) * 2023-09-26 2023-11-07 深圳市百思泰科技有限公司 一种汽修工具生产工作站智能管理方法及系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8463584B2 (en) * 2010-09-02 2013-06-11 Autodesk, Inc. Interactive filling simulation on 3D injection molding models

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022158074A1 (ja) * 2021-01-25 2022-07-28 株式会社日本製鋼所 異常検知システム、成形機システム、異常検知装置、異常検知方法及びコンピュータプログラム
CN113246421A (zh) * 2021-07-07 2021-08-13 广州中和互联网技术有限公司 一种基于大数据的注塑工业数据处理系统及方法
CN114179320A (zh) * 2021-11-11 2022-03-15 苏州精思博智人工智能科技有限公司 一种结合视觉检测的注塑机工艺参数自动调节方法
CN115171097A (zh) * 2022-09-05 2022-10-11 中科航迈数控软件(深圳)有限公司 基于三维点云的加工控制方法、系统及相关设备
CN115782105A (zh) * 2022-12-19 2023-03-14 深圳市瑞多益科技有限公司 一种注塑生产管理方法、系统、计算机设备及存储介质
CN116561693A (zh) * 2023-05-26 2023-08-08 工业富联(佛山)产业示范基地有限公司 注塑机异常确定方法、电子设备及存储介质
CN116618764A (zh) * 2023-07-25 2023-08-22 广东台正精密机械有限公司 一种镜面放电加工机的生产优化方法及系统
CN117010666A (zh) * 2023-09-26 2023-11-07 深圳市百思泰科技有限公司 一种汽修工具生产工作站智能管理方法及系统

Also Published As

Publication number Publication date
CN117274259A (zh) 2023-12-22

Similar Documents

Publication Publication Date Title
CN117274259B (zh) 一种基于物联网的键盘生产设备管理方法及系统
CN111124840B (zh) 业务运维中告警的预测方法、装置与电子设备
EP4020315A1 (en) Method, apparatus and system for determining label
CN115908424A (zh) 基于三维激光扫描的建筑物健康检测方法、系统及介质
CN112702224B (zh) 一种针对家庭宽带用户质差的分析方法和装置
Dimitriou et al. A deep learning framework for simulation and defect prediction applied in microelectronics
CN116300691A (zh) 一种多轴联动数控加工的状态监测方法及系统
CN112989563A (zh) 一种大坝安全监测数据分析方法
CN115587543A (zh) 基于联邦学习和lstm的刀具剩余寿命预测方法及系统
CN115562225A (zh) 工业机器人运维管理方法、装置、计算机设备和存储介质
CN113254382A (zh) 基于超级计算机构建数字数值融合装置的数据处理系统
CN115310343A (zh) 样本数据库系统、训练及检验打印参数的方法、计算机
CN111310918B (zh) 一种数据处理方法、装置、计算机设备及存储介质
CN115438726A (zh) 一种基于数字孪生技术的设备寿命与故障类型预测方法及系统
CN117111544B (zh) 一种自动适配的楼宇物联网监控方法及系统
CN115560926B (zh) 一种手机密封性检测方法及装置
CN109934352B (zh) 智能模型的自动进化方法
CN116776647A (zh) 一种复合镍铜铝散热底板的性能预测方法及系统
CN114860617B (zh) 一种智能压力测试方法及系统
CN116502672A (zh) 一种神经网络量化部署方法、系统、设备和介质
CN113393023B (zh) 模具质量评估方法、装置、设备及存储介质
Li et al. Research on digital twin and collaborative cloud and edge computing applied in operations and maintenance in wind turbines of wind power farm
CN115902814B (zh) 基于信息空间度量的目标识别模型性能评估方法和装置
CN116109211B (zh) 基于设备数字化的设备运行水平分析方法及装置
CN115982646B (zh) 一种基于云平台的多源测试数据的管理方法及系统

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