一种基于图像化的投料机预测维护方法及系统技术方案

本发明专利技术提供一种基于图像化的投料机预测维护方法及系统，方法包括：采集玻璃制作信息并进行图像化处理；对投料机使用情况进行采集显示；实时对投料机控制方案进行调整优化；对投料机运行情况进行实时采集并分析判断；对投料机进行工艺调整或进行预测故障处理。本发明专利技术解决了巡检维护效率低下、控制维护方式单一、以及适用性较差的技术问题。以及适用性较差的技术问题。以及适用性较差的技术问题。

【技术实现步骤摘要】
一种基于图像化的投料机预测维护方法及系统


[0001]本专利技术涉及涉及建材行业玻璃生产设备领域，具体涉及一种基于图像化的投料机预测维护方法及系统。

技术介绍

[0002]我国现阶段玻璃生产线大部分都已经达到了自动化生产线。但其智能化水平还是比较低。为了适应我国玻璃产业两化融合的发展，提高玻璃生产线的信息化、智能化水平。玻璃生产线就需要装备的智能化改造、生产过程信息化集成、生产数据云系统管理。投料机作为玻璃生产线的至关重要的前端设备，其投料的性能直接影响配合料的熔化速率、熔化区的温度波动及液面稳定性。最终影响产量和成品质量。
[0003]但其现阶段应用生产的投料机智能化水平比较低，投料机生产数据控制、采集多种多样、信息格式比较紊乱。无法组成统一的信息流。例如公布号为CN2621180U的现有技术专利申请文献《大型斜毯式投料机》由至少一组带有闸门的料仓及投料铲的装置组成，该装置还包括：固定有料仓的料仓支架，其底部安有车轮；平行设于料仓的料仓闸门调节机构；投料铲倾斜设于料仓底部，其底部设有托轮，投料铲后部分别与摆杆及曲柄连杆机构铰接；曲柄连杆机构与驱动系统相接；料仓设有料仓密封系统。该类现有技术在工艺方面：投料机现阶段只能通过玻璃液面升降控制投料机的速度，投料料堆的情况、泡界线的位置，液面熔化情况都不在控制范围之内，只能通过后端成型后的玻璃质量反复调节投料机的投料方式，严重影响产品成品率及产品质量。
[0004]设备智能化方面：传统投料机的运状况只能通过工人巡检的方式发现问题，不能通过图形图像的显示，投料机内部结构出现问题，不能够及时发现，必须事故发生后，才能够发现问题。这样对生产影响很大。不利于玻璃生产线的全面转型和升级。公布号为CN107367311A的现有专利技术申请文献《一种基于机器视觉的玻璃熔窑液面高度测量及控制方法》数字摄像机通过窥视孔采集熔窑内的图像，然后通过usb接口将图像传给arm工控板，在arm工控板中对图像进行处理和求取液面高度，并将液面高度和图像显示到触摸屏上，然后根据指定的液面高度和实时液面高度计算偏差e和偏差变化ec，并运用模糊PID算法求出合适的投料速度，最后由arm工控板通过D/A转换器发送速度控制信号给数字投料机，改变投料速度，以控制玻璃液面高度。该现有技术通过数字摄像机，对图像特征进行处理以得到PID控制参数，并采用可视化控制界面显示液面高度，以挑战投料机的投料速度，可知该现有技术仅用于投料速度的控制，无法对投料操作中的堆料分布、泡界线位置等参数进行控制，同时该现有技术偏重于单台投料机的控制，未披露对投料机组的数据匹配及控制方案，导致该现有技术不适用于投料机的维护以及多机组同时控制的应用场景。
[0005]综上，现有技术存在巡检维护效率低下、控制维护方式单一、以及适用性较差的技术问题。

技术实现思路

[0006]本专利技术所要解决的技术问题在于如何解决本专利技术的巡检维护效率低下、控制维护方式单一、以及适用性较差的技术问题。
[0007]本专利技术是采用以下技术方案解决上述技术问题的：一种基于图像化的投料机预测维护方法包括：
[0008]S1、实时采集玻璃堆料以及玻璃泡界线图像，以预置数据图形转换控制器识别所述玻璃堆料以及所述玻璃泡界线图像，以得到玻璃图像识别结果，据以结合以及预置页面状态计算逻辑计算玻璃液面状态，以得到并利用预置图形拼接器处理玻璃堆料数据、玻璃泡界线数据以及玻璃液面状态数据，图像转换并显示所述玻璃堆料数据、所述玻璃泡界线数据以及所述玻璃液面状态数据；
[0009]S2、采集投料机参数，其中，所述投料机参数包括：转速、投入熔化窑炉的配合料投料量、投料机振动、噪声和温度数据，设备智能管理服务器接收采集到的各组投料机数据，以图形工作站按预设编号接收各组投料机的所述投料机参数，据以构建各组所述投料机的投料机三维模型，并依据所述预设编号标记各组所述投料机三维模型，将所述投料机参数匹配至对应的所述投料机三维模型并显示；
[0010]S3、构建并训练优化神经网络，以所述优化神经网络针对所述玻璃堆料、所述玻璃泡界线以及所述玻璃液面状态，进行输入、卷积、池化以及全连接处理，以得到并分析输出处理结果，据以利用投料机控制单元调整投料机的投料状态；
[0011]S4、以优化神经网络接收各组模拟数据，将所述各组模拟数据分为测试集以及训练集，利用所述测试集验证所述优化神经网络的精度，预测处理所述测试集，以得到适用期望预测值，以作为最优参数输出，据以学习训练所述训练集，以生成训练样本并利用所述优化神经网络，采用长期迭代法优化所述优化神经网络，以得到并评估适用优化神经网络的准确率、检出率及误报率；
[0012]S5、设备智能管理服务器接收各组投料机的振动、噪声以及温度数据，对各组投料机时域、频域以及时频域特征进行提取并分析投料机运行情况并进行分段检测，据以生成时域振动信号变化趋势图以及单调性图，以定位异常投料机，其中，步骤S5包括：
[0013]S51、利用设备智能管理服务器接收投料机参数，根据预置的时域分析逻辑及频域分析逻辑，获取各组投料机的时域、频域以及时频域特征，据以分析投料机运行状态，以得到投料机分析结果；
[0014]S52、根据投料机分析结果，并通过预置投料机工业机理以及数据驱动对各组投料机的状态进行分段检测，利用深度玻尔兹曼机函数计算各组投料机状态，以得到投料机状态计算结果，据以生成时域振动信号变化趋势图以及单调性图，其中，各组投料机状态包括：权值、状态向量概率分布、归一化因子、隐藏数据集；
[0015]S53、根据时域振动信号变化趋势图以及单调性图定位并显示运行异常投料机供维修。
[0016]本专利技术通过进行AI和工业机理融合算法对各投料机状态进行计算，再对存在运行异常的投料机进行定位，同时将其通过可视化超大屏幕进行显示，并提示相关维护人员进行维修，提示根据出现的质量问题集中程度判断投料机使用寿命，之后将其反馈给各工作人员，能够确保了投料机的稳定运行，帮助技术人员了解设备历史、实时的状态和状态对应
的生产任务信息和人员信息，减少故障停机时间，有效的保障生产持续稳定运行，减少了成本，避免了远距离传输造成的干扰问题，降低了生产事故的发生率，实现了事故的事后解决到事前提前预防。
[0017]在更具体的技术方案中，步骤S1包括：
[0018]S12利用高温摄像头实时采集玻璃制作过程中的所述玻璃堆料以及所述玻璃泡界线图像，并将所述玻璃堆料以及所述玻璃泡界线图像发送至视频管理服务器中；
[0019]S12、利用所述视频管理服务器中的数据图形转换控制器识别所述玻璃堆料以及所述玻璃泡界线图像，以得到识别结果，据以利用计算公式处理得到玻璃液面状态控制数据，以控制液面升降、料堆的分布、泡界线位置；
[0020]S13、利用图形拼接控制器接收所述玻璃堆料、所述玻璃泡界线图像以及所述玻璃液面状态控制数据，并通过图像处理模块和网络传输模块调用预置程序，以转换并显示所述玻璃堆料、所述玻璃泡界线图像以及所本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图像化的投料机预测维护方法，其特征在于，所述方法包括：S1、实时采集玻璃堆料以及玻璃泡界线图像，以预置数据图形转换控制器识别所述玻璃堆料以及所述玻璃泡界线图像，以得到玻璃图像识别结果，据以结合以及预置页面状态计算逻辑计算玻璃液面状态，以得到并利用预置图形拼接器处理玻璃堆料数据、玻璃泡界线数据以及玻璃液面状态数据，图像转换并显示所述玻璃堆料数据、所述玻璃泡界线数据以及所述玻璃液面状态数据；S2、采集投料机参数，其中，所述投料机参数包括：转速、投入熔化窑炉的配合料投料量、投料机振动、噪声和温度数据，设备智能管理服务器接收采集到的各组投料机数据，以图形工作站按预设编号接收各组投料机的所述投料机参数，据以构建各组所述投料机的投料机三维模型，并依据所述预设编号标记各组所述投料机三维模型，将所述投料机参数匹配至对应的所述投料机三维模型并显示；S3、构建并训练优化神经网络，以所述优化神经网络针对所述玻璃堆料、所述玻璃泡界线以及所述玻璃液面状态，进行输入、卷积、池化以及全连接处理，以得到并分析输出处理结果，据以利用投料机控制单元调整投料机的投料状态；S4、以优化神经网络接收各组模拟数据，将所述各组模拟数据分为测试集以及训练集，利用所述测试集验证所述优化神经网络的精度，预测处理所述测试集，以得到适用期望预测值，以作为最优参数输出，据以学习训练所述训练集，以生成训练样本并利用所述优化神经网络，采用长期迭代法优化所述优化神经网络，以得到并评估适用优化神经网络的准确率、检出率及误报率；S5、设备智能管理服务器接收各组投料机的振动、噪声以及温度数据，对各组投料机时域、频域以及时频域特征进行提取并分析投料机运行情况并进行分段检测，据以生成时域振动信号变化趋势图以及单调性图，以定位异常投料机，其中，所述步骤S5包括：S51、利用设备智能管理服务器接收所述投料机参数，根据预置的时域分析逻辑及频域分析逻辑，获取各组所述投料机的时域、频域以及时频域特征，据以分析所述投料机运行状态，以得到投料机分析结果；S52、根据所述投料机分析结果，并通过预置投料机工业机理以及数据驱动对各所述组投料机的状态进行分段检测，利用深度玻尔兹曼机函数计算所述各组投料机状态，以得到投料机状态计算结果，据以生成时域振动信号变化趋势图以及单调性图，其中，所述各组投料机状态包括：权值、状态向量概率分布、归一化因子、隐藏数据集；S53、根据所述时域振动信号变化趋势图以及所述单调性图定位并显示运行异常投料机供维修。2.根据权利要求1所述的一种基于图像化的投料机预测维护方法，其特征在于，所述步骤S1包括：S12利用高温摄像头实时采集玻璃制作过程中的所述玻璃堆料以及所述玻璃泡界线图像，并将所述玻璃堆料以及所述玻璃泡界线图像发送至视频管理服务器中；S12、利用所述视频管理服务器中的数据图形转换控制器识别所述玻璃堆料以及所述玻璃泡界线图像，以得到识别结果，据以利用计算公式处理得到玻璃液面状态控制数据，以控制液面升降、料堆的分布、泡界线位置；S13、利用图形拼接控制器接收所述玻璃堆料、所述玻璃泡界线图像以及所述玻璃液面
状态控制数据，并通过图像处理模块和网络传输模块调用预置程序，以转换并显示所述玻璃堆料、所述玻璃泡界线图像以及所述玻璃液面状态控制数据。3.根据权利要求1所述的一种基于图像化的投料机预测维护方法，其特征在于，所述步骤S2包括：S21、在所述投料机工作时，利用转速编码器实时采集所述投料机转速，利用称重传感器动态测量配合料投料量，并将所述配合料投料量实时传送给投料机控制单元；S22、利用投料机机身条码以及射频感知执行单元实时采集投料机振动、噪声及温度数据，数据库服务器接收所述投料机振动、噪声及温度数据，并编号处理各组投料机；S23、利用图形工作站接收各组投料机参数信息，据以构建各组投料机的所述投料机三维模型，并依据所述编号信息标记所述投料机三维模型。4.根据权利要求3所述的一种基于图像化的投料机预测维护方法，其特征在于，所述步骤S21中，将所述配合料投料量与后端玻璃拉引量向匹配，保持熔窑玻璃液的稳定。5.根据权利要求1所述的一种基于图像化的投料机预测维护方法，其特征在于，所述步骤S23中，将所述各组投料机的所述投料机参数匹配至对应的所述投料机三维模型，以通过预置屏幕显示所述所述各组投料机参数信息。6.根据权利要求1所述的一种基于图像化的投料机预测维护方法，其特征在于，所述步骤S3包括：S31、构建优化神经网络，并对其进行训练优化，利用所述优化神经网络实时接收所述玻璃堆料、所述玻璃泡界线以及所述玻璃液面状态，并对所述玻璃堆料、所述玻璃泡界线以及所述玻璃液面状态进行归一化以及特征降维处理，以得到降维特征；S32、利用优化神经网络对所述降维特征通过输入、卷积、池化以及全连接处理，以输出网络处理结果，分析所述网络处理结果。7.根据权利要求1所述的一种基于图像化的投料机预测维护方法，其特征在于，所述步骤S32包括：S321、在所述玻璃料堆发生偏移时，利用投料机控制单元调整所述投料机的投料状态；S322、发出降低所述玻璃料堆较多的位置的投料速度的提示信息；S323、在所述玻璃料堆变多，或者玻璃泡界线超过预置距离阈值时，利用所述投料机控制单元调小投料机投料闸板并降低投料速度。8.根据权利要求1所述的一种基于图像化的投料机预测维护方法，其特征在于，所述步骤S4包括：S41、利用所述优化神经网络接收并分类预置各组模拟数据，以得到测试集以及训练集；S42、通过所述测试集验证所述优化神经网络的精度，并预测所述测试集中每组数据，据以收集满足预置期望值的预测值，从所述预测值中选取最优参数；S43、依据所述最优参数，训练所述训练集以生成训练样本，...

【专利技术属性】
技术研发人员：宋方轲，郑纤秀，卢佩庆，司文凯，年思潜，杨华龙，巩恒亮，崔国豪，施明，薛达，
申请(专利权)人：蚌埠凯盛工程技术有限公司，
类型：发明
国别省市：