[發(fā)明專利]基于信息融合的翅片機(jī)加工狀態(tài)監(jiān)測方法

有效

• 申請?zhí)枺?/td>: 202110705179.0
• 申請日: 2021-06-24
• 公開（公告）號: CN113393143B
• 公開（公告）日: 2022-06-17
• 發(fā)明（設(shè)計(jì)）人: 李孝斌;黎勇;江沛;尹超;李博;陳俊旭;廖喜年
• 申請（專利權(quán)）人: 重慶大學(xué)
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G01D21/02;G06F16/215;G06N3/08
• 代理公司: 重慶博凱知識產(chǎn)權(quán)代理有限公司 50212
• 代理人: 黃河

1.基于信息融合的翅片機(jī)加工狀態(tài)監(jiān)測方法，其特征在于，包括以下步驟：

S1：獲取待監(jiān)測翅片機(jī)的性能指標(biāo)數(shù)據(jù)集；

S2：將所述性能指標(biāo)數(shù)據(jù)集輸入經(jīng)過預(yù)先訓(xùn)練的加工狀態(tài)信息融合模型中；

所述加工狀態(tài)信息融合模型通過多Agent動態(tài)協(xié)作和神經(jīng)網(wǎng)絡(luò)模型對所述性能指標(biāo)數(shù)據(jù)集中的指標(biāo)數(shù)據(jù)進(jìn)行信息融合處理，并生成對應(yīng)的翅片機(jī)加工狀態(tài)結(jié)果；

S3：輸出待監(jiān)測翅片機(jī)對應(yīng)的翅片機(jī)加工狀態(tài)結(jié)果；

步驟S1中，所述性能指標(biāo)數(shù)據(jù)集包括翅片機(jī)加工質(zhì)量、運(yùn)行效能和生產(chǎn)進(jìn)度中任意一方面或多方面的指標(biāo)數(shù)據(jù)；所述性能指標(biāo)數(shù)據(jù)集包括成形速度、成形張力、空壓值、翅片峰數(shù)、波距和切刀次數(shù)中任意一種或多種指標(biāo)數(shù)據(jù)；

通過信息采集Agent獲取所述性能指標(biāo)數(shù)據(jù)集；所述信息采集Agent包括設(shè)置于待監(jiān)測翅片機(jī)上且用于采集對應(yīng)指標(biāo)數(shù)據(jù)的傳感器；

步驟S2中，所述加工狀態(tài)信息融合模型通過如下步驟生成翅片機(jī)加工狀態(tài)結(jié)果：

S201：通過信息預(yù)處理Agent對所述性能指標(biāo)數(shù)據(jù)集進(jìn)行歸一化處理；然后對歸一化處理后的性能指標(biāo)數(shù)據(jù)集進(jìn)行預(yù)處理，去除所述性能指標(biāo)數(shù)據(jù)集中的冗余數(shù)據(jù)，得到對應(yīng)的性能特征數(shù)據(jù)集；

S202：通過特征級Agent提取所述性能特征數(shù)據(jù)集中的特征信息，得到對應(yīng)的性能特征信息集；然后將所述性能特征信息集輸入經(jīng)過預(yù)先訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型中，輸出對應(yīng)的信息融合結(jié)果；

S203：通過決策級Agent將所述信息融合結(jié)果與預(yù)設(shè)的加工狀態(tài)評價(jià)信息進(jìn)行相似度匹配，將相似度最高的加工狀態(tài)評價(jià)信息對應(yīng)的加工狀態(tài)作為翅片機(jī)加工狀態(tài)結(jié)果；

步驟S201中，所述信息預(yù)處理Agent首先對所述性能指標(biāo)數(shù)據(jù)集進(jìn)行歸一化處理，使得指標(biāo)數(shù)據(jù)對應(yīng)的數(shù)據(jù)值被壓縮至[0,1]區(qū)間；然后對歸一化處理后的性能指標(biāo)數(shù)據(jù)集進(jìn)行多尺度二維小波變換，得到各個(gè)指標(biāo)數(shù)據(jù)變換后的小波系數(shù)；再對各個(gè)指標(biāo)數(shù)據(jù)的小波系數(shù)作閾值處理：當(dāng)小波系數(shù)大于設(shè)置的閾值時(shí)，保留對應(yīng)指標(biāo)數(shù)據(jù)的原值；否則，對應(yīng)指標(biāo)數(shù)據(jù)的原值置零；最后對各個(gè)指標(biāo)數(shù)據(jù)進(jìn)行小波重構(gòu)以去除冗余數(shù)據(jù)，得到對應(yīng)的性能特征數(shù)據(jù)集；

性能指標(biāo)數(shù)據(jù)集表示為式中：SI表示性能指標(biāo)數(shù)據(jù)集；SI₁至SI₆均表示性能指標(biāo)數(shù)據(jù)集中的指標(biāo)數(shù)據(jù)；

性能特征數(shù)據(jù)集表示為式中：SPI表示性能特征數(shù)據(jù)集；SPI₁至SPI₆均表示性能特征數(shù)據(jù)集中的特征數(shù)據(jù)；

步驟S202中，所述神經(jīng)網(wǎng)絡(luò)模型為具有三層神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的BP神經(jīng)網(wǎng)絡(luò)模型；

通過如下步驟訓(xùn)練所述BP神經(jīng)網(wǎng)絡(luò)模型：

獲取若干個(gè)模型訓(xùn)練數(shù)據(jù)，所述模型訓(xùn)練數(shù)據(jù)包括待監(jiān)測翅片機(jī)的指標(biāo)訓(xùn)練數(shù)據(jù)集及其對應(yīng)的狀態(tài)評價(jià)訓(xùn)練信息；

對所述指標(biāo)訓(xùn)練數(shù)據(jù)集進(jìn)行歸一化處理；然后對歸一化處理后的指標(biāo)訓(xùn)練數(shù)據(jù)集進(jìn)行預(yù)處理，去除所述指標(biāo)訓(xùn)練數(shù)據(jù)集中的冗余數(shù)據(jù)，得到對應(yīng)的特征訓(xùn)練數(shù)據(jù)集；

將所述特征訓(xùn)練數(shù)據(jù)集作為模型輸入、將對應(yīng)狀態(tài)評價(jià)訓(xùn)練信息的歸一化量化值作為模型輸出來對所述BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，直至所述BP神經(jīng)網(wǎng)絡(luò)模型達(dá)到設(shè)置的期望性能時(shí)，完成BP神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練；

性能特征信息集表示為式中：CI表示性能特征信息集；CI₁至CI₆均表示性能特征信息集中的特征信息；

信息融合結(jié)果表示為{Q,E,P}；式中：Q表示翅片機(jī)的加工質(zhì)量；E表示翅片機(jī)的運(yùn)行效能；P表示翅片機(jī)的生產(chǎn)能效；

步驟S203中，得到翅片機(jī)加工狀態(tài)結(jié)果后，所述加工狀態(tài)信息融合模型通過加工狀態(tài)監(jiān)控Agent對所述翅片機(jī)加工狀態(tài)結(jié)果進(jìn)行展示。