一种汽车内饰原料挤出加工控制方法及系统技术方案

本申请涉及塑料加工控制领域，具体而言，涉及一种汽车内饰原料挤出加工控制方法及系统，其基于多个已训练缺陷分析模型分别对表征向量序列进行缺陷识别，得到识别结果。其中，识别结果包括表征向量范围的缺陷可信系数，也即将目标原料生产日志分解为多个数据范围进行解析，取代对目标原料生产日志直接进行分析，便于在缺陷识别时将目标原料生产日志中的局部信息进行完善地分析，增加识别的准确度。由于各个已训练缺陷分析模型的识别结果所对应的表征向量范围的覆盖范围不同，完成了基于多种细分度对目标原料生产日志进行识别，加强缺陷识别的准确度。取代了传统人工和图像分析，可以精确定位出现缺陷对应的数据范围。可以精确定位出现缺陷对应的数据范围。可以精确定位出现缺陷对应的数据范围。

【技术实现步骤摘要】
一种汽车内饰原料挤出加工控制方法及系统


[0001]本申请涉及塑料加工控制领域，具体而言，涉及一种汽车内饰原料挤出加工控制方法及系统。

技术介绍

[0002]在汽车内饰的原料加工过程中，通过将各类添加剂与塑料进行混合后，经挤出机挤出、拉条、切割。其中，挤出过程如果生产设备或参数出现问题，将极大影响后续的产品品质，例如原料挤出焦化（降解过程中温度调节异常，导致过热引起降解）、熔体裂口（例如原料挤出时剪切速度过快引起）、塑化不足（原料熔体受热不足，导致未反应完全引起）等。又或者，对于特殊原料，如复合材料，受限于其温度敏感性和优良吸水性，在将原料投入时，原料的初始温度和湿度条件未满足预设要求，导致后续加工出现问题。基于挤出加工的重要性，该环节的监测控制一直受到重点关注。现有技术中，通常通过人工对产品进行检查，以判断是否出现缺陷，或者结合图像处理技术对挤出物进行图像分析，识别缺陷产品，然而，上述方式仅能在产出物环节进行判断，对于产品缺陷产生的成因无法及时分析，此外，缺陷识别的准确性也有提高的空间。

技术实现思路

[0003]第一方面，本申请实施例提供一种汽车内饰原料挤出加工控制方法，应用于生产监测设备，该生产监测设备与至少一条原料加工挤出生产线的检测装置连接，该方法包括：接收该至少一条原料加工挤出生产线的检测装置发送的生产数据，以及依据预设的数据整理策略对生产数据进行整理，得到目标原料生产日志，该目标原料生产日志中包含的生产数据为预设周期内的生产数据，该目标原料生产日志包含多个生产数据项；对该目标原料生产日志进行表征向量挖掘，得到该目标原料生产日志的表征向量序列，该表征向量序列包括该目标原料生产日志中多个生产数据项对应的数据项前后关联表征向量；基于多个已训练缺陷分析模型分别对该表征向量序列进行缺陷识别，得到各个已训练缺陷分析模型对应的识别结果；其中，该已训练缺陷分析模型的识别结果包括该表征向量序列中表征向量范围的缺陷可信系数，该表征向量范围包括一个或多个生产数据项的数据项前后关联表征向量；各个已训练缺陷分析模型的识别结果所对应的表征向量范围的覆盖范围不同；依据各个已训练缺陷分析模型的识别结果对应的表征向量范围的缺陷可信系数，确定该目标原料生产日志中的缺陷数据项范围。
[0004]可选地，在基于多个已训练缺陷分析模型分别对该表征向量序列进行缺陷识别，得到各个已训练缺陷分析模型对应的识别结果之前，该方法还包括：获取由多个生产数据项构建得到的原料生产训练日志，该原料生产训练日志中的生产数据项对应有表示缺陷信息的第一数据项注释；
基于多个设定数据项覆盖范围，依据每个设定数据项覆盖范围确定该原料生产训练日志中的多个训练数据项范围，以及依据该训练数据项范围对应的第一数据项注释为该训练数据项范围匹配表示缺陷信息的第二数据项注释；将各个设定数据项覆盖范围对应的包含第二数据项注释的原料生产训练日志作为模型调校模板，基于该模型调校模板对拟优化的缺陷分析模型进行优化，得到各个设定数据项覆盖范围对应的已训练缺陷分析模型。
[0005]可选地，依据每个设定数据项覆盖范围确定该原料生产训练日志中的多个训练数据项范围，包括：基于以该设定数据项覆盖范围为控件锁定范围的筛选控件，将原料生产训练日志中包含于该筛选控件中的所有生产数据项确定为训练数据项范围，其中，该筛选控件依据预设步幅从该原料生产训练日志的开端位置移动到末端位置；该第一数据项注释包括常态数据项注释和缺陷数据项注释；依据该训练数据项范围对应的第一数据项注释为该训练数据项范围匹配表示缺陷信息的第二数据项注释，包括：依据该筛选控件中的缺陷数据项注释数目和该控件锁定范围生成该训练数据项范围的第二数据项注释。
[0006]可选地，在该拟优化的缺陷分析模型的优化环节中，将该拟优化的缺陷分析模型针对该模型调校模板的预估结果与该模型调校模板的第二数据项注释的交叉熵确定为代价函数，基于该代价函数优化该拟优化的缺陷分析模型的参变量。
[0007]可选地，对该目标原料生产日志进行表征向量挖掘，得到该目标原料生产日志的表征向量序列，包括：对该目标原料生产日志进行生产数据项分解处理，获得依生产环节顺次排布的多个生产数据项，以及依据预设的数据对照表将该依生产环节顺次排布的多个生产数据项中的每一生产数据项变换为相应的数据项编码，得到该目标原料生产日志的数据项编码序列；对该数据项编码序列进行数据项前后关联表征向量挖掘，得到该目标原料生产日志的表征向量序列；依据该数据项编码序列中的数据项编码确定该数据项编码对应的生产缺陷信息表征向量和生产线环节表征向量；依据该数据项编码序列中的数据项编码及该数据项编码对应的生产缺陷信息表征向量和生产线环节表征向量生成拟进行提炼的表征向量；对该拟进行提炼的表征向量进行数据项前后关联表征向量挖掘，得到该目标原料生产日志的表征向量序列。
[0008]可选地，基于多个已训练缺陷分析模型分别对该表征向量序列进行缺陷识别，得到各个已训练缺陷分析模型对应的识别结果，包括：依据该已训练缺陷分析模型对应的设定数据项覆盖范围，基于移动筛选控件的步幅确定该表征向量序列中的表征向量范围；基于该已训练缺陷分析模型的滤波器获取该表征向量范围的生产缺陷表征向量；基于该已训练缺陷分析模型的归一决策模块对该生产缺陷表征向量进行缺陷识别，得到该表征向量范围的缺陷可信系数；
其中，该基于该已训练缺陷分析模型的滤波器获取该表征向量范围的生产缺陷表征向量，包括：依据该已训练缺陷分析模型的滤波器的参变量对该表征向量范围中的所有数据项前后关联表征向量进行合并，得到该表征向量范围的生产缺陷表征向量；该滤波器的参变量包括第一影响因子和第一参照因子；该依据该已训练缺陷分析模型的滤波器的参变量对该表征向量范围中的所有数据项前后关联表征向量进行合并，得到该表征向量范围的生产缺陷表征向量，包括：基于该第一影响因子对该表征向量范围中的所有数据项前后关联表征向量进行加权求和，得到影响表征向量；将该影响表征向量与该第一参照因子进行求和，得到该表征向量范围的生产缺陷表征向量。
[0009]可选地，该已训练缺陷分析模型的归一决策模块包括第二影响因子和第二参照因子；基于该已训练缺陷分析模型的归一决策模块对该生产缺陷表征向量进行缺陷识别，得到该表征向量范围的缺陷可信系数，包括：将该生产缺陷表征向量乘以该第二影响因子，得到乘积，将该乘积与该第二参照因子进行求和，得到目标表征向量；基于目标激活函数对该目标表征向量进行处理，得到该表征向量范围的缺陷可信系数。
[0010]可选地，依据各个已训练缺陷分析模型识别结果对应的表征向量范围的缺陷可信系数，确定该目标原料生产日志中的缺陷数据项范围，包括：确定各个已训练缺陷分析模型识别结果对应的表征向量范围的缺陷可信系数中的最大缺陷可信系数；将该最大缺陷可信系数对应表征向量范围对应的多个生产数据项作为该目标原料生产日志中的缺陷数据项范围。
[0011]可选地，该方法还包括：获取拟分析原料生产日志序列，该拟分析原料生产日志序列包含多个原料生产日志，每一该原料生产日志为对应生本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种汽车内饰原料挤出加工控制方法，其特征在于，应用于生产监测设备，所述生产监测设备与至少一条原料加工挤出生产线的检测装置连接，所述方法包括：接收所述至少一条原料加工挤出生产线的检测装置发送的生产数据，以及依据预设的数据整理策略对所述生产数据进行整理，得到目标原料生产日志，所述目标原料生产日志中包含的生产数据为预设周期内的生产数据，所述目标原料生产日志包含多个生产数据项；对所述目标原料生产日志进行表征向量挖掘，得到所述目标原料生产日志的表征向量序列，所述表征向量序列包括所述目标原料生产日志中多个生产数据项对应的数据项前后关联表征向量；基于多个已训练缺陷分析模型分别对所述表征向量序列进行缺陷识别，得到各个已训练缺陷分析模型对应的识别结果；其中，所述已训练缺陷分析模型的识别结果包括所述表征向量序列中表征向量范围的缺陷可信系数，所述表征向量范围包括一个或多个生产数据项的数据项前后关联表征向量；各个已训练缺陷分析模型的识别结果所对应的表征向量范围的覆盖范围不同；依据各个已训练缺陷分析模型的识别结果对应的表征向量范围的缺陷可信系数，确定所述目标原料生产日志中的缺陷数据项范围。2.如权利要求1所述的汽车内饰原料挤出加工控制方法，其特征在于，在基于多个已训练缺陷分析模型分别对所述表征向量序列进行缺陷识别，得到各个已训练缺陷分析模型对应的识别结果之前，所述方法还包括：获取由多个生产数据项构建得到的原料生产训练日志，所述原料生产训练日志中的生产数据项对应有表示缺陷信息的第一数据项注释；基于多个设定数据项覆盖范围，依据每个设定数据项覆盖范围确定所述原料生产训练日志中的多个训练数据项范围，以及依据所述训练数据项范围对应的第一数据项注释为所述训练数据项范围匹配表示缺陷信息的第二数据项注释；将各个设定数据项覆盖范围对应的包含第二数据项注释的原料生产训练日志作为模型调校模板，基于所述模型调校模板对拟优化的缺陷分析模型进行优化，得到各个设定数据项覆盖范围对应的已训练缺陷分析模型。3.如权利要求2所述的汽车内饰原料挤出加工控制方法，其特征在于，所述依据每个设定数据项覆盖范围确定所述原料生产训练日志中的多个训练数据项范围，包括：基于以所述设定数据项覆盖范围为控件锁定范围的筛选控件，将原料生产训练日志中包含于所述筛选控件中的所有生产数据项确定为训练数据项范围，其中，所述筛选控件依据预设步幅从所述原料生产训练日志的开端位置移动到末端位置；所述第一数据项注释包括常态数据项注释和缺陷数据项注释；依据所述训练数据项范围对应的第一数据项注释为所述训练数据项范围匹配表示缺陷信息的第二数据项注释，包括：依据所述筛选控件中的缺陷数据项注释数目和所述控件锁定范围生成所述训练数据项范围的第二数据项注释。4.如权利要求3所述的汽车内饰原料挤出加工控制方法，其特征在于，在所述拟优化的缺陷分析模型的优化环节中，将所述拟优化的缺陷分析模型针对所述模型调校模板的预估结果与所述模型调校模板的第二数据项注释的交叉熵确定为代价函数，基于所述代价函数
优化所述拟优化的缺陷分析模型的参变量。5.如权利要求1所述的汽车内饰原料挤出加工控制方法，其特征在于，对所述目标原料生产日志进行表征向量挖掘，得到所述目标原料生产日志的表征向量序列，包括：对所述目标原料生产日志进行生产数据项分解处理，获得依生产环节顺次排布的多个生产数据项，以及依据预设的数据对照表将所述依生产环节顺次排布的多个生产数据项中的每一生产数据项变换为相应的数据项编码，得到所述目标原料生产日志的数据项编码序列；对所述数据项编码序列进行数据项前后关联表征向量挖掘，得到所述目标原料生产日志的表征向量序列；依据所述数据项编码序列中的数据项编码确定所述数据项编码对应的生产缺陷信息表征向量和生产线环节表征向量；依据所述数据项编码序列中的数据项编码及所述数据项编码对应的生产缺陷信息表征向量和生产线环节表征向量生成拟进行提炼的表征向量；对所述拟进行提炼的表征向量进行数据项前后关联表征向量挖掘，得到所述目标原料生产日志的表征向量序列。6.如权利要求1所述的汽车内饰原料挤出加工控制方法，其特征在于，基于多个已训练缺陷分析模型分别对所述表征向量序列进行缺陷识别，得到各个已训练缺陷分析模型对应的识别结果，包括：依据所述已训练缺陷分析...

【专利技术属性】
技术研发人员：崔喜华，
申请(专利权)人：威海华福轿车内饰有限公司，
类型：发明
国别省市：