一种智能制造与控制工程实训信息处理系统及方法技术方案

本发明专利技术属于智能制造与控制工程实训技术领域，公开了一种智能制造与控制工程实训信息处理系统及方法，所述智能制造与控制工程实训信息处理包括：制造参数配置模块、视频监控模块、中央控制模块、运输模块、零件加工模块、模型构建模块、模拟模块、质量分析模块、显示模块。本发明专利技术通过模型构建模块可依据工业电子嵌入式系统的行为逻辑模型直接生成仿真用制造加工设备模型，非常简便和高效；同时，通过质量分析模块对产品生产过程中所产生的数据进行关联分析，为制造企业提供精准的质量异常数据追溯分析方法，本发明专利技术提供的方法能够基于制造业产品质量大数据实现较精确的质量异常分析。

An Information Processing System and Method for Intelligent Manufacturing and Control Engineering Training

【技术实现步骤摘要】
一种智能制造与控制工程实训信息处理系统及方法
本专利技术属于智能制造与控制工程实训
，尤其涉及一种智能制造与控制工程实训信息处理系统及方法。
技术介绍
目前，最接近的现有技术：智能制造(IntelligentManufacturing，IM)是一种由智能机器和人类专家共同组成的人机一体化智能系统，它在制造过程中能进行智能活动，诸如分析、推理、判断、构思和决策等。通过人与智能机器的合作共事，去扩大、延伸和部分地取代人类专家在制造过程中的脑力劳动。它把制造自动化的概念更新，扩展到柔性化、智能化和高度集成化。从智能制造系统的本质特征出发，在分布式制造网络环境中，根据分布式集成的基本思想，应用分布式人工智能中多Agent系统的理论与方法，实现制造单元的柔性智能化与基于网络的制造系统柔性智能化集成。根据分布系统的同构特征，在智能制造系统的一种局域实现形式基础上，实际也反映了基于Internet的全球制造网络环境下智能制造系统的实现模式。然而，现有智能制造与控制工程实训装置进行制造加工设备模型的设计效率低；同时，不能对制造产品质量进行分析，影响对制造的监控。综上所述，现有技术存在的问题是：现有智能制造与控制工程实训装置进行制造加工设备模型的设计效率低；同时，不能对制造产品质量进行分析，影响对制造的监控。
技术实现思路
针对现有技术存在的问题，本专利技术提供了一种智能制造与控制工程实训信息处理系统及方法。本专利技术是这样实现的，一种智能制造与控制工程实训信息处理方法，所述智能制造与控制工程实训信息处理方法包括以下步骤：第一步，通过制造参数配置模块利用配置按键配置智能制造与控制工程实训装置制造参数；通过视频监控模块利用摄像器监控智能制造过程；所述视频监控模块图像的特征提取具体包括：(1)制造过程图像信号的采集、上传及分辨率调整：采集制造过程图像信号并将其实时所采集的制造过程图像信号通过制造过程图像信号传输装置上传，调用分辨率差值调整模块将其所接收到的制造过程图像信号的分辨率调整为一定值，得到制造过程图像f0(x，y)；(2)制造过程图像特征提取：通过对所得到的制造过程图像f0(x，y)进行分析处理，得出制造过程图像的特征P，其分析处理过程如下：二维小波变换：调用二维小波变换模块对制造过程图像f0(x，y)进行二维小波变换，得到：其中，为f0(x，y)变换后的低频分量，为f0(x，y)变换后的水平高频分量，为f0(x，y)变换后的垂直高频分量，为f0(x，y)变换后的对角线高频分量，为尺度函数，为相应的小波；x和m均为制造过程图像的横向坐标，y和n均为制造过程图像的纵向坐标；调用对数变换模块，将经二维小波变换后的低频分量变换到对数空间，得到：调用卷积计算模块，并使用k种不同的高斯滤波系数Fk(x，y)与对数空间中的低频小波系数I(x，y)进行卷积计算，得到：其中，k为高斯滤波系数的种类数；调用加权平均计算模块，对卷积计算所得结果gk(x，y)与对数空间中的低频小波系数I(x，y)的偏差进行加权平均计算，得到：其中，N为不小于3的自然数；调用均值方差归一化处理模块，对调用加权平均计算模块中所得到的加权平均结果R(x，y)进行灰度值线性拉伸，得到：R′(x，y)＝G×R(x，y)+offset，其中，R′(x，y)为制造过程图像小波系数的变换输出值，R″(x，y)为均值方差归一化后用来显示的灰度值，G为增益系数，offset为R′(x，y)的偏移量，rmin为修正后制造过程图像小波系数中的最小值，rmax为修正后制造过程图像小波系数中的最大值；调用二维小波反变换模块，将所得到的小波域中的三种高频分量和与调用均值方差归一化处理模块中所得到的用来显示的灰度值R″(x，y)作二维小波反变换，得到分辨率为M×H的制造过程图像f1(x，y)，其中M和H均为自然数；对L个制造过程图像信号进行采集、处理，调用定点独立分量分析模块，对L个经过所得到的制造过程图像信号进行特征提取，得出L个制造过程图像的特征P，其中，L为自然数；(3)处理结果同步输出：(2)中进行制造过程图像特征提取过程中，对第二步中的制造过程图像信号处理过程及制造过程图像特征提取结果进行同步显示；调用定点独立分量分析模块，对所得到的制造过程图像信号进行特征提取的步骤如下：将L个经过处理后的制造过程图像分别按行展开后再进行组合，形成一个L行、M×N列的矩阵X＝(x1，x2，x3，Λ，xL)T；对矩阵X进行均值化，使得E(X)＝0；对矩阵X进行白化处理，使得E(XTX)＝I；初始化独立分量的个数，使得n＝1，其中，n为独立分量的个数；初始化wn，随机选取wn＝wn/||wn||；根据公式wn＝E{Xg(wnTX)}-E{g′(wnTX)}wn，求取wn；根据公式迭代出wn+1；根据公式和wn+1＝wn+1/||wn+1||，迭代出wn+1；判断得到的wn+1是否收敛，如果wn+1不收敛，返回求取wn；取n＝n+1，在n＜M的情况下，逐一提取出所有的独立分量；将各个独立分量构成矩阵S＝(s1，s2，Λ，sP)T，根据公式P＝FS-1计算出L个制造过程图像的特征P；第二步，中央控制模块通过运输模块利用传送带运输制造零件；通过零件加工模块利用加工机床对零件进行加工；通过模型构建模块构建制作加工设备模型；通过模拟模块根据设备模型对制造加工进行模拟；第三步，通过质量分析模块对制造产品质量进行分析；第四步，通过显示模块利用显示器显示制造监控视频及制造产品质量分析结果。进一步，所述智能制造与控制工程实训信息处理方法的构建制作加工设备模型方法如下：(1)通过模型构建程序依据仿真场景以及工业电子嵌入式系统的行为逻辑模型中的顺序图确定该仿真场景下各制造加工设备的制造加工设备框架模型；(2)依据工业电子嵌入式系统的行为逻辑模型中的顺序图确定该仿真场景中各个信号的信号名称、信号类型以及信号的输入输出制造加工设备，并依据所述信号类型和信号的输入输出方向确定信号的输入输出制造加工设备的端口类型，从而形成各制造加工设备的通信级模型；(3)依据工业电子嵌入式系统的行为逻辑模型中的顺序图中的逻辑关系确定该仿真场景中所包含的逻辑，并依据所述逻辑确定逻辑行为发生的制造加工设备，最后依据逻辑及制造加工设备的信息确定逻辑行为的前导信号及产生的结果信号，从而形成各制造加工设备的逻辑行为模型；(4)基于制造加工设备框架模型、通信级模型和逻辑行为模型而集合成仿真用制造加工设备模型；其中，顺序图通过建立每个应用场景所涉及的各制造加工设备之间的信号时序和逻辑关系而形成。进一步，建立每个应用场景所涉及的各制造加工设备之间的信号时序和逻辑关系包括：确定顺序图的驱动事件，所述驱动事件直接从活动图中继承过来，或者根据要求对从所述活动图中继承过来的所述驱动事件进行更改并反馈至所述活动图，所述活动图通过建立各个应用场景之间的逻辑关系而形成；添加各制造加工设备之间传递的信号以及信号在该应用场景中的响应值；添加信号之间的延时以及制造加工设备的输入信号和输出信号之间的逻辑关系。进一步，所述智能制造与控制工程实训信息处理方法的对制造产品质量进行分析方法如下：1)特征抽取：利用已有的制造业产品多源异构质量数据集，从原始的数据属性集中抽取构造出符本文档来自技高网...

【技术保护点】
1.一种智能制造与控制工程实训信息处理方法，其特征在于，所述智能制造与控制工程实训信息处理方法包括以下步骤：第一步，通过制造参数配置模块利用配置按键配置智能制造与控制工程实训装置制造参数；通过视频监控模块利用摄像器监控智能制造过程；所述视频监控模块图像的特征提取具体包括：(1)制造过程图像信号的采集、上传及分辨率调整：采集制造过程图像信号并将其实时所采集的制造过程图像信号通过制造过程图像信号传输装置上传，调用分辨率差值调整模块将其所接收到的制造过程图像信号的分辨率调整为一定值，得到制造过程图像f0(x，y)；(2)制造过程图像特征提取：通过对所得到的制造过程图像f0(x，y)进行分析处理，得出制造过程图像的特征P，其分析处理过程如下：二维小波变换：调用二维小波变换模块对制造过程图像f0(x，y)进行二维小波变换，得到：

【技术特征摘要】
1.一种智能制造与控制工程实训信息处理方法，其特征在于，所述智能制造与控制工程实训信息处理方法包括以下步骤：第一步，通过制造参数配置模块利用配置按键配置智能制造与控制工程实训装置制造参数；通过视频监控模块利用摄像器监控智能制造过程；所述视频监控模块图像的特征提取具体包括：(1)制造过程图像信号的采集、上传及分辨率调整：采集制造过程图像信号并将其实时所采集的制造过程图像信号通过制造过程图像信号传输装置上传，调用分辨率差值调整模块将其所接收到的制造过程图像信号的分辨率调整为一定值，得到制造过程图像f0(x，y)；(2)制造过程图像特征提取：通过对所得到的制造过程图像f0(x，y)进行分析处理，得出制造过程图像的特征P，其分析处理过程如下：二维小波变换：调用二维小波变换模块对制造过程图像f0(x，y)进行二维小波变换，得到：其中，为f0(x，y)变换后的低频分量，为f0(x，y)变换后的水平高频分量，为f0(x，y)变换后的垂直高频分量，为f0(x，y)变换后的对角线高频分量，为尺度函数，为相应的小波；x和m均为制造过程图像的横向坐标，y和n均为制造过程图像的纵向坐标；调用对数变换模块，将经二维小波变换后的低频分量变换到对数空间，得到：I(x，y)＝logf00(m，n)；调用卷积计算模块，并使用k种不同的高斯滤波系数Fk(x，y)与对数空间中的低频小波系数I(x，y)进行卷积计算，得到：其中，k为高斯滤波系数的种类数；调用加权平均计算模块，对卷积计算所得结果gk(x，y)与对数空间中的低频小波系数I(x，y)的偏差进行加权平均计算，得到：其中，N为不小于3的自然数；调用均值方差归一化处理模块，对调用加权平均计算模块中所得到的加权平均结果R(x，y)进行灰度值线性拉伸，得到：R′(x，y)＝G×R(x，y)+offset，其中，R′(x，y)为制造过程图像小波系数的变换输出值，R″(x，y)为均值方差归一化后用来显示的灰度值，G为增益系数，offset为R′(x，y)的偏移量，rmin为修正后制造过程图像小波系数中的最小值，rmax为修正后制造过程图像小波系数中的最大值；调用二维小波反变换模块，将所得到的小波域中的三种高频分量和与调用均值方差归一化处理模块中所得到的用来显示的灰度值R″(x，y)作二维小波反变换，得到分辨率为M×H的制造过程图像f1(x，y)，其中M和H均为自然数；对L个制造过程图像信号进行采集、处理，调用定点独立分量分析模块，对L个经过所得到的制造过程图像信号进行特征提取，得出L个制造过程图像的特征P，其中，L为自然数；(3)处理结果同步输出：(2)中进行制造过程图像特征提取过程中，对第二步中的制造过程图像信号处理过程及制造过程图像特征提取结果进行同步显示；调用定点独立分量分析模块，对所得到的制造过程图像信号进行特征提取的步骤如下：将L个经过处理后的制造过程图像分别按行展开后再进行组合，形成一个L行、M×N列的矩阵X＝(x1，x2，x3，Λ，xL)T；对矩阵X进行均值化，使得E(X)＝0；对矩阵X进行白化处理，使得E(XTX)＝I；初始化独立分量的个数，使得n＝1，其中，n为独立分量的个数；初始化wn，随机选取wn＝wn/||wn||；根据公式wn＝E{Xg(wnTX)}-E{g′(wnTX)}wn，求取wn；根据公式迭代出wn+1；根据公式和wn+1＝wn+1/||wn+1||，迭代出wn+1；判断得到的wn+1是否收敛，如果wn+1不收敛，返回求取wn；取n＝n+1，在n＜M的情况下，逐一提取出所有的独立分量；将各个独立分量构成矩阵S＝(s1，s2，Λ，sP)T，根据公式P＝FS-1计算出L个制造过程图像的特征P；第二步，中央控制模块通过运输模块利用传送带运输制造零件；通过零件加工模块利用加工机床对零件进行加工；通过模型构建模块构建制作加工设备模型；通过模拟模块根据设备模型对制造加工进行模拟；第三步，通过质量分析模块对制造产品质量进行分析；第四步，通过显示模块利用显示器显示制造监控视频及制造产品质量分析结果。2.如权利要求1所述的智能制造与控制工程实训信息处理方法，其特征在于，所述智能制造与控制工程实训信息处理方法的构建制作加工设备模型方法如下：(1)通过模型构建程序依据仿真场景以及工业电子嵌入式系统的行为逻辑模型中的顺序图确定该仿真场景下各制造加工设备的制造加工设备框架模型；(2)依据工业电子嵌入式系统...

【专利技术属性】
技术研发人员：胡志超，张云鹏，苏燕云，林恩基，曾佳鉴，曾秦，
申请(专利权)人：闽南理工学院，
类型：发明
国别省市：福建,35