[發(fā)明專利]一種基于區(qū)塊鏈的工業(yè)機(jī)械的智能化生產(chǎn)模型

在審

• 申請(qǐng)?zhí)枺?/td>: 202110051685.2
• 申請(qǐng)日: 2021-01-15
• 公開(kāi)（公告）號(hào): CN113408839A
• 公開(kāi)（公告）日: 2021-09-17
• 發(fā)明（設(shè)計(jì)）人: 司海飛;胡興柳;沈浩;史震;伍文華
• 申請(qǐng)（專利權(quán)）人: 金陵科技學(xué)院
• 主分類號(hào): G06Q10/06
• 分類號(hào): G06Q10/06;G06Q10/04;G06Q10/00;G06Q50/04;G06F16/2458;G06F16/27;G06K9/62;G06N3/08;G06N3/12
• 代理公司: 南京眾聯(lián)專利代理有限公司 32206
• 代理人: 蔣昱

1.一種基于區(qū)塊鏈的工業(yè)機(jī)械的智能化生產(chǎn)模型，具體步驟如下，其特征在于：

步驟1，利用各類傳感器和系統(tǒng)軟件獲取設(shè)備實(shí)時(shí)信息表并上傳至區(qū)塊鏈節(jié)點(diǎn)，其中包括：設(shè)備類型、機(jī)械參數(shù)、監(jiān)測(cè)參數(shù)和任務(wù)狀態(tài)；

步驟2，利用區(qū)塊鏈技術(shù)對(duì)上傳的設(shè)備實(shí)時(shí)信息表進(jìn)行整合和存儲(chǔ)；

步驟3，從區(qū)塊鏈中獲取數(shù)據(jù)，并利用模型算法對(duì)數(shù)據(jù)進(jìn)行處理，其中利用K最近鄰KNN對(duì)大數(shù)據(jù)進(jìn)行特征挖掘，利用Alexnet遷移學(xué)習(xí)模型完成設(shè)備的健康評(píng)估和規(guī)劃工作路徑，利用自適應(yīng)遺傳算法AGA對(duì)機(jī)械設(shè)備的調(diào)度進(jìn)行優(yōu)化；

步驟4，得出相應(yīng)的分析結(jié)果，其中包括：設(shè)備健康評(píng)估、最優(yōu)調(diào)度方案、合理規(guī)劃工作路徑和指導(dǎo)生產(chǎn)制造。

2.根據(jù)權(quán)利要求1所述的一種基于區(qū)塊鏈的工業(yè)機(jī)械的智能化生產(chǎn)模型，其特征在于：步驟1中設(shè)備實(shí)時(shí)信息表中所包含的參數(shù)有：

設(shè)備類型有挖掘機(jī)、泵車、起重機(jī)和工程車等；機(jī)械參數(shù)有機(jī)械型號(hào)、使用年限、出廠參數(shù)和額定負(fù)載等；監(jiān)測(cè)參數(shù)有應(yīng)變片對(duì)應(yīng)的預(yù)緊力、旋轉(zhuǎn)式部件對(duì)應(yīng)的振動(dòng)信號(hào)、潤(rùn)滑油參數(shù)包括油溫和油中所含成分的占比和工作環(huán)境包括溫度、濕度和風(fēng)力等級(jí)。

3.根據(jù)權(quán)利要求1所述的一種基于區(qū)塊鏈的工業(yè)機(jī)械的智能化生產(chǎn)模型，其特征在于：步驟2中將整合后的信息表上傳至區(qū)塊鏈節(jié)點(diǎn)，其特征是：

當(dāng)上傳的數(shù)據(jù)面向公眾展開(kāi)時(shí)，可將當(dāng)前節(jié)點(diǎn)接入公有鏈；相反，當(dāng)數(shù)據(jù)歸公司或國(guó)家所有時(shí)，可選擇私有鏈的搭建。

4.根據(jù)權(quán)利要求1所述的一種基于區(qū)塊鏈的工業(yè)機(jī)械的智能化生產(chǎn)模型，其特征在于：步驟3中模型數(shù)據(jù)處理和分析的具體步驟為：

步驟3.1，利用KNN算法對(duì)大數(shù)據(jù)進(jìn)行特征挖掘，其具體步驟為：

步驟3.1.1，預(yù)先確定聚類中心的數(shù)量K，并對(duì)K個(gè)聚類中心位置進(jìn)行初始化；

步驟3.1.2，計(jì)算所有數(shù)據(jù)至距離其最近的聚類中心，并計(jì)算相應(yīng)的歐氏距離；

步驟3.1.3，對(duì)步驟3.1.2確定的聚類簇進(jìn)行聚類中心的更新，更新規(guī)則為每個(gè)維度求算術(shù)平均數(shù)；

步驟3.1.4，重復(fù)步驟3.1.1至步驟3.1.3，直至達(dá)到迭代次數(shù)或設(shè)定的收斂誤差；

步驟3.2，利用Alexnet遷移學(xué)習(xí)模型完成設(shè)備的健康評(píng)估和規(guī)劃工作路徑；其具體步驟為：

步驟3.2.1，利用TensorFlow架構(gòu)搭建Alexnet模型，并用先驗(yàn)的數(shù)據(jù)對(duì)模型進(jìn)行訓(xùn)練，以使得模型收斂；

步驟3.2.2，改變已訓(xùn)練好模型的輸出層規(guī)格大小，并將輸出層的權(quán)重系數(shù)初始化成隨機(jī)值，保持其它層的權(quán)重；

步驟3.2.3，在想要遷移的目標(biāo)訓(xùn)練集上進(jìn)行遷移模型的訓(xùn)練，使得模型收斂；

步驟3.3，利用自適應(yīng)遺傳算法對(duì)機(jī)械設(shè)備的調(diào)度進(jìn)行優(yōu)化，其具體的步驟為：

步驟3.3.1，遺傳算法參數(shù)的初始化，其中包括：初始種群大小、變異概率、交叉概率和最大迭代次數(shù)；

步驟3.3.2，用隨機(jī)數(shù)產(chǎn)生第一代種群的排樣方案，完成初始化；

步驟3.3.3，計(jì)算得出本代種群中所有個(gè)體對(duì)應(yīng)的適應(yīng)度，同時(shí)求解種群最優(yōu)的個(gè)體適應(yīng)度值和平均適應(yīng)度值；

步驟3.3.4，進(jìn)行自適應(yīng)的遺傳處理，其中包括：選擇、交叉、變異，在完成種群狀態(tài)更新后轉(zhuǎn)到步驟3.3.3；

步驟3.3.5，在達(dá)到迭代終止條件后，得到最優(yōu)的求解結(jié)果。

5.根據(jù)權(quán)利要求1所述的一種基于區(qū)塊鏈的工業(yè)機(jī)械的智能化生產(chǎn)模型，其特征在于：步驟4中得出相應(yīng)的分析結(jié)果，其特征為：

得出設(shè)備當(dāng)前的健康結(jié)果，根據(jù)結(jié)果進(jìn)行相關(guān)的維護(hù)，如換潤(rùn)滑油、維修損傷部位；得出最優(yōu)調(diào)度方案，根據(jù)給出的方案，調(diào)用各地的機(jī)械設(shè)備，在最低的成本和最短的時(shí)間內(nèi)完成相應(yīng)的任務(wù)；合理規(guī)劃工作路徑和指導(dǎo)生產(chǎn)制造，機(jī)械設(shè)備的整個(gè)壽命模型，可以很好的指導(dǎo)和優(yōu)化相關(guān)廠家在生產(chǎn)過(guò)程中工藝等流程。