CN120191663B - 一种柔性生产用输送带动态调速智能匹配系统 - Google Patents

一种柔性生产用输送带动态调速智能匹配系统

Info

Publication number
CN120191663B
CN120191663B CN202510445086.7A CN202510445086A CN120191663B CN 120191663 B CN120191663 B CN 120191663B CN 202510445086 A CN202510445086 A CN 202510445086A CN 120191663 B CN120191663 B CN 120191663B
Authority
CN
China
Prior art keywords
congestion
conveying
abnormal
monitoring
log
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
CN202510445086.7A
Other languages
English (en)
Other versions
CN120191663A (zh
Inventor
鞠岑
王巍
陈新杰
叶家坤
胡文斌
沈庆龙
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.)
NINGSHUN GROUP CO Ltd
Original Assignee
NINGSHUN GROUP 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 NINGSHUN GROUP CO Ltd filed Critical NINGSHUN GROUP CO Ltd
Priority to CN202510445086.7A priority Critical patent/CN120191663B/zh
Publication of CN120191663A publication Critical patent/CN120191663A/zh
Application granted granted Critical
Publication of CN120191663B publication Critical patent/CN120191663B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
    • B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
    • B65G15/00—Conveyors having endless load-conveying surfaces, i.e. belts and like continuous members, to which tractive effort is transmitted by means other than endless driving elements of similar configuration
    • B65G15/30—Belts or like endless load-carriers
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
    • B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
    • B65G43/00—Control devices, e.g. for safety, warning or fault-correcting
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
    • B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
    • B65G43/00—Control devices, e.g. for safety, warning or fault-correcting
    • B65G43/08—Control devices operated by article or material being fed, conveyed or discharged
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
    • B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
    • B65G2203/00—Indexing code relating to control or detection of the articles or the load carriers during conveying
    • B65G2203/02—Control or detection
    • B65G2203/0208—Control or detection relating to the transported articles
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
    • B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
    • B65G2203/00—Indexing code relating to control or detection of the articles or the load carriers during conveying
    • B65G2203/02—Control or detection
    • B65G2203/0266—Control or detection relating to the load carrier(s)
    • B65G2203/0291—Speed of the load carrier
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
    • B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
    • B65G2203/00—Indexing code relating to control or detection of the articles or the load carriers during conveying
    • B65G2203/04—Detection means

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Control Of Conveyors (AREA)

Abstract

本发明公开了一种柔性生产用输送带动态调速智能匹配系统，涉及输送带调速技术领域，所述匹配系统包括：输送数据分析模块，用于对输送带每一次输送过程进行数据采集，生成输送日志；对任意输送日志中存在的拥堵行为进行识别，得到拥堵行为集合；拥堵特征分析模块，用于对各个拥堵行为进行差异比对并进行种类划分；对拥堵行为进行异常特征识别；输送预测决策模块，用于构建拥堵预测模型对输送日志的拥堵情况进行预测；对各种拥堵行为制定相应的调整决策；实时预测反馈模块，用于对输送带上实时输送过程进行监测，得到实时输送日志，对所述实时输送日志进行拥堵预测并进行及时调整；对调整后存在的异常情况进行识别并进行提醒。

Description

一种柔性生产用输送带动态调速智能匹配系统
技术领域
本发明涉及输送带调速技术领域，具体是一种柔性生产用输送带动态调速智能匹配系统。
背景技术
柔性生产用输送带是一种用于现代智能制造系统的智能化物料传输设备，其核心设计目标是适应多品种、小批量、快速换产的生产需求，通过动态调整速度、路径和运行模式，实现生产流程的灵活性和效率最大化；
传统输送带系统多采用固定调速或基于简单规则的调速策略，例如预设速度曲线，无法实时适应生产环境中的动态变化，系统难以快速调整输送速度，存在严重的反馈延迟，导致调速响应不及时，影响生产效率。
发明内容
本发明的目的在于提供一种柔性生产用输送带动态调速智能匹配系统，以解决现有技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：一种柔性生产用输送带动态调速智能匹配系统，匹配系统包括输送数据分析模块、拥堵特征分析模块、输送预测决策模块和实时预测反馈模块；
输送数据分析模块，用于通过预设的监测设备对输送带每一次输送过程进行数据采集，生成输送日志；对任意输送日志中存在的拥堵行为进行识别，得到任意输送日志的拥堵行为集合；
拥堵特征分析模块，用于对所有拥堵行为集合中的各个拥堵行为进行差异比对，对不同拥堵行为进行种类划分；对任意种类的拥堵行为进行异常特征识别，并对各个异常特征的特征范围进行分析；
输送预测决策模块，用于构建拥堵预测模型对输送日志的拥堵情况进行预测，并基于任意输送日志的实际拥堵情况进行训练；基于预测结果对各种拥堵行为制定相应的调整决策；
实时预测反馈模块，用于对输送带上实时输送过程进行监测，得到实时输送日志，对所述实时输送日志进行拥堵预测并进行及时调整；对调整后异常特征的变化情况进行监测，对存在的异常情况进行识别并进行提醒。
进一步的，输送数据分析模块包括输送日志采集单元和输送拥堵识别单元；
输送日志采集单元，用于按照预设的功能类型将输送带划分成若干个输送区域，对每一个输送区域安装有相应的监测设备；每当输送带开始输送时，各个监测设备开始对相应的输送区域进行输送数据采集，直到输送带停止输送为止；将每一次完整输送过程中采集到的监测数据按照监测时间对数据变化情况进行呈现，得到相应的输送日志；可以按照功能类型将输送带划分为搬运段、分拣段、缓存段等多个输送区域，对每一个输送区域均安装有压力传感器、速度传感器、监控器等监测设备对输送过程进行数据采集；
输送拥堵识别单元，用于任意选取一个输送日志，从选取的输送日志中任意选取一个监测设备，提取监测设备在任意监测时间点下的监测数据，将每一个监测设备监测到的监测数据设定为一类监测数据，并对每一类监测数据预设一个正常数值范围，其中，对选取的监测设备预设一个正常数值范围r=(d1,d2)，其中，d1为最小数值，d2为最大数值，设定在监测时间点t0下监测数据的数值为dt0，若，则获取与监测时间点t0相邻且连续的若干个监测时间点，若所述若干个监测时间点下监测数据的数值均不属于正常数值范围，则对所述若干个监测时间点合并得到一个时间区间，并将时间区间里的输送行为进行获取，得到输送日志的一个拥堵行为；对各个时间区间的拥堵行为进行获取，得到选取的输送日志的拥堵行为集合；输送带在输送过程中会产生数据的波动性，因此仅仅一个时间点的监测数据无法准确反馈是否存在拥堵行为，只有存在一个连续的时间区间均存在异常时，才能够认定为拥堵行为。
进一步的，拥堵特征分析模块包括输送拥堵划分单元和异常特征识别单元；
输送拥堵划分单元，用于从某个输送日志中任意选取一个拥堵行为，对选取的拥堵行为所在的时间区间和各类监测数据进行获取；对任意两个拥堵行为之间的时间区间和监测数据进行差异比对，判断是否对两个用户行为进行种类划分；
异常特征识别单元，用于对任意相同种类中，任意拥堵行为在各类监测数据中的异常情况进行分析，并提取得到若干个异常特征；并对任意异常特征在不同拥堵行为中对应的监测数据进行提取，得到任意异常特征的特征数值范围。
进一步的，输送拥堵划分单元，包括：
任意选取某个输送日志，从所述某个输送日志中任意选取一个拥堵行为，将选取的拥堵行为设定为目标拥堵行为，获取所述目标拥堵行为的时间区间为(tg1,tg2)；
获取输送带在各个输送区域的输送速率，得到各个输送区域的期望时间区间，其中，设定第i个输送区域的期望时间区间为(t1i,t2i)；若(tg1,tg2)∈(t1i,t2i)，则得到所述目标拥堵行为的期望发生区域为第i个输送区域，利用监测设备捕捉所述目标拥堵行为的实际发生区域为第a个输送区域，设定一个输送偏差标记F，若i≠a，则设定第一偏差标记F(i,a)使得F=F(i,a)，若i=a，则设定第二偏差标记Fi使得F=Fi；第一偏差标记表示因为拥堵行为导致输送产品拥堵在其他输送区域中，说明输送进程受阻；第二偏差标记表示在一个输送区域中的拥堵情况；由于不同输送区域的功能类型不同，因此拥堵在不同区域时的拥堵行为是不同的，因此可以通过拥堵区域的不同去判断拥堵行为是否为同类行为；
任意选取一个监测设备的监测数据随监测时间变化的呈现情况，获取选取监测设备预设的正常数值范围，若存在一个连续时间区间中任意监测时间点的监测数值不属于正常数值范围，则对选取监测设备进行异常标记，得到所述目标拥堵行为中包含有异常标记的监测设备集合A；
从其余拥堵行为中重新选取一个拥堵行为并设定为对比拥堵行为，获取所述对比拥堵行为的输送偏差标记F’和所有包含有异常标记的监测设备集合A’，若F’=F并且A=A’，则将所述目标拥堵行为和所述对比拥堵行为划分为同类拥堵行为，否则，划分为不同拥堵行为。
进一步的，异常特征识别单元，包括：
任意选取一组同类拥堵行为，提取同类拥堵行为中存在异常标记的监测设备集合；从监测设备集合中任意选取一个监测设备，获取监测设备在所有输送日志中呈现的监测数据，得到一个完整数值范围(dmin,dmax)，设定监测设备的正常数值范围为(d1,d2)，若d1＞dmin，则得到一个偏差数值范围p1=(dmin,d1)，若d2＜dmax，则得到一个偏差数值范围p2=(d2,dmax)；
若选取监测设备存在偏差数值范围，则将监测数据的数据类型设定为选取监测设备的异常特征；对包含有同类拥堵行为的各个输送日志中，各个监测设备的异常特征进行提取，得到同类拥堵行为的若干个异常特征；
任意选取一个异常特征，对同类拥堵行为中任意拥堵行为所在的输送日志进行获取，得到关于选取异常特征所在监测设备的偏差数值范围(d1’,d2’)，若d1’＜d2＜d2’，则得到所在输送日志的实际偏差范围为(d2,d2’)；对同类拥堵行为中各个拥堵行为的实际偏差范围进行提取并取交集，得到选取异常特征的特征数值范围；在同一个输送区域中会存在多种拥堵行为，由各种原因产生，因此不同拥堵行为所造成监测数据的偏差情况是不相同的，为了区分不同拥堵行为，需要对偏差情况进一步进行细分，才能更好地为后续的预测模型提供参考数据。
进一步的，输送预测决策模块包括预测模型构建单元和调整决策制定单元；
预测模型构建单元，用于任意选取一个输送日志，对选取输送日志中任意输送区域包含的异常特征进行偏差情况分析，并对各个异常特征的异常发生频率进行分析，得到各个异常特征的异常权重，构建拥堵预测模型对各个输送区域进行拥堵风险预测；通过各个输送日志在各个输送区域的实际拥堵情况，得到判断输送区域是否存在拥堵行为的风险预测阈值；
调整决策制定单元，用于对任意输送日志中，拥堵风险值超过风险预测阈值的输送区域进行异常特征提取，将任意异常特征对应的监测数据进行数值调整，生成一个调整决策。
进一步的，预测模型构建单元，包括：
从选取的输送日志中任意选取一个输送区域，得到输送区域中包含的若干个异常特征，得到每一个异常特征的特征数值范围，其中，设定输送区域中第j个异常特征的特征数值范围为[dj(min),dj(max)]；获取第j个异常特征的正常数值范围(d1j,d2j)，给第j个异常特征设定一个特征偏差值Qj，若dj(max)＜d1j，则Qj=dj(max)，若d2j＜dj(min)，则Qj=dj(min)；得到第j个异常特征的偏差幅度为ηj=[Min(|Qj-d1j|,|Qj-d2j|)]/[Select(d1j,d2j)]，其中，Min()为取最小值函数，Select()为选择函数，若取最小值函数得到|Qj-d1j|，则Select(d1j,d2j)=d1j，若取最小值函数得到|Qj-d2j|，则Select(d1j,d2j)=d2j；通过选取偏差程度最小的数值作为风险预测的基础情况，因为偏差程度最小情况下后续不进行调整的话，则会发生拥堵行为；
获取第j个异常特征在所有输送日志中的发生次数为mj和所有拥堵行为中包含有第j个异常特征的行为数量为nj，计算得到第j个异常特征的异常权重fj=nj/mj；
构建拥堵预测模型计算得到输送区域的拥堵风险预测值Rex：
；
其中，b为输送区域中的异常特征数量；若在选取的输送日志中，选取的输送区域中存在拥堵行为，则将拥堵风险预测值Rex设定为异常预测值；对任意拥堵行为所在输送区域的异常预测值进行获取，选取数值最小的一个异常预测值作为判断输送区域是否存在拥堵行为的风险预测阈值。
进一步的，调整决策制定单元，包括：
设定风险预测阈值为Rth，从任意输送日志中选取一个输送区域，若选取的输送区域中得到的拥堵风险预测值为Rex，若Rex≥Rth，则对选取输送区域中包含的所有异常特征进行提取；
获取任意一个异常特征所在的监测设备，制定调整方案对输送带在选取的输送区域中进行调整，使得所在监测设备的监测数据范围处于正常数值范围之间；对所有异常特征制定相应的调整方案，生成选取输送区域的一个调整决策。
进一步的，实时预测反馈模块包括实时输送预测单元和异常拥堵反馈单元；
实时输送预测单元，用于获取实时输送日志中各个监测设备的监测数据，得到任意监测设备在当前监测时间点的监测数据，若当前监测时间点的监测数据不属于预设的正常数值范围，则从监测设备中进行异常特征提取，并得到监测数据的偏差幅度ηnow和提取异常特征的异常权重f；获取任意输送区域中各个异常特征的异常权重和相应监测数据的偏差幅度，并输入到拥堵预测模型中得到所述实时输送日志中各个输送区域的拥堵风险预测值，对拥堵风险预测值超过风险预测阈值的输送区域进行调整；
异常拥堵反馈单元，用于对调整后的输送区域中各个监测设备的监测数据每隔一个单位时间进行获取，若存在一个监测设备的监测数据在连续若干个监测时间点中均不属于正常数值范围，则对所述调整后的输送区域发送异常提醒。
与现有技术相比，本发明的有益效果是：
1、本发明通过对输送带在输送过程中存在的拥堵行为进行分析，构建预测模型对任意时刻下的输送状态进行拥堵预测，帮助及时调节输送带在各个环节的输送速度，避免调速响应不及时的情况发生，有效提高生产效率；
2、本发明通过对历史输送日志中存在的拥堵行为进行类别划分分析，对不同类别的拥堵行为进行识别方式的设定，能够在输送过程中及时捕捉到潜在的拥堵情况，及时进行反馈，帮助工作人员进行及时修正；
3、本发明通过对输送带制定相应的调整策略，能够很好地适应生产环境带来的动态变化，能够使得输送带能够在任何时刻监测到拥堵异常时，快速地进行反馈调整，避免生产过程的中断。
附图说明
图1为一种柔性生产用输送带动态调速智能匹配系统的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例：如图1所示，本发明提供一种柔性生产用输送带动态调速智能匹配系统，匹配系统包括输送数据分析模块、拥堵特征分析模块、输送预测决策模块和实时预测反馈模块；
输送数据分析模块，用于通过预设的监测设备对输送带每一次输送过程进行数据采集，生成输送日志；对任意输送日志中存在的拥堵行为进行识别，得到任意输送日志的拥堵行为集合；
其中，输送数据分析模块包括输送日志采集单元和输送拥堵识别单元；
输送日志采集单元，用于按照预设的功能类型将输送带划分成若干个输送区域，对每一个输送区域安装有相应的监测设备；每当输送带开始输送时，各个监测设备开始对相应的输送区域进行输送数据采集，直到输送带停止输送为止；将每一次完整输送过程中采集到的监测数据按照监测时间对数据变化情况进行呈现，得到相应的输送日志；
输送拥堵识别单元，用于任意选取一个输送日志，从选取的输送日志中任意选取一个监测设备，提取监测设备在任意监测时间点下的监测数据，将每一个监测设备监测到的监测数据设定为一类监测数据，并对每一类监测数据预设一个正常数值范围，其中，对选取的监测设备预设一个正常数值范围r=(d1,d2)，其中，d1为最小数值，d2为最大数值，设定在监测时间点t0下监测数据的数值为dt0，若，则获取与监测时间点t0相邻且连续的若干个监测时间点，若所述若干个监测时间点下监测数据的数值均不属于正常数值范围，则对所述若干个监测时间点合并得到一个时间区间，并将时间区间里的输送行为进行获取，得到输送日志的一个拥堵行为；对各个时间区间的拥堵行为进行获取，得到选取的输送日志的拥堵行为集合。
拥堵特征分析模块，用于对所有拥堵行为集合中的各个拥堵行为进行差异比对，对不同拥堵行为进行种类划分；对任意种类的拥堵行为进行异常特征识别，并对各个异常特征的特征范围进行分析；
其中，拥堵特征分析模块包括输送拥堵划分单元和异常特征识别单元；
输送拥堵划分单元，用于从某个输送日志中任意选取一个拥堵行为，对选取的拥堵行为所在的时间区间和各类监测数据进行获取；对任意两个拥堵行为之间的时间区间和监测数据进行差异比对，判断是否对两个用户行为进行种类划分；
异常特征识别单元，用于对任意相同种类中，任意拥堵行为在各类监测数据中的异常情况进行分析，并提取得到若干个异常特征；并对任意异常特征在不同拥堵行为中对应的监测数据进行提取，得到任意异常特征的特征数值范围。
其中，输送拥堵划分单元，包括：
任意选取某个输送日志，从所述某个输送日志中任意选取一个拥堵行为，将选取的拥堵行为设定为目标拥堵行为，获取所述目标拥堵行为的时间区间为(tg1,tg2)；
获取输送带在各个输送区域的输送速率，得到各个输送区域的期望时间区间，其中，设定第i个输送区域的期望时间区间为(t1i,t2i)；若(tg1,tg2)∈(t1i,t2i)，则得到所述目标拥堵行为的期望发生区域为第i个输送区域，利用监测设备捕捉所述目标拥堵行为的实际发生区域为第a个输送区域，设定一个输送偏差标记F，若i≠a，则设定第一偏差标记F(i,a)使得F=F(i,a)，若i=a，则设定第二偏差标记Fi使得F=Fi；
任意选取一个监测设备的监测数据随监测时间变化的呈现情况，获取选取监测设备预设的正常数值范围，若存在一个连续时间区间中任意监测时间点的监测数值不属于正常数值范围，则对选取监测设备进行异常标记，得到所述目标拥堵行为中包含有异常标记的监测设备集合A；
从其余拥堵行为中重新选取一个拥堵行为并设定为对比拥堵行为，获取所述对比拥堵行为的输送偏差标记F’和所有包含有异常标记的监测设备集合A’，若F’=F并且A=A’，则将所述目标拥堵行为和所述对比拥堵行为划分为同类拥堵行为，否则，划分为不同拥堵行为。
其中，异常特征识别单元，包括：
任意选取一组同类拥堵行为，提取同类拥堵行为中存在异常标记的监测设备集合；从监测设备集合中任意选取一个监测设备，获取监测设备在所有输送日志中呈现的监测数据，得到一个完整数值范围(dmin,dmax)，设定监测设备的正常数值范围为(d1,d2)，若d1＞dmin，则得到一个偏差数值范围p1=(dmin,d1)，若d2＜dmax，则得到一个偏差数值范围p2=(d2,dmax)；
若选取监测设备存在偏差数值范围，则将监测数据的数据类型设定为选取监测设备的异常特征；对包含有同类拥堵行为的各个输送日志中，各个监测设备的异常特征进行提取，得到同类拥堵行为的若干个异常特征；
任意选取一个异常特征，对同类拥堵行为中任意拥堵行为所在的输送日志进行获取，得到关于选取异常特征所在监测设备的偏差数值范围(d1’,d2’)，若d1’＜d2＜d2’，则得到所在输送日志的实际偏差范围为(d2,d2’)；对同类拥堵行为中各个拥堵行为的实际偏差范围进行提取并取交集，得到选取异常特征的特征数值范围。
输送预测决策模块，用于构建拥堵预测模型对输送日志的拥堵情况进行预测，并基于任意输送日志的实际拥堵情况进行训练；基于预测结果对各种拥堵行为制定相应的调整决策；
其中，输送预测决策模块包括预测模型构建单元和调整决策制定单元；
预测模型构建单元，用于任意选取一个输送日志，对选取输送日志中任意输送区域包含的异常特征进行偏差情况分析，并对各个异常特征的异常发生频率进行分析，得到各个异常特征的异常权重，构建拥堵预测模型对各个输送区域进行拥堵风险预测；通过各个输送日志在各个输送区域的实际拥堵情况，得到判断输送区域是否存在拥堵行为的风险预测阈值；
调整决策制定单元，用于对任意输送日志中，拥堵风险值超过风险预测阈值的输送区域进行异常特征提取，将任意异常特征对应的监测数据进行数值调整，生成一个调整决策。
其中，预测模型构建单元，包括：
从选取的输送日志中任意选取一个输送区域，得到输送区域中包含的若干个异常特征，得到每一个异常特征的特征数值范围，其中，设定输送区域中第j个异常特征的特征数值范围为[dj(min),dj(max)]；获取第j个异常特征的正常数值范围(d1j,d2j)，给第j个异常特征设定一个特征偏差值Qj，若dj(max)＜d1j，则Qj=dj(max)，若d2j＜dj(min)，则Qj=dj(min)；得到第j个异常特征的偏差幅度为ηj=[Min(|Qj-d1j|,|Qj-d2j|)]/[Select(d1j,d2j)]，其中，Min()为取最小值函数，Select()为选择函数，若取最小值函数得到|Qj-d1j|，则Select(d1j,d2j)=d1j，若取最小值函数得到|Qj-d2j|，则Select(d1j,d2j)=d2j；
实施例1：设定输送区域中存在一个异常特征为压力异常，且特征数值范围为(12，15)，获取压力特征的正常数值范围为(5,10)，因此得到特征偏差值为12，计算得到偏差幅度为η=(12-10)/10=20%；
获取第j个异常特征在所有输送日志中的发生次数为mj和所有拥堵行为中包含有第j个异常特征的行为数量为nj，计算得到第j个异常特征的异常权重fj=nj/mj；
构建拥堵预测模型计算得到输送区域的拥堵风险预测值Rex：
；
其中，b为输送区域中的异常特征数量；若在选取的输送日志中，选取的输送区域中存在拥堵行为，则将拥堵风险预测值Rex设定为异常预测值；对任意拥堵行为所在输送区域的异常预测值进行获取，选取数值最小的一个异常预测值作为判断输送区域是否存在拥堵行为的风险预测阈值；
实施例2：获取输送日志中的一个输送区域中，存在3个异常特征，且偏差幅度和异常权重分别为(20%,0.8)，(25%,0.7)，(20%,0.9)，计算得到拥堵风险预测值Rex=0.2×0.8+0.25×0.7+0.2×0.9=0.16+0.175+0.18=0.515。
其中，调整决策制定单元，包括：
设定风险预测阈值为Rth，从任意输送日志中选取一个输送区域，若选取的输送区域中得到的拥堵风险预测值为Rex，若Rex≥Rth，则对选取输送区域中包含的所有异常特征进行提取；
获取任意一个异常特征所在的监测设备，制定调整方案对输送带在选取的输送区域中进行调整，使得所在监测设备的监测数据范围处于正常数值范围之间；对所有异常特征制定相应的调整方案，生成选取输送区域的一个调整决策。
实时预测反馈模块，用于对输送带上实时输送过程进行监测，得到实时输送日志，对所述实时输送日志进行拥堵预测并进行及时调整；对调整后异常特征的变化情况进行监测，对存在的异常情况进行识别并进行提醒；
其中，实时预测反馈模块包括实时输送预测单元和异常拥堵反馈单元；
实时输送预测单元，用于获取实时输送日志中各个监测设备的监测数据，得到任意监测设备在当前监测时间点的监测数据，若当前监测时间点的监测数据不属于预设的正常数值范围，则从监测设备中进行异常特征提取，并得到监测数据的偏差幅度ηnow和提取异常特征的异常权重f；获取任意输送区域中各个异常特征的异常权重和相应监测数据的偏差幅度，并输入到拥堵预测模型中得到所述实时输送日志中各个输送区域的拥堵风险预测值，对拥堵风险预测值超过风险预测阈值的输送区域进行调整；
异常拥堵反馈单元，用于对调整后的输送区域中各个监测设备的监测数据每隔一个单位时间进行获取，若存在一个监测设备的监测数据在连续若干个监测时间点中均不属于正常数值范围，则对所述调整后的输送区域发送异常提醒。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。

Claims (6)

1.一种柔性生产用输送带动态调速智能匹配系统，其特征在于：所述匹配系统包括输送数据分析模块、拥堵特征分析模块、输送预测决策模块和实时预测反馈模块；
所述输送数据分析模块，用于通过预设的监测设备对输送带每一次输送过程进行数据采集，生成输送日志；对任意输送日志中存在的拥堵行为进行识别，得到任意输送日志的拥堵行为集合；
所述拥堵特征分析模块，用于对所有拥堵行为集合中的各个拥堵行为进行差异比对，对不同拥堵行为进行种类划分；对任意种类的拥堵行为进行异常特征识别，并对各个异常特征的特征范围进行分析；
所述输送预测决策模块，用于构建拥堵预测模型对输送日志的拥堵情况进行预测，并基于任意输送日志的实际拥堵情况进行训练；基于预测结果对各种拥堵行为制定相应的调整决策；
所述实时预测反馈模块，用于对输送带上实时输送过程进行监测，得到实时输送日志，对所述实时输送日志进行拥堵预测并进行及时调整；对调整后异常特征的变化情况进行监测，对存在的异常情况进行识别并进行提醒；
所述输送预测决策模块包括预测模型构建单元和调整决策制定单元；
所述预测模型构建单元，用于任意选取一个输送日志，对选取输送日志中任意输送区域包含的异常特征进行偏差情况分析，并对各个异常特征的异常发生频率进行分析，得到各个异常特征的异常权重，构建拥堵预测模型对各个输送区域进行拥堵风险预测；通过各个输送日志在各个输送区域的实际拥堵情况，得到判断输送区域是否存在拥堵行为的风险预测阈值；
所述调整决策制定单元，用于对任意输送日志中，拥堵风险值超过风险预测阈值的输送区域进行异常特征提取，将任意异常特征对应的监测数据进行数值调整，生成一个调整决策；
所述预测模型构建单元，包括：
从选取的输送日志中任意选取一个输送区域，得到输送区域中包含的若干个异常特征，得到每一个异常特征的特征数值范围，其中，设定输送区域中第j个异常特征的特征数值范围为[dj(min),dj(max)]；获取第j个异常特征的正常数值范围(d1j,d2j)，给第j个异常特征设定一个特征偏差值Qj，若dj(max)＜d1j，则Qj=dj(max)，若d2j＜dj(min)，则Qj=dj(min)；得到第j个异常特征的偏差幅度为ηj=[Min(|Qj-d1j|,|Qj-d2j|)]/[Select(d1j,d2j)]，其中，Min()为取最小值函数，Select()为选择函数，若取最小值函数得到|Qj-d1j|，则Select(d1j,d2j)=d1j，若取最小值函数得到|Qj-d2j|，则Select(d1j,d2j)=d2j；
获取第j个异常特征在所有输送日志中的发生次数为mj和所有拥堵行为中包含有第j个异常特征的行为数量为nj，计算得到第j个异常特征的异常权重fj=nj/mj；
构建拥堵预测模型计算得到输送区域的拥堵风险预测值Rex：
；
其中，b为输送区域中的异常特征数量；若在选取的输送日志中，选取的输送区域中存在拥堵行为，则将拥堵风险预测值Rex设定为异常预测值；对任意拥堵行为所在输送区域的异常预测值进行获取，选取数值最小的一个异常预测值作为判断输送区域是否存在拥堵行为的风险预测阈值；
所述调整决策制定单元，包括：
设定风险预测阈值为Rth，从任意输送日志中选取一个输送区域，若选取的输送区域中得到的拥堵风险预测值为Rex，若Rex≥Rth，则对选取输送区域中包含的所有异常特征进行提取；
获取任意一个异常特征所在的监测设备，制定调整方案对输送带在选取的输送区域中进行调整，使得所在监测设备的监测数据范围处于正常数值范围之间；对所有异常特征制定相应的调整方案，生成选取输送区域的一个调整决策。
2.根据权利要求1所述的一种柔性生产用输送带动态调速智能匹配系统，其特征在于：所述输送数据分析模块包括输送日志采集单元和输送拥堵识别单元；
所述输送日志采集单元，用于按照预设的功能类型将输送带划分成若干个输送区域，对每一个输送区域安装有相应的监测设备；每当输送带开始输送时，各个监测设备开始对相应的输送区域进行输送数据采集，直到输送带停止输送为止；将每一次完整输送过程中采集到的监测数据按照监测时间对数据变化情况进行呈现，得到相应的输送日志；
所述输送拥堵识别单元，用于任意选取一个输送日志，从选取的输送日志中任意选取一个监测设备，提取监测设备在任意监测时间点下的监测数据，将每一个监测设备监测到的监测数据设定为一类监测数据，并对每一类监测数据预设一个正常数值范围，其中，对选取的监测设备预设一个正常数值范围r=(d1,d2)，其中，d1为最小数值，d2为最大数值，设定在监测时间点t0下监测数据的数值为dt0，若，则获取与监测时间点t0相邻且连续的若干个监测时间点，若所述若干个监测时间点下监测数据的数值均不属于正常数值范围，则对所述若干个监测时间点合并得到一个时间区间，并将时间区间里的输送行为进行获取，得到输送日志的一个拥堵行为；对各个时间区间的拥堵行为进行获取，得到选取的输送日志的拥堵行为集合。
3.根据权利要求2所述的一种柔性生产用输送带动态调速智能匹配系统，其特征在于：所述拥堵特征分析模块包括输送拥堵划分单元和异常特征识别单元；
所述输送拥堵划分单元，用于从某个输送日志中任意选取一个拥堵行为，对选取的拥堵行为所在的时间区间和各类监测数据进行获取；对任意两个拥堵行为之间的时间区间和监测数据进行差异比对，判断是否对两个用户行为进行种类划分；
所述异常特征识别单元，用于对任意相同种类中，任意拥堵行为在各类监测数据中的异常情况进行分析，并提取得到若干个异常特征；并对任意异常特征在不同拥堵行为中对应的监测数据进行提取，得到任意异常特征的特征数值范围。
4.根据权利要求3所述的一种柔性生产用输送带动态调速智能匹配系统，其特征在于：所述输送拥堵划分单元，包括：
任意选取某个输送日志，从所述某个输送日志中任意选取一个拥堵行为，将选取的拥堵行为设定为目标拥堵行为，获取所述目标拥堵行为的时间区间为(tg1,tg2)；
获取输送带在各个输送区域的输送速率，得到各个输送区域的期望时间区间，其中，设定第i个输送区域的期望时间区间为(t1i,t2i)；若(tg1,tg2)∈(t1i,t2i)，则得到所述目标拥堵行为的期望发生区域为第i个输送区域，利用监测设备捕捉所述目标拥堵行为的实际发生区域为第a个输送区域，设定一个输送偏差标记F，若i≠a，则设定第一偏差标记F(i,a)使得F=F(i,a)，若i=a，则设定第二偏差标记Fi使得F=Fi；
任意选取一个监测设备的监测数据随监测时间变化的呈现情况，获取选取监测设备预设的正常数值范围，若存在一个连续时间区间中任意监测时间点的监测数值不属于正常数值范围，则对选取监测设备进行异常标记，得到所述目标拥堵行为中包含有异常标记的监测设备集合A；
从其余拥堵行为中重新选取一个拥堵行为并设定为对比拥堵行为，获取所述对比拥堵行为的输送偏差标记F’和所有包含有异常标记的监测设备集合A’，若F’=F并且A=A’，则将所述目标拥堵行为和所述对比拥堵行为划分为同类拥堵行为，否则，划分为不同拥堵行为。
5.根据权利要求4所述的一种柔性生产用输送带动态调速智能匹配系统，其特征在于：所述异常特征识别单元，包括：
任意选取一组同类拥堵行为，提取同类拥堵行为中存在异常标记的监测设备集合；从监测设备集合中任意选取一个监测设备，获取监测设备在所有输送日志中呈现的监测数据，得到一个完整数值范围(dmin,dmax)，设定监测设备的正常数值范围为(d1,d2)，若d1＞dmin，则得到一个偏差数值范围p1=(dmin,d1)，若d2＜dmax，则得到一个偏差数值范围p2=(d2,dmax)；
若选取监测设备存在偏差数值范围，则将监测数据的数据类型设定为选取监测设备的异常特征；对包含有同类拥堵行为的各个输送日志中，各个监测设备的异常特征进行提取，得到同类拥堵行为的若干个异常特征；
任意选取一个异常特征，对同类拥堵行为中任意拥堵行为所在的输送日志进行获取，得到关于选取异常特征所在监测设备的偏差数值范围(d1’,d2’)，若d1’＜d2＜d2’，则得到所在输送日志的实际偏差范围为(d2,d2’)；对同类拥堵行为中各个拥堵行为的实际偏差范围进行提取并取交集，得到选取异常特征的特征数值范围。
6.根据权利要求5所述的一种柔性生产用输送带动态调速智能匹配系统，其特征在于：所述实时预测反馈模块包括实时输送预测单元和异常拥堵反馈单元；
所述实时输送预测单元，用于获取实时输送日志中各个监测设备的监测数据，得到任意监测设备在当前监测时间点的监测数据，若当前监测时间点的监测数据不属于预设的正常数值范围，则从监测设备中进行异常特征提取，并得到监测数据的偏差幅度ηnow和提取异常特征的异常权重f；获取任意输送区域中各个异常特征的异常权重和相应监测数据的偏差幅度，并输入到拥堵预测模型中得到所述实时输送日志中各个输送区域的拥堵风险预测值，对拥堵风险预测值超过风险预测阈值的输送区域进行调整；
所述异常拥堵反馈单元，用于对调整后的输送区域中各个监测设备的监测数据每隔一个单位时间进行获取，若存在一个监测设备的监测数据在连续若干个监测时间点中均不属于正常数值范围，则对所述调整后的输送区域发送异常提醒。
CN202510445086.7A 2025-04-10 2025-04-10 一种柔性生产用输送带动态调速智能匹配系统 Active CN120191663B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202510445086.7A CN120191663B (zh) 2025-04-10 2025-04-10 一种柔性生产用输送带动态调速智能匹配系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202510445086.7A CN120191663B (zh) 2025-04-10 2025-04-10 一种柔性生产用输送带动态调速智能匹配系统

Publications (2)

Publication Number Publication Date
CN120191663A CN120191663A (zh) 2025-06-24
CN120191663B true CN120191663B (zh) 2025-11-14

Family

ID=96064027

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202510445086.7A Active CN120191663B (zh) 2025-04-10 2025-04-10 一种柔性生产用输送带动态调速智能匹配系统

Country Status (1)

Country Link
CN (1) CN120191663B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110641949A (zh) * 2019-08-22 2020-01-03 浙江百世技术有限公司 一种用于监测传送带上货物拥堵的设备及系统
CN119026742A (zh) * 2024-08-13 2024-11-26 北京京东远升科技有限公司 一种输送线拥堵预测方法、设备、介质和程序产品

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS60236917A (ja) * 1984-05-10 1985-11-25 Nec Corp 異常搬送検知方式
US9738455B2 (en) * 2013-06-07 2017-08-22 Intelligrated Headquarters Llc Conveyor speed control
CN114255435B (zh) * 2020-09-10 2025-12-05 顺丰科技有限公司 传送装置异常检测方法、装置、电子设备及存储介质
CN114529843B (zh) * 2020-10-30 2025-12-12 顺丰科技有限公司 货物拥堵识别方法、装置、电子设备和存储介质
CN113651061B (zh) * 2021-08-18 2023-04-14 上海德启信息科技有限公司 一种物流流转状态的监测方法及监测系统
CN114170505B (zh) * 2021-11-29 2025-02-14 云南迦南飞奇科技有限公司 一种基于机器视觉的输送线物品拥挤在线感知系统及方法
CN118458274A (zh) * 2024-04-19 2024-08-09 华能太仓港务有限责任公司 散货码头输送带防堵煤运行自动化控制方法及系统

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110641949A (zh) * 2019-08-22 2020-01-03 浙江百世技术有限公司 一种用于监测传送带上货物拥堵的设备及系统
CN119026742A (zh) * 2024-08-13 2024-11-26 北京京东远升科技有限公司 一种输送线拥堵预测方法、设备、介质和程序产品

Also Published As

Publication number Publication date
CN120191663A (zh) 2025-06-24

Similar Documents

Publication Publication Date Title
CN101211496A (zh) 用于监视设备的方法和系统
CN103345209B (zh) 生产监控方法及系统
CN117726144B (zh) 一种基于数据处理的智能数字印刷管理系统及方法
CN118760109B (zh) 一种基于物联网的锻件智能生产线的管理系统
CN120191663B (zh) 一种柔性生产用输送带动态调速智能匹配系统
CN118505778B (zh) 一种基于光感特征识别的工业制造智能感知系统
CN118014288B (zh) 基于bim的建筑设计流程动态管理方法
CN116050940B (zh) 技工平台的劳务派遣优胜劣汰管理系统
CN116227754B (zh) 一种橡胶手套的生产自适应优化控制方法及系统
CN116931523A (zh) 一种基于物联网的生物降解塑料袋生产监控系统
CN112068509A (zh) 一种流水装配线多工位数据采集处理系统
CN119886721B (zh) 一种稀土生产的mes设备远程监控管理系统
CN118672195B (zh) 一种机械制造用安全监控预警系统
CN115877807B (zh) 一种基于机器识别的机械链条生产工艺调控方法及系统
CN118838267B (zh) 一种车间生产过程管控系统及方法
CN118886706A (zh) 一种基于大数据的项目设备供应链评估系统及方法
CN118297746A (zh) 基于ai的农作物生长管理决策系统
CN112131069B (zh) 基于聚类的设备运行监测方法及系统
EP3460732B1 (en) Dispatching method and system based on multiple levels of steady state production rate in working benches
CN120875547A (zh) 应用于汽车led模组的生产设备数据管控系统及方法
CN114666370B (zh) 一种基于物联网技术的SaaS智能消防监控平台
CN121257798A (zh) 基于人工智能的云边协同生产制造管理系统
CN117993760B (zh) 一种用于高炉喷煤系统的监测方法
CN118963267B (zh) 一种基于工业物联网的高效供料生产远程监测方法及系统
CN120909538B (zh) 一种印刷故障数据智能分析方法及系统

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