CN117493819B - 一种注塑件自动化生产设备及其智能调控方法 - Google Patents
一种注塑件自动化生产设备及其智能调控方法 Download PDFInfo
- Publication number
- CN117493819B CN117493819B CN202410004579.2A CN202410004579A CN117493819B CN 117493819 B CN117493819 B CN 117493819B CN 202410004579 A CN202410004579 A CN 202410004579A CN 117493819 B CN117493819 B CN 117493819B
- Authority
- CN
- China
- Prior art keywords
- dimension
- injection molding
- production
- comprehensive
- data
- 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
- 238000001746 injection moulding Methods 0.000 title claims abstract description 266
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 256
- 238000000034 method Methods 0.000 title claims abstract description 77
- 238000011156 evaluation Methods 0.000 claims abstract description 172
- 230000008859 change Effects 0.000 claims abstract description 36
- 230000001105 regulatory effect Effects 0.000 claims abstract description 14
- 230000001276 controlling effect Effects 0.000 claims abstract description 9
- 239000011159 matrix material Substances 0.000 claims description 23
- 230000008569 process Effects 0.000 claims description 21
- 238000001914 filtration Methods 0.000 claims description 11
- 238000009826 distribution Methods 0.000 claims description 10
- 238000010606 normalization Methods 0.000 claims description 6
- 230000000737 periodic effect Effects 0.000 claims description 6
- 238000000354 decomposition reaction Methods 0.000 claims description 5
- 238000012544 monitoring process Methods 0.000 claims description 3
- 238000002347 injection Methods 0.000 abstract description 4
- 239000007924 injection Substances 0.000 abstract description 4
- 238000005070 sampling Methods 0.000 description 8
- 239000000498 cooling water Substances 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000010924 continuous production Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000012778 molding material Substances 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
- B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
- B29C45/00—Injection moulding, i.e. forcing the required volume of moulding material through a nozzle into a closed mould; Apparatus therefor
- B29C45/17—Component parts, details or accessories; Auxiliary operations
- B29C45/76—Measuring, controlling or regulating
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Manufacturing & Machinery (AREA)
- Mechanical Engineering (AREA)
- Injection Moulding Of Plastics Or The Like (AREA)
Abstract
本发明涉及自动化控制技术领域，具体涉及一种注塑件自动化生产设备及其智能调控方法，包括：采集注塑机的综合维度数据序列；根据综合维度数据序列得到有效综合维度数据段；根据有效综合维度数据段中得到维度参考评价指标；对注塑件生产维度种类所有的维度参考评价指标进行聚类得到若干聚类簇；根据注塑件生产维度种类在不同聚类簇中对应数值的变化情况以及关联情况，得到维度聚类影响评价指标；根据维度聚类影响评价指标得到最终维度评价指标；根据最终维度评价指标进行调控。本发明在结合了不同维度的生产数据之间影响关系的基础上，使获取的预测值更加准确，提高了注塑件自动化生产设备的智能调控效率。
Description
技术领域
本发明涉及自动化控制技术领域，具体涉及一种注塑件自动化生产设备及其智能调控方法。
背景技术
注塑件自动化生产设备包括注塑机、模具、传感器等装置。其中注塑化自动化生产设备通过传感器将注塑机和模具连接，实时监测注塑过程中的温度、压力、流量等重要参数。现有方法通常会利用拓展卡尔曼滤波对采集的生产数据进行状态预测，但不同维度的生产数据会随着注塑件的生产过程互相影响的程度会发生改变，传统的拓展卡尔曼滤波无法根据不同维度的生产数据之间影响关系的变化，自适应调整预测值，降低了注塑件自动化生产设备的智能调控效率。
发明内容
本发明提供一种注塑件自动化生产设备及其智能调控方法，以解决现有的问题：传统的拓展卡尔曼滤波无法根据不同维度的生产数据之间影响关系的变化，自适应调整预测值。
本发明的一种注塑件自动化生产设备及其智能调控方法采用如下技术方案：
本发明一个实施例提供了一种注塑件自动化生产设备的智能调控方法，该方法包括以下步骤：
采集注塑机的综合维度数据序列，所述综合维度数据序列包含多个时刻综合维度数据，每个时刻综合维度数据包含注塑机核心维度影响数据以及多个注塑件生产维度种类的注塑件生产维度数据；
根据注塑机核心维度影响数据的数值变化情况，将综合维度数据序列划分为若干有效综合维度数据段；根据不同注塑件生产维度种类在不同有效综合维度数据段中的分布数量，得到每个注塑件生产维度种类在每个有效综合维度数据段中的维度参考评价指标；
对于任意一个注塑件生产维度种类，对注塑件生产维度种类所有的维度参考评价指标进行聚类得到若干聚类簇；根据注塑件生产维度种类在不同聚类簇中对应数值的变化情况以及关联情况，得到每个注塑件生产维度种类的每个聚类簇的维度聚类影响评价指标；
根据维度聚类影响评价指标以及不同注塑件生产维度种类之间的变化关系，得到每个注塑件生产维度种类的最终维度评价指标；根据最终维度评价指标进行调控。
优选的，所述根据注塑机核心维度影响数据的数值变化情况，将综合维度数据序列划分为若干有效综合维度数据段，包括的具体方法为：
在综合维度数据序列中，将注塑机核心维度影响数据不为预设阈值的时刻综合维度数据记为有效综合维度数据；将综合维度数据序列中连续出现的有效综合维度数据所构成的数据段记为有效综合维度数据段。
优选的，所述根据不同注塑件生产维度种类在不同有效综合维度数据段中的分布数量，得到每个注塑件生产维度种类在每个有效综合维度数据段中的维度参考评价指标，包括的具体方法为：
；
式中，表示第/>个注塑件生产维度种类在第/>个有效综合维度数据段中的维度参考评价指标；/>表示第/>个注塑件生产维度种类在第/>个有效综合维度数据段上，所有时刻综合维度数据的第/>个注塑件生产维度数据的最大值；/>表示第/>个注塑件生产维度种类在第/>个有效综合维度数据段上，所有时刻综合维度数据的第/>个注塑件生产维度数据的最小值；/>表示第/>个有效综合维度数据段中所有时刻综合维度数据的数量；表示第/>个注塑件生产维度种类在第/>个有效综合维度数据段上，第/>个时刻综合维度数据的第/>个注塑件生产维度数据；/>表示第/>个注塑件生产维度种类在第/>个有效综合维度数据段上，所有时刻综合维度数据的第/>个注塑件生产维度数据的均值；/>表示第个注塑件生产维度种类在第/>个有效综合维度数据段上，所有时刻综合维度数据的第/>个注塑件生产维度数据的标准差。
优选的，所述根据注塑件生产维度种类在不同聚类簇中对应数值的变化情况以及关联情况，得到每个注塑件生产维度种类的每个聚类簇的维度聚类影响评价指标，包括的具体方法为：
获取每个注塑件生产维度种类的每个聚类簇的维度聚类参考值；
获取每个注塑件生产维度种类的每个聚类簇的维度聚类波动值；
获取每个注塑件生产维度种类的每个聚类簇的评价参考均值；
；
式中，表示第/>个注塑件生产维度种类的第/>个聚类簇的维度聚类影响评价指标；/>表示第/>个注塑件生产维度种类的第/>个聚类簇的维度聚类参考值；/>表示第/>个注塑件生产维度种类的第/>个聚类簇的维度聚类波动值；/>表示第/>个注塑件生产维度种类的第/>个聚类簇的评价参考均值。
优选的，所述获取每个注塑件生产维度种类的每个聚类簇的维度聚类参考值，包括的具体方法为：
；
式中，表示第/>个注塑件生产维度种类的第/>个聚类簇的维度聚类参考值；/>表示第/>个注塑件生产维度种类的第/>个聚类簇中所有维度参考评价指标的数量；/>表示第/>个注塑件生产维度种类的第/>个聚类簇中，第/>个维度参考评价指标对应的有效综合维度数据段中所有时刻综合维度数据的数量；/>表示第/>个注塑件生产维度种类在所有聚类簇中所有维度参考评价指标的数量。
优选的，所述获取每个注塑件生产维度种类的每个聚类簇的维度聚类波动值，包括的具体方法为：
对于第个注塑件生产维度种类的第/>个聚类簇中任意一个维度参考评价指标，将维度参考评价指标对应的有效综合维度数据段输入STL时序分解算法，得到有效综合维度数据段的若干子序列，将所有子序列中所有时刻综合维度数据数量的均值记为维度参考评价指标的初始周期平均参考值，获取所有维度参考评价指标的初始周期平均参考值，将维度参考评价指标的初始周期平均参考值的均值，记为第/>个注塑件生产维度种类的第个聚类簇的周期平均参考值；
；
式中，表示第/>个注塑件生产维度种类的第/>个聚类簇的维度聚类波动值；/>表示第/>个注塑件生产维度种类的第/>个聚类簇中所有维度参考评价指标的数量；/>表示第/>个注塑件生产维度种类的第/>个聚类簇中，第/>个维度参考评价指标对应的有效综合维度数据段中所有时刻综合维度数据的数量；/>表示第/>个注塑件生产维度种类的第/>个聚类簇的周期平均参考值。
优选的，所述获取每个注塑件生产维度种类的每个聚类簇的评价参考均值，包括的具体方法为：
将第个注塑件生产维度种类的第/>个聚类簇中所有维度参考评价指标的均值记为第/>个注塑件生产维度种类的第/>个聚类簇的第一均值，获取第/>个注塑件生产维度种类的所有聚类簇的第一均值，将第/>个注塑件生产维度种类的所有聚类簇的第一均值进行线性归一化，将归一化后的每个第一均值记为评价参考均值。
优选的，所述根据维度聚类影响评价指标以及不同注塑件生产维度种类之间的变化关系，得到每个注塑件生产维度种类的最终维度评价指标，包括的具体方法为：
对于任意一个注塑件生产维度种类，将注塑件生产维度种类的所有聚类簇的维度聚类影响评价指标按照从小到大的顺序进行排列，将排列后的序列记为该注塑件生产维度种类的维度聚类影响评价指标序列，获取所有注塑件生产维度种类的维度聚类影响评价指标序列；利用DTW动态时间规整算法将任意两个注塑件生产维度种类的维度聚类影响评价指标序列进行匹配，得到任意两个注塑件生产维度种类的维度聚类影响评价指标序列之间的DTW距离，并将DTW距离记为序列相似性；
；
式中，表示第/>个注塑件生产维度种类的最终参考维度评价指标；/>表示预设的超参数；/>表示第/>个注塑件生产维度种类与其他注塑件生产维度种类的维度聚类影响评价指标序列的序列相似性的最大值；/>表示第/>个注塑件生产维度种类与其他注塑件生产维度种类的维度聚类影响评价指标序列的序列相似性的最小值；获取所有注塑件生产维度种类的最终参考维度评价指标，将所有的最终参考维度评价指标进行线性归一化，将归一化后的每个最终参考维度评价指标与1相加的结果记为最终维度评价指标。
优选的，所述根据最终维度评价指标进行调控，包括的具体方法为：
根据综合维度数据序列利用扩展卡尔曼滤波算法构建卡尔曼增益矩阵，在卡尔曼增益矩阵中，将每个注塑件生产维度种类的最终维度评价指标与对应注塑件生产维度种类的每个注塑件生产维度数据相乘，以此类推，将卡尔曼增益矩阵中所有注塑件生产维度数据与对应的最终维度评价指标相乘后，将卡尔曼增益矩阵记为加权卡尔曼增益矩阵；
预设一个维度种类阈值以及一个判断阈值/>，将传统扩展卡尔曼滤波算法中的卡尔曼增益矩阵替换为加权卡尔曼增益矩阵，实时更新时刻综合维度数据中所有注塑件生产维度数据，实时获取若干预测值，若存在任意一个预测值与/>的比值大于/>，那么将最后一个的时刻综合维度数据输入监测调控模块进行调控。
本发明的实施例提供了一种注塑件自动化生产设备，该设备包括综合维度数据序列采集模块、维度参考评价指标获取模块、维度聚类影响评价指标获取模块以及智能调控模块，其中：
综合维度数据序列采集模块，用于采集注塑机的综合维度数据序列，所述综合维度数据序列包含多个时刻综合维度数据，每个时刻综合维度数据包含注塑机核心维度影响数据以及多个注塑件生产维度种类的注塑件生产维度数据；
维度参考评价指标获取模块，用于根据注塑机核心维度影响数据的数值变化情况，将综合维度数据序列划分为若干有效综合维度数据段；根据不同注塑件生产维度种类在不同有效综合维度数据段中的分布数量，得到每个注塑件生产维度种类在每个有效综合维度数据段中的维度参考评价指标；
维度聚类影响评价指标获取模块，用于对于任意一个注塑件生产维度种类，对注塑件生产维度种类所有的维度参考评价指标进行聚类得到若干聚类簇；根据注塑件生产维度种类在不同聚类簇中对应数值的变化情况以及关联情况，得到每个注塑件生产维度种类的每个聚类簇的维度聚类影响评价指标；
智能调控模块，用于根据维度聚类影响评价指标以及不同注塑件生产维度种类之间的变化关系，得到每个注塑件生产维度种类的最终维度评价指标；根据最终维度评价指标进行调控。
本发明的技术方案的有益效果是：根据不同注塑件生产维度种类在不同有效综合维度数据段中的分布数量，得到每个注塑件生产维度种类在每个有效综合维度数据段中的维度参考评价指标；根据注塑件生产维度种类在不同聚类簇中对应数值的变化情况以及关联情况，得到每个注塑件生产维度种类的每个聚类簇的最终维度评价指标；根据最终维度评价指标进行调控；本发明的维度参考评价指标反映了注塑机的运行情况在有效综合维度数据段上对注塑件生产维度种类的数值影响程度，最终维度评价指标反映了在结合不同注塑件生产维度种类之间变化差异关系的基础上，注塑机的运行情况对最终智能调控的影响程度；在结合了不同维度的生产数据之间影响关系的基础上，使获取的预测值更加准确，提高了注塑件自动化生产设备的智能调控效率。
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的附图。
图1为本发明的一种注塑件自动化生产设备的智能调控方法的步骤流程图；
图2为本发明的一种注塑件自动化生产设备的模块框图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种注塑件自动化生产设备及其智能调控方法，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种注塑件自动化生产设备及其智能调控方法的具体方案。
请参阅图1，其示出了本发明一个实施例提供的一种注塑件自动化生产设备的智能调控方法的步骤流程图，该方法包括以下步骤：
步骤S001：采集注塑机的综合维度数据序列。
需要说明的是，现有方法通常会利用拓展卡尔曼滤波对采集的生产数据进行状态预测，但不同维度的生产数据会随着注塑件的生产过程互相影响的程度会发生改变，传统的拓展卡尔曼滤波无法根据不同维度的生产数据之间影响关系的变化，自适应调整预测值，降低了注塑件自动化生产设备的智能调控效率。为此，本实施例提出了一种注塑件自动化生产设备的智能调控方法。
具体的，为了实现本实施例提出的一种注塑件自动化生产设备的智能调控方法，首先需要采集综合维度数据序列，具体过程为：使用注塑机内置的传感器装置每隔5秒为一个采样时刻，依次采集模具的温度数据、冷却水的温度数据、注塑机中模具的压力数据、注塑机的注塑压力数据、冷却水的压力数据、注塑物料的流量数据、冷却水流量数据以及注塑机周围环境的湿度数据这八种维度数据种类的数据，将每个数据均记为一个注塑件生产维度数据，将每个维度数据种类记为注塑件生产未维度种类，并将每个注塑机中模具的压力数据记为注塑机核心维度影响数据；将每个采样时刻采集的多个注塑件生产维度数据整体记为时刻综合维度数据，共采集30分钟；获取所有时刻综合维度数据，将所有的时刻综合维度数据按照采样时刻从小到大的顺序进行排列，将排列后的序列记为综合维度数据序列。其中综合维度数据序列包含多个时刻综合维度数据，每个时刻综合维度数据包含多个注塑件生产维度种类的注塑件生产维度数据。另外需要说明的是，本实施例不对采样时刻、采样时刻的总数量、注塑件生产维度数据的种类以及种类数量进行具体限定，其中采样时刻、采样时刻的总数量、注塑件生产维度数据的种类以及种类数量可根据具体实施情况而定。
至此，通过上述方法得到综合维度数据序列。
步骤S002：根据注塑机核心维度影响数据的数值变化情况，将综合维度数据序列划分为若干有效综合维度数据段；根据不同注塑件生产维度种类在不同有效综合维度数据段中的分布数量，得到每个注塑件生产维度种类在每个有效综合维度数据段中的维度参考评价指标。
需要说明的是，传统的拓展卡尔曼滤波无法根据不同维度的生产数据之间影响关系的变化来自适应调整预测值，使最终调控的结果准确性较低；一般情况下，在注塑机的生产过程中，其内置的模具会不断打开与闭合，产品主要在模具闭合时进行生产制造，然后将模具打开使其释放；在模具闭合时会使部位维度数据的数值开始变化，不再为无较大实际意义的0值；为了提高智能调控结果的准确性，本实施例通过分析不同时间段内不同注塑件生产维度数据之间的数值变化规律，筛选出具有分析意义的数据段，进而获取不同注塑件生产维度种类在对应数据段中的参考价值，以便后续分析处理。
具体的，在综合维度数据序列中，将注塑机核心维度影响数据不为0的时刻综合维度数据记为有效综合维度数据；将综合维度数据序列中连续出现的有效综合维度数据所构成的数据段记为有效综合维度数据段，获取所有有效综合维度数据段。其中每个有效综合维度数据段包含多个时刻综合维度数据，每个时刻综合维度数据在时刻综合维度数据中存在一个注塑件生产维度数据。
进一步的，根据第个注塑件生产维度种类在第/>个有效综合维度数据段中的分布数量，得到第/>个注塑件生产维度种类在第/>个有效综合维度数据段中的维度参考评价指标。作为一种示例，可通过如下公式计算第/>个注塑件生产维度种类在第/>个有效综合维度数据段中的维度参考评价指标：
；
式中，表示第/>个注塑件生产维度种类在第/>个有效综合维度数据段中的维度参考评价指标；/>表示第/>个注塑件生产维度种类在第/>个有效综合维度数据段上，所有时刻综合维度数据的第/>个注塑件生产维度数据的最大值；/>表示第/>个注塑件生产维度种类在第/>个有效综合维度数据段上，所有时刻综合维度数据的第/>个注塑件生产维度数据的最小值；/>表示第/>个有效综合维度数据段中所有时刻综合维度数据的数量；/>表示第/>个注塑件生产维度种类在第/>个有效综合维度数据段上，第/>个时刻综合维度数据的第/>个注塑件生产维度数据；/>表示第/>个注塑件生产维度种类在第个有效综合维度数据段上，所有时刻综合维度数据的第/>个有效综合维度数据段上，所有时刻综合维度数据的第/>个注塑件生产维度数据的均值；/>表示第/>个注塑件生产维度种类在第/>个有效综合维度数据段上，所有时刻综合维度数据的第/>个注塑件生产维度数据的标准差；/>表示第/>个注塑件生产维度种类在第/>个有效综合维度数据段中，可以产生较大数值波动的差异条件；/>表示第/>个注塑件生产维度种类在第/>个有效综合维度数据段中对应注塑件生产维度数据的偏移程度。其中若第/>个注塑件生产维度种类在第/>个有效综合维度数据段中的维度参考评价指标越大，说明第/>个注塑件生产维度种类在第/>个有效综合维度数据段中对应注塑件生产维度数据的数据变化特征越明显，反映注塑机的运行情况在第/>个有效综合维度数据段上对第/>个注塑件生产维度种类的数值影响越大。获取所有注塑件生产维度种类在每个有效综合维度数据段中的维度参考评价指标。
至此，通过上述方法得到所有注塑件生产维度种类在每个有效综合维度数据段中的维度参考评价指标。
步骤S003：对注塑件生产维度种类所有的维度参考评价指标进行聚类得到若干聚类簇；根据注塑件生产维度种类在不同聚类簇中对应数值的变化情况以及关联情况，得到每个注塑件生产维度种类的每个聚类簇的维度聚类影响评价指标。
需要说明的是，注塑件生产维度种类在有效综合维度数据段中的维度参考评价指标初步反映了注塑件生产维度种类在数据段中的参考价值；对于同一个有效综合维度数据段而言，该有效综合维度数据段在不同有效综合维度数据段中数据变化趋势以及规律互相因注塑件生产过程的连续进行，存在相互关联的情况；为了提高智能调控结果的准确性，本实施例根据维度参考评价指标分析不同有效综合维度数据段中对应数据的变化程度以及关联性，得到维度聚类影响评价指标，以便后续分析处理。
具体的，对第个注塑件生产维度种类在每个有效综合维度数据段中的维度参考评价指标进行聚类得到第/>个注塑件生产维度种类的若干聚类簇；根据第/>个注塑件生产维度种类的第/>个聚类簇与其他聚类簇之间维度参考评价指标的数量差异，得到第个注塑件生产维度种类的第/>个聚类簇的维度聚类参考值。其中对数据进行聚类的过程是DBSCAN（Density-Based Spatial Clustering of Applications with Noise）聚类算法的公知内容，其中DBSCAN聚类算法中的最小样本数目本实施例预设为30，本实施例不再赘述。
进一步的，作为一种示例，可通过如下公式计算第个注塑件生产维度种类的第个聚类簇的维度聚类参考值：
；
式中，表示第/>个注塑件生产维度种类的第/>个聚类簇的维度聚类参考值；/>表示第/>个注塑件生产维度种类的第/>个聚类簇中所有维度参考评价指标的数量；/>表示第/>个注塑件生产维度种类的第/>个聚类簇中，第/>个维度参考评价指标对应的有效综合维度数据段中所有时刻综合维度数据的数量；/>表示第/>个注塑件生产维度种类在所有聚类簇中所有维度参考评价指标的数量。其中若第/>个注塑件生产维度种类的第/>个聚类簇的维度聚类参考值越大，说明第/>个注塑件生产维度种类在其第个聚类簇中对应数值的变化越频繁。
进一步的，以第个注塑件生产维度种类的第/>个聚类簇中任意一个维度参考评价指标为例，将该维度参考评价指标对应的有效综合维度数据段输入STL时序分解算法，得到该有效综合维度数据段的若干子序列，将所有子序列中所有时刻综合维度数据数量的均值记为该维度参考评价指标的初始周期平均参考值，获取所有维度参考评价指标的初始周期平均参考值，将维度参考评价指标的初始周期平均参考值的均值，记为第/>个注塑件生产维度种类的第/>个聚类簇的周期平均参考值。其中将数据段划分为若干子序列的过程是STL（Seasonal-Trend decomposition using Loess）时序分解算法的公知内容，本实施例不再赘述。
进一步的，根据第个注塑件生产维度种类的第/>个聚类簇的周期平均参考值，得到第/>个注塑件生产维度种类的第/>个聚类簇的维度聚类波动值。作为一种示例，可通过如下公式计算第/>个注塑件生产维度种类的第/>个聚类簇的维度聚类波动值：
；
式中，表示第/>个注塑件生产维度种类的第/>个聚类簇的维度聚类波动值；/>表示第/>个注塑件生产维度种类的第/>个聚类簇中所有维度参考评价指标的数量；/>表示第/>个注塑件生产维度种类的第/>个聚类簇中，第/>个维度参考评价指标对应的有效综合维度数据段中所有时刻综合维度数据的数量；/>表示第/>个注塑件生产维度种类的第/>个聚类簇的周期平均参考值。其中若第/>个注塑件生产维度种类的第/>个聚类簇的维度聚类波动值越大，说明第/>个注塑件生产维度种类的第/>个聚类簇对应的注塑过程更加平缓，反映的第/>个聚类簇越有利于分析注塑机数据剧烈变化所造成的注塑过程异常情况。
进一步的，将第个注塑件生产维度种类的第/>个聚类簇中所有维度参考评价指标的均值记为第/>个注塑件生产维度种类的第/>个聚类簇的第一均值，获取第/>个注塑件生产维度种类的所有聚类簇的第一均值，将第/>个注塑件生产维度种类的所有聚类簇的第一均值进行线性归一化，将归一化后的每个第一均值记为评价参考均值。
进一步的，根据第个注塑件生产维度种类的第/>个聚类簇的维度聚类参考值、维度聚类波动值以及评价参考均值，得到第/>个注塑件生产维度种类的第/>个聚类簇的维度聚类影响评价指标。作为一种示例，可通过如下公式计算第/>个注塑件生产维度种类的第/>个聚类簇的维度聚类影响评价指标：
；
式中，表示第/>个注塑件生产维度种类的第/>个聚类簇的维度聚类影响评价指标；/>表示第/>个注塑件生产维度种类的第/>个聚类簇的维度聚类参考值；/>表示第/>个注塑件生产维度种类的第/>个聚类簇的维度聚类波动值；/>表示第/>个注塑件生产维度种类的第/>个聚类簇的评价参考均值。其中若第/>个注塑件生产维度种类的第/>个聚类簇的维度聚类影响评价指标越大，说明第/>个注塑件生产维度种类的第个聚类簇对注塑件状态预测结果的影响越大。获取所有注塑件生产维度种类的所有聚类簇的维度聚类影响评价指标。
至此，通过上述方法得到所有注塑件生产维度种类的所有聚类簇的维度聚类影响评价指标。
步骤S004：根据维度聚类影响评价指标以及不同注塑件生产维度种类之间的变化关系，得到每个注塑件生产维度种类的最终维度评价指标；根据最终维度评价指标进行调控。
具体的，以任意一个注塑件生产维度种类为例，将该注塑件生产维度种类的所有聚类簇的维度聚类影响评价指标按照从小到大的顺序进行排列，将排列后的序列记为该注塑件生产维度种类的维度聚类影响评价指标序列，获取所有注塑件生产维度种类的维度聚类影响评价指标序列；将任意两个注塑件生产维度种类的维度聚类影响评价指标序列进行匹配，得到任意两个注塑件生产维度种类的维度聚类影响评价指标序列之间的DTW距离，并将该DTW距离记为序列相似性。其中获取两个序列之间的DTW距离是DTW（Dynamic TimeWarping）动态时间规整算法的公知内容，本实施例不再赘述。
进一步的，根据第个注塑件生产维度种类的维度聚类影响评价指标序列与其他注塑件生产维度种类的维度聚类影响评价指标序列的序列相似性，得到第/>个注塑件生产维度种类的最终参考维度评价指标。作为一种示例，可通过如下公式计算第/>个注塑件生产维度种类的最终参考维度评价指标：
；
式中，表示第/>个注塑件生产维度种类的最终参考维度评价指标；/>表示预设的超参数，本实施例预设/>，用于防止/>为0；/>表示第/>个注塑件生产维度种类与其他注塑件生产维度种类的维度聚类影响评价指标序列的序列相似性的最大值；/>表示第个注塑件生产维度种类与其他注塑件生产维度种类的维度聚类影响评价指标序列的序列相似性的最小值。获取所有注塑件生产维度种类的最终参考维度评价指标，将所有的最终参考维度评价指标进行线性归一化，将归一化后的每个最终参考维度评价指标与1相加的结果记为最终维度评价指标。
进一步的，根据综合维度数据序列构建卡尔曼增益矩阵，在该卡尔曼增益矩阵中，将每个注塑件生产维度种类的最终维度评价指标与对应注塑件生产维度种类的每个注塑件生产维度数据相乘，以此类推，将该卡尔曼增益矩阵中所有注塑件生产维度数据与对应的最终维度评价指标相乘后，将该卡尔曼增益矩阵记为加权卡尔曼增益矩阵。其中根据数据序列构建卡尔曼增益矩阵的过程是扩展卡尔曼滤波算法的公知内容，本实施例不再赘述。
进一步的，预设一个维度种类阈值以及一个判断阈值/>，其中本实施例以为例进行叙述，本实施例不进行具体限定，其中/>，/>可根据具体实施情况而定；将传统扩展卡尔曼滤波算法中的卡尔曼增益矩阵替换为加权卡尔曼增益矩阵，实时更新时刻综合维度数据中所有注塑件生产维度数据，实时获取若干预测值，若存在任意一个预测值与/>的比值大于/>，那么将最新的时刻综合维度数据输入监测调控模块进行调控。其中根据卡尔曼增益矩阵进行预测的过程是扩展卡尔曼滤波算法的公知内容，本实施例不再赘述。
通过以上步骤，完成一种注塑件自动化生产设备的智能调控方法。
本发明的另一个实施例提供了一种注塑件自动化生产设备，所述设备包括存储器和处理器，所述处理器执行所述存储器存储的计算机程序时，执行如图2所示的各模块：
综合维度数据序列采集模块，用于采集注塑机的综合维度数据序列，所述综合维度数据序列包含多个时刻综合维度数据，每个时刻综合维度数据包含注塑机核心维度影响数据以及多个注塑件生产维度种类的注塑件生产维度数据；
维度参考评价指标获取模块，用于根据注塑机核心维度影响数据的数值变化情况，将综合维度数据序列划分为若干有效综合维度数据段；根据不同注塑件生产维度种类在不同有效综合维度数据段中的分布数量，得到每个注塑件生产维度种类在每个有效综合维度数据段中的维度参考评价指标；
维度聚类影响评价指标获取模块，用于对于任意一个注塑件生产维度种类，对注塑件生产维度种类所有的维度参考评价指标进行聚类得到若干聚类簇；根据注塑件生产维度种类在不同聚类簇中对应数值的变化情况以及关联情况，得到每个注塑件生产维度种类的每个聚类簇的维度聚类影响评价指标；
智能调控模块，用于根据维度聚类影响评价指标以及不同注塑件生产维度种类之间的变化关系，得到每个注塑件生产维度种类的最终维度评价指标；根据最终维度评价指标进行调控。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种注塑件自动化生产设备的智能调控方法，其特征在于，该方法包括以下步骤：
采集注塑机的综合维度数据序列，所述综合维度数据序列包含多个时刻综合维度数据，每个时刻综合维度数据包含注塑机核心维度影响数据以及多个注塑件生产维度种类的注塑件生产维度数据；
根据注塑机核心维度影响数据的数值变化情况，将综合维度数据序列划分为若干有效综合维度数据段；根据不同注塑件生产维度种类在不同有效综合维度数据段中的分布数量，得到每个注塑件生产维度种类在每个有效综合维度数据段中的维度参考评价指标；
对于任意一个注塑件生产维度种类，对注塑件生产维度种类所有的维度参考评价指标进行聚类得到若干聚类簇；根据注塑件生产维度种类在不同聚类簇中对应数值的变化情况以及关联情况，得到每个注塑件生产维度种类的每个聚类簇的维度聚类影响评价指标；
根据维度聚类影响评价指标以及不同注塑件生产维度种类之间的变化关系，得到每个注塑件生产维度种类的最终维度评价指标；根据最终维度评价指标进行调控。
2.根据权利要求1所述一种注塑件自动化生产设备的智能调控方法，其特征在于，所述根据注塑机核心维度影响数据的数值变化情况，将综合维度数据序列划分为若干有效综合维度数据段，包括的具体方法为：
在综合维度数据序列中，将注塑机核心维度影响数据不为预设阈值的时刻综合维度数据记为有效综合维度数据；将综合维度数据序列中连续出现的有效综合维度数据所构成的数据段记为有效综合维度数据段。
3.根据权利要求1所述一种注塑件自动化生产设备的智能调控方法，其特征在于，所述根据不同注塑件生产维度种类在不同有效综合维度数据段中的分布数量，得到每个注塑件生产维度种类在每个有效综合维度数据段中的维度参考评价指标，包括的具体方法为：
；
式中，表示第/>个注塑件生产维度种类在第/>个有效综合维度数据段中的维度参考评价指标；/>表示第/>个注塑件生产维度种类在第/>个有效综合维度数据段上，所有时刻综合维度数据的第/>个注塑件生产维度数据的最大值；/>表示第/>个注塑件生产维度种类在第/>个有效综合维度数据段上，所有时刻综合维度数据的第/>个注塑件生产维度数据的最小值；/>表示第/>个有效综合维度数据段中所有时刻综合维度数据的数量；/>表示第/>个注塑件生产维度种类在第/>个有效综合维度数据段上，第/>个时刻综合维度数据的第/>个注塑件生产维度数据；/>表示第/>个注塑件生产维度种类在第/>个有效综合维度数据段上，所有时刻综合维度数据的第/>个注塑件生产维度数据的均值；/>表示第/>个注塑件生产维度种类在第/>个有效综合维度数据段上，所有时刻综合维度数据的第/>个注塑件生产维度数据的标准差。
4.根据权利要求1所述一种注塑件自动化生产设备的智能调控方法，其特征在于，所述根据注塑件生产维度种类在不同聚类簇中对应数值的变化情况以及关联情况，得到每个注塑件生产维度种类的每个聚类簇的维度聚类影响评价指标，包括的具体方法为：
获取每个注塑件生产维度种类的每个聚类簇的维度聚类参考值；
获取每个注塑件生产维度种类的每个聚类簇的维度聚类波动值；
获取每个注塑件生产维度种类的每个聚类簇的评价参考均值；
；
式中，表示第/>个注塑件生产维度种类的第/>个聚类簇的维度聚类影响评价指标；/>表示第/>个注塑件生产维度种类的第/>个聚类簇的维度聚类参考值；/>表示第/>个注塑件生产维度种类的第/>个聚类簇的维度聚类波动值；/>表示第/>个注塑件生产维度种类的第/>个聚类簇的评价参考均值。
5.根据权利要求4所述一种注塑件自动化生产设备的智能调控方法，其特征在于，所述获取每个注塑件生产维度种类的每个聚类簇的维度聚类参考值，包括的具体方法为：
；
式中，表示第/>个注塑件生产维度种类的第/>个聚类簇的维度聚类参考值；表示第/>个注塑件生产维度种类的第/>个聚类簇中所有维度参考评价指标的数量；表示第/>个注塑件生产维度种类的第/>个聚类簇中，第/>个维度参考评价指标对应的有效综合维度数据段中所有时刻综合维度数据的数量；/>表示第/>个注塑件生产维度种类在所有聚类簇中所有维度参考评价指标的数量。
6.根据权利要求4所述一种注塑件自动化生产设备的智能调控方法，其特征在于，所述获取每个注塑件生产维度种类的每个聚类簇的维度聚类波动值，包括的具体方法为：
对于第个注塑件生产维度种类的第/>个聚类簇中任意一个维度参考评价指标，将维度参考评价指标对应的有效综合维度数据段输入STL时序分解算法，得到有效综合维度数据段的若干子序列，将所有子序列中所有时刻综合维度数据数量的均值记为维度参考评价指标的初始周期平均参考值，获取所有维度参考评价指标的初始周期平均参考值，将维度参考评价指标的初始周期平均参考值的均值，记为第/>个注塑件生产维度种类的第/>个聚类簇的周期平均参考值；
；
式中，表示第/>个注塑件生产维度种类的第/>个聚类簇的维度聚类波动值；表示第/>个注塑件生产维度种类的第/>个聚类簇中所有维度参考评价指标的数量；表示第/>个注塑件生产维度种类的第/>个聚类簇中，第/>个维度参考评价指标对应的有效综合维度数据段中所有时刻综合维度数据的数量；/>表示第/>个注塑件生产维度种类的第/>个聚类簇的周期平均参考值。
7.根据权利要求4所述一种注塑件自动化生产设备的智能调控方法，其特征在于，所述获取每个注塑件生产维度种类的每个聚类簇的评价参考均值，包括的具体方法为：
将第个注塑件生产维度种类的第/>个聚类簇中所有维度参考评价指标的均值记为第/>个注塑件生产维度种类的第/>个聚类簇的第一均值，获取第/>个注塑件生产维度种类的所有聚类簇的第一均值，将第/>个注塑件生产维度种类的所有聚类簇的第一均值进行线性归一化，将归一化后的每个第一均值记为评价参考均值。
8.根据权利要求1所述一种注塑件自动化生产设备的智能调控方法，其特征在于，所述根据维度聚类影响评价指标以及不同注塑件生产维度种类之间的变化关系，得到每个注塑件生产维度种类的最终维度评价指标，包括的具体方法为：
对于任意一个注塑件生产维度种类，将注塑件生产维度种类的所有聚类簇的维度聚类影响评价指标按照从小到大的顺序进行排列，将排列后的序列记为该注塑件生产维度种类的维度聚类影响评价指标序列，获取所有注塑件生产维度种类的维度聚类影响评价指标序列；利用DTW动态时间规整算法将任意两个注塑件生产维度种类的维度聚类影响评价指标序列进行匹配，得到任意两个注塑件生产维度种类的维度聚类影响评价指标序列之间的DTW距离，并将DTW距离记为序列相似性；
；
式中，表示第/>个注塑件生产维度种类的最终参考维度评价指标；/>表示预设的超参数；/>表示第/>个注塑件生产维度种类与其他注塑件生产维度种类的维度聚类影响评价指标序列的序列相似性的最大值；/>表示第/>个注塑件生产维度种类与其他注塑件生产维度种类的维度聚类影响评价指标序列的序列相似性的最小值；获取所有注塑件生产维度种类的最终参考维度评价指标，将所有的最终参考维度评价指标进行线性归一化，将归一化后的每个最终参考维度评价指标与1相加的结果记为最终维度评价指标。
9.根据权利要求1所述一种注塑件自动化生产设备的智能调控方法，其特征在于，所述根据最终维度评价指标进行调控，包括的具体方法为：
根据综合维度数据序列利用扩展卡尔曼滤波算法构建卡尔曼增益矩阵，在卡尔曼增益矩阵中，将每个注塑件生产维度种类的最终维度评价指标与对应注塑件生产维度种类的每个注塑件生产维度数据相乘，以此类推，将卡尔曼增益矩阵中所有注塑件生产维度数据与对应的最终维度评价指标相乘后，将卡尔曼增益矩阵记为加权卡尔曼增益矩阵；
预设一个维度种类阈值以及一个判断阈值/>，将传统扩展卡尔曼滤波算法中的卡尔曼增益矩阵替换为加权卡尔曼增益矩阵，实时更新时刻综合维度数据中所有注塑件生产维度数据，实时获取若干预测值，若存在任意一个预测值与/>的比值大于/>，那么将最后一个的时刻综合维度数据输入监测调控模块进行调控。
10.一种注塑件自动化生产设备，其特征在于，该设备包含如下模块：
综合维度数据序列采集模块，用于采集注塑机的综合维度数据序列，所述综合维度数据序列包含多个时刻综合维度数据，每个时刻综合维度数据包含注塑机核心维度影响数据以及多个注塑件生产维度种类的注塑件生产维度数据；
维度参考评价指标获取模块，用于根据注塑机核心维度影响数据的数值变化情况，将综合维度数据序列划分为若干有效综合维度数据段；根据不同注塑件生产维度种类在不同有效综合维度数据段中的分布数量，得到每个注塑件生产维度种类在每个有效综合维度数据段中的维度参考评价指标；
维度聚类影响评价指标获取模块，用于对于任意一个注塑件生产维度种类，对注塑件生产维度种类所有的维度参考评价指标进行聚类得到若干聚类簇；根据注塑件生产维度种类在不同聚类簇中对应数值的变化情况以及关联情况，得到每个注塑件生产维度种类的每个聚类簇的维度聚类影响评价指标；
智能调控模块，用于根据维度聚类影响评价指标以及不同注塑件生产维度种类之间的变化关系，得到每个注塑件生产维度种类的最终维度评价指标；根据最终维度评价指标进行调控。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410004579.2A CN117493819B (zh) | 2024-01-03 | 2024-01-03 | 一种注塑件自动化生产设备及其智能调控方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410004579.2A CN117493819B (zh) | 2024-01-03 | 2024-01-03 | 一种注塑件自动化生产设备及其智能调控方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117493819A CN117493819A (zh) | 2024-02-02 |
| CN117493819B true CN117493819B (zh) | 2024-03-29 |
Family
ID=89676833
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410004579.2A Active CN117493819B (zh) | 2024-01-03 | 2024-01-03 | 一种注塑件自动化生产设备及其智能调控方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117493819B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2022126678A1 (zh) * | 2020-12-17 | 2022-06-23 | 广东工业大学 | 一种柔性材料数控切割刀头性能状态评估方法及装置 |
| CN114662357A (zh) * | 2022-02-14 | 2022-06-24 | 华南理工大学 | 一种确定散热器进出水室注塑件最佳工艺参数的方法 |
| CN116894379A (zh) * | 2023-03-30 | 2023-10-17 | 西诺控股集团有限公司 | 一种注塑件质量优化方法 |
-
2024
- 2024-01-03 CN CN202410004579.2A patent/CN117493819B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2022126678A1 (zh) * | 2020-12-17 | 2022-06-23 | 广东工业大学 | 一种柔性材料数控切割刀头性能状态评估方法及装置 |
| CN114662357A (zh) * | 2022-02-14 | 2022-06-24 | 华南理工大学 | 一种确定散热器进出水室注塑件最佳工艺参数的方法 |
| CN116894379A (zh) * | 2023-03-30 | 2023-10-17 | 西诺控股集团有限公司 | 一种注塑件质量优化方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117493819A (zh) | 2024-02-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112749840B (zh) | 一种火电机组能效特征指标基准值的获取方法 | |
| CN117332283B (zh) | 一种中药材生长信息采集分析方法及系统 | |
| CN113204925A (zh) | 改进鲸鱼优化最小二乘支持向量机的带钢厚度预测方法 | |
| CN117498735B (zh) | 一种步进电机动态平稳驱动方法及系统 | |
| CN117195747B (zh) | 一种磁性材料烘干用均匀热分布优化方法 | |
| CN113052271A (zh) | 基于深度神经网络的生物发酵数据预测方法 | |
| CN117455725B (zh) | 一种基于bim建筑的建筑能耗管理方法及系统 | |
| CN118211082B (zh) | 基于数据分析的油液滤芯剩余寿命预测方法及系统 | |
| CN116522124A (zh) | 一种基于环境因素影响的溶解氧含量预测方法和系统 | |
| CN117493819B (zh) | 一种注塑件自动化生产设备及其智能调控方法 | |
| CN117753942B (zh) | 一种一体化压铸模具的温度控制系统及方法 | |
| CN114118401A (zh) | 基于神经网络的配电网络流量预测方法、系统、装置及存储介质 | |
| CN109858667A (zh) | 一种基于雷电气候对负荷影响的短期负荷聚类方法 | |
| CN116341770B (zh) | 基于聚苯乙烯生产数据的生产能力预测方法及系统 | |
| CN115682207B (zh) | 基于用户使用偏好的加湿器智能控制方法 | |
| CN116540632A (zh) | 一种基于cnn-gru组合神经网络机床进给系统热误差预测方法 | |
| CN117057201A (zh) | 基于贝叶斯优化的涡轮叶片蜡模数据采集和预测方法 | |
| CN116757354A (zh) | 一种基于多层感知机的烟叶复烤段关键参数筛选方法 | |
| CN114019909B (zh) | 一种主轴热误差建模方法、预测方法和建模系统 | |
| CN112231977B (zh) | 一种复烤机配方参数库的构建方法 | |
| CN114186357A (zh) | 基于相似原理的改进knn算法的挤压铸造工艺参数设计方法 | |
| CN117804639B (zh) | 一种胶装机温控传感器的温度校准方法及系统 | |
| CN114535142B (zh) | 基于数据驱动的注塑制品尺寸合格性智能判定方法 | |
| CN118514287B (zh) | 一种轻量化注塑机设备的控制方法及轻量化注塑机设备 | |
| CN116757337B (zh) | 一种基于人工智能的房建施工进度预测系统 |
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 |