一种云平台厂区生产环境调控系统及方法技术方案

本发明专利技术公开一种云平台厂区生产环境调控系统及方法，该系统包括：数据采集单元用于采集产品的温度数据、湿度数据、压力数据以及振动数据，数据存储单元用于存储温度数据、湿度数据、压力数据以及振动数据，并将相关数据信息传输到生产过程优化单元中；产品质量历史数据储存单元用于保存生产线所生产的历史产品的质量历史数据；生产过程优化单元用于根据数据存储单元传输的数据以及产品质量历史数据建立生产质量优化模型，并采用智能优化算法对生产质量优化模型求解。本发明专利技术采用改进的天鹰优化器算法，既保证算法对全局最优个体位置的勘探能力，又增强对搜索空间的覆盖，同时减少原有随机因子对算法鲁棒性的影响，充分提高后期收敛速度与算法精度。期收敛速度与算法精度。期收敛速度与算法精度。

【技术实现步骤摘要】
一种云平台厂区生产环境调控系统及方法


[0001]本专利技术涉及生产线智能改进
，具体涉及一种云平台厂区生产环境调控系统及方法。

技术介绍

[0002]近些年来，随着企业的不断壮大和先进技术的不断引进，企业对原有的生产工艺及生产线也进行了一定的调整，但整体上仍是老的生产线设备，由于考虑资金等方面的多种因素，并没有对其进行彻底改进。使得各工作地上工人的工时与生产节拍不相一致，工作任务分配极不均衡。因为生产线不同时段的温度、湿度、压力和振动等因素对产品生产的有影响，这直接导致了虽然投入了大量的人力物力和资金，但仍然无法保证产品质量都完全符合比较高的标准。现在的大部分产业在自动化生产线上也投入了部分的人工智能技术，但在生产过程中，一些温度、湿度等细微的因素，都可能影响到产品的质量，不能以一个很好的状态呈现给用户。随着科技的不断革新、物联网大数据的普及和云平台智能系统快速发展背景下竞争的不断加剧，这样的生产线生产格局必须得到改进。

技术实现思路

[0003]专利技术目的：为了克服现有技术的不足，本专利技术提供一种云平台厂区生产环境调控系统，该系统可以解决现有技术中生产线生产效率低以及产品质量差的问题，本专利技术还提供一种云平台厂区生产环境调控方法。
[0004]技术方案：一方面，本专利技术所述的一种云平台厂区生产环境调控系统，该系统包括：数据采集单元、数据存储单元、产品质量历史数据储存单元、生产过程优化单元、环境参数控制单元以及厂区管理云平台；
[0005]所述数据采集单元用于采集产品的温度数据、湿度数据、压力数据以及振动数据，
[0006]所述数据存储单元用于存储温度数据、湿度数据、压力数据以及振动数据，并将相关数据信息传输到生产过程优化单元中；
[0007]所述产品质量历史数据储存单元用于保存生产线所生产的历史产品的质量历史数据，质量历史数据包括产品生产时的环境温度、湿度、生产压力、振动系数以及对应的产品检测质量，并对产品检测质量进行筛选和排序，对高质量的产品数据连同生产该产品时的温度、湿度、压力、振动数据信息进行提取，将所提取的数据信息进行分析并传输到生产过程优化单元中；
[0008]所述生产过程优化单元用于根据数据存储单元传输的数据以及产品质量历史数据建立生产质量优化模型，并采用智能优化算法对生产质量优化模型求解；
[0009]所述环境参数控制单元用于根据生产过程优化单元的智能优化算法优化之后的数据，对生产线的温度、湿度、压力、振动因素进行调节；
[0010]所述厂区管理云平台用于智能管理厂区的数据采集单元、数据储存单元、生产过程优化单元、环境参数控制单元，并实时监控整个厂区的生产情况。
[0011]进一步的，包括：
[0012]所述数据采集单元包括：温度传感器、湿度传感器、压力传感器以及振动传感器，通过感应摄像头实时获取产品在生产线上的位置信息，并通过温度传感器、湿度传感器、压力传感器以及振动传感器获取相对应的生产线的温度数据、湿度数据、压力数据以及振动数据，并输入至数据存储单元中。
[0013]进一步的，包括：
[0014]所述生产质量优化模型建立如下：
[0015]Q1＝k1C
h
+k2H
h
+k3P
h
+k4V
h
[0016]Q2＝k1C
n
+k2H
n
+k3P
n
+k4V
n
[0017]k1+k2+k3+k4＝1
[0018]其中，Q1表示历史优质产品质量系数，C
h
表示历史数据生产温度，H
h
表示历史数据生产湿度，P
h
表示历史数据生产压力，V
h
表示历史数据振动幅度，Q2表示当前质量系数，C
n
表示当前生产温度，H
n
表示当前生产湿度，P
n
表示当前生产压力，V
n
表示当前振动幅度，k1，k2，k3以及k4表示权重系数。
[0019]进一步的，包括：
[0020]所述智能优化算法为改进的天鹰优化算法，其首先根据生产质量优化模型构建目标函数，表示为：
[0021][0022]其中，f表示最优生产系数，N表示总生产数。
[0023]进一步的，包括：
[0024]所述改进的天鹰优化算法步骤如下所示：
[0025]S1随机初始化种群位置，种群位置矩阵如下所示：
[0026][0027]X
ij
＝rand
×
(UB
j
‑
LB
j
)+LB
j
,i＝1,2,
…
,N j＝1,2,
…
,Dim，
[0028]其中：UB表示上界Upper Bound和LB表示下界Lower Bound，它们是约束条件的一种形式，用于限制优化变量的取值范围；N表示产品生产总数，Dim表示搜索空间的维度；
[0029]S2建立扩大搜索阶段数学模型，数学模型如下所示：
[0030][0031][0032]其中，X(t)和X(t+1)分别表示AO算法在第t次和第t+1次迭代中的产品生产系数，X
best
(t)表示目前最佳产品生产系数，X
M
(t)表示种群平均位置，T表示最大迭代次数；rand表
示随机变量，t表示当前迭代次数；
[0033]S3建立缩小搜索阶段数据模型，模型公式如下所示：
[0034]X2(t+1)＝X
best
(t)
×
Levy(D)+X
R
(t)+(y
‑
x)*rand
[0035][0036][0037]其中，Levy(D)表示莱维飞行策略，s是值为0.01的常数，u和v是范围在[0,1]之间的随机数；β表示步长尺度参数，Γ()表示伽玛函数；
[0038]S4确定x和y的飞行形状，x和y的飞行形状公式如下所示：
[0039]y＝r
×
cos(θ)
[0040]x＝r
×
sin(θ)
[0041]r＝r1+U
×
D1[0042]θ＝
‑
ω
×
D1+θ1[0043][0044]其中，r是搜索步长，取值范围为[1,20]之间的常数，U取0.00565；ω取0.005；
[0045]S5建立扩大开发阶段数学模型，数学模型如下所示：
[0046]X3(t+1)＝(X
best
(t)
‑
X
M
(t))
×
a
‑
rand+((UB
‑
LB)
×
rand+LB)
×<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种云平台厂区生产环境调控系统，其特征在于，该系统包括：数据采集单元、数据存储单元、产品质量历史数据储存单元、生产过程优化单元、环境参数控制单元以及厂区管理云平台；所述数据采集单元用于采集产品的温度数据、湿度数据、压力数据以及振动数据，所述数据存储单元用于存储温度数据、湿度数据、压力数据以及振动数据，并将相关数据信息传输到生产过程优化单元中；所述产品质量历史数据储存单元用于保存生产线所生产的历史产品的质量历史数据，质量历史数据包括产品生产时的环境温度、湿度、生产压力、振动系数以及对应的产品检测质量，并对产品检测质量进行筛选和排序，对高质量的产品数据连同生产该产品时的温度、湿度、压力、振动数据信息进行提取，将所提取的数据信息进行分析并传输到生产过程优化单元中；所述生产过程优化单元用于根据数据存储单元传输的数据以及产品质量历史数据建立生产质量优化模型，并采用智能优化算法对生产质量优化模型求解；所述环境参数控制单元用于根据生产过程优化单元的智能优化算法优化之后的数据，对生产线的温度、湿度、压力、振动因素进行调节；所述厂区管理云平台用于智能管理厂区的数据采集单元、数据储存单元、生产过程优化单元、环境参数控制单元，并实时监控整个厂区的生产情况。2.根据权利要求1所述的系统，其特征在于，所述数据采集单元包括：温度传感器、湿度传感器、压力传感器以及振动传感器，通过感应摄像头实时获取产品在生产线上的位置信息，并通过温度传感器、湿度传感器、压力传感器以及振动传感器获取相对应的生产线的温度数据、湿度数据、压力数据以及振动数据，并输入至数据存储单元中。3.根据权利要求2所述的系统，其特征在于，所述生产质量优化模型建立如下：Q1＝k1C
h
+k2H
h
+k3P
h
+k4V
h
Q2＝k1C
n
+k2H
n
+k3P
n
+k4V
n
k1+k2+k3+k4＝1其中，Q1表示历史优质产品质量系数，C
h
表示历史数据生产温度，H
h
表示历史数据生产湿度，P
h
表示历史数据生产压力，V
h
表示历史数据振动幅度，Q2表示当前质量系数，C
n
表示当前生产温度，H
n
表示当前生产湿度，P
n
表示当前生产压力，V
n
表示当前振动幅度，k1，k2，k3以及k4表示权重系数。4.根据权利要求3所述的系统，其特征在于，所述智能优化算法为改进的天鹰优化算法，其首先根据生产质量优化模型构建目标函数，表示为：其中，f表示最优生产系数，N表示总生产数。5.根据权利要求4所述的系统，其特征在于，所述改进的天鹰优化算法步骤如下所示：S1随机初始化种群位置，种群位置矩阵如下所示：
X
ij
＝rand
×
(UB
j
‑
LB
j
)+LB
j
,i＝1,2,
…
,N j＝1,2,
…
,Dim，其中：UB表示上界Upper Bound和LB表示下界Lower Bound，它们是约束条件的一种形式，用于限制优化变量的取值范围；N表示产品生产总数，Dim表示搜索空间的维度；S2建立扩大搜索阶段数学模型，数学模型如下所示：S2建立扩大搜索阶段数学模型，数学模型如下所示：其中，X(t)和X(t+1)分别表示在第t次和第t+1次迭代中的产品生产系数，X
best
(t)表示目前最佳产品生产系数，X
M
(t)表示种群平均位置，T表示最大迭代次数，rand表示随机变量，t表示当前迭代次数；S3建立缩小搜索阶段数据模型，模型公式如下所示：X2(t+1)＝X
best
(t)
×
Levy(D)+X
R
(t)+(y
‑
x)*randx)*rand其中，Levy(D)表示莱维飞行策略，s是值为0.01的常数，u和v是范围在[0,1]之间的随机数，β表示步长尺度参数，Γ()表示伽玛函数；S4确定x和y的飞行形状，x和y的飞行形状公式如下所示：y＝r
×
cos(θ)x＝r
×
sin(θ)r＝r1+U
×
D1θ＝
‑
ω
×
D1+θ1其中，r是搜索步长，取值范围为[1,20]之间的常数，U取0.00565；ω取0.005；S5建立扩大开发阶段数学模型，数学模型如下所示：X3(t+1)＝(X
best
(t)
‑
X
M
(t))
×
a
‑
rand+((UB
‑
LB)
×
rand+LB)
×
δ其中，a和δ表示开发的调整参数，且取值都为0.1；
S6建立缩小开发阶段数学模型，数学模型如下所示：X4(t+1)＝QF
×
X
best
(t)
‑
(G1×
X(t)
×
rand)
‑
G2×
Levy(D)+rand
×
G1G1＝2
×
rand
‑
1其中，QF(t)表示用于平衡搜索策略的质量函数值；G1表示在追踪猎物过程中AO的各种运动；G2表示线性递减的飞行斜率值，取值范围在[0,2]之间；S7为了既保证算法对全局最优产品生产系数的勘探能力，又增强对搜索空间的覆盖，对算法的扩大开发阶段进行改进，改进公式如下所示：X3(t+1)＝X
best
(t)+r2×
(X
r
(t)
‑
X
i
(t))+μ
×
(X
best
(t)
‑
X
i
(t))(t))其中，r2和r3介于[0,1]之间，X
r
(t)为当前迭代种群中随机某个产品的生产系数；μ为螺旋系数；S8为了减少原有随机因子对算法鲁棒性的影响，充分提高后期收敛速度与算法精度，对算法的缩小开发阶段进行改进，改进公式如下所示：X4(t+1)＝QF
×
X
best
(t)+r4×
Num
×
X
i
(t)其中，r4介于[0,1]之间，F
r
(t)为随机某个产品X
r
(t)的适应度值，F
i
(t)为...

【专利技术属性】
技术研发人员：郭仁威，秦浩然，周孟雄，潘子健，纪润东，纪捷，沈子傲，张姜鹏，陈帅，林张楠，温文潮，孙娜，黄慧，
申请(专利权)人：淮阴工学院，
类型：发明
国别省市：