基于人工智能的设备自动化控制方法及装置制造方法及图纸

本发明专利技术公开了基于人工智能的设备自动化控制方法及装置，涉及控制技术领域，该方法包括：获取五金加工需求信息；根据加工类型信息匹配五金加工设备位号进行历史检索，采集第一加工记录数据；根据五金加工设备位号的五金加工设备型号进行离线检索，采集第二加工记录数据；根据五金加工设备型号进行联网检索，采集第三加工记录数据；构建性能指标映射器；基于性能指标映射器，生成扩充加工控制数据集；对扩充加工控制数据集进行寻优，获取加工控制推荐数据进行五金加工设备的控制。本发明专利技术解决了现有技术中设备自动化控制无法进行自适应调整，控制可靠性差的技术问题，达到了自适应的进行设备自动化控制调整，提升控制质量的技术效果。效果。效果。

【技术实现步骤摘要】
基于人工智能的设备自动化控制方法及装置


[0001]本专利技术涉及控制
，具体涉及基于人工智能的设备自动化控制方法及装置
。

技术介绍

[0002]随着自动化技术的提升，设备自动化控制被越来越多的企业采用
。
设备被控制的质量与设备生产产品的质量息息相关，然而，现有技术的五金加工过程，自动化控制主要参考单个维度的历史加工数据，且需要预先设定，无法自适应调整，单一维度加工数据导致设定的控制数据客观性较差，而无法自适应调整导致自动化加工的控制实用性不强
。

技术实现思路

[0003]本申请提供了基于人工智能的设备自动化控制方法及装置，用于针对解决现有技术中设备自动化控制无法进行自适应调整，控制可靠性差的技术问题
。
[0004]鉴于上述问题，本申请提供了基于人工智能的设备自动化控制方法及装置
。
[0005]本申请的第一个方面，提供了基于人工智能的设备自动化控制方法，其中，应用于基于人工智能的设备自动化控制装置，所述装置与五金加工设备通信连接，包括：获取五金加工需求信息，其中，所述五金加工需求信息包括加工类型信息和性能指标期望；采集第一加工记录数据，其中，所述第一加工记录数据为根据所述加工类型信息匹配五金加工设备位号进行历史加工数据检索生成；根据所述五金加工设备位号的五金加工设备型号进行离线检索，采集第二加工记录数据；根据所述五金加工设备型号进行联网检索，采集第三加工记录数据；基于所述性能指标期望，构建性能指标映射器；基于所述性能指标映射器，对所述第一加工记录数据
、
所述第二加工记录数据和所述第三加工记录数据进行扩充，生成扩充加工控制数据集；对所述扩充加工控制数据集进行寻优，获取加工控制推荐数据进行所述五金加工设备的控制
。
[0006]本申请的第二个方面，提供了基于人工智能的设备自动化控制装置，所述装置包括：需求信息获得模块，所述需求信息获得模块用于获取五金加工需求信息，其中，所述五金加工需求信息包括加工类型信息和性能指标期望；第一数据采集模块，所述第一数据采集模块用于采集第一加工记录数据，其中，所述第一加工记录数据为根据所述加工类型信息匹配五金加工设备位号进行历史加工数据检索生成；第二数据采集模块，所述第二数据采集模块用于根据所述五金加工设备位号的五
金加工设备型号进行离线检索，采集第二加工记录数据；第三数据采集模块，所述第三数据采集模块用于根据所述五金加工设备型号进行联网检索，采集第三加工记录数据；映射模型构建模块，所述映射模型构建模块用于基于所述性能指标期望，构建性能指标映射器；控制数据集生成模块，所述控制数据集生成模块用于基于所述性能指标映射器，对所述第一加工记录数据
、
所述第二加工记录数据和所述第三加工记录数据进行扩充，生成扩充加工控制数据集；设备控制模块，所述设备控制模块用于对所述扩充加工控制数据集进行寻优，获取加工控制推荐数据进行所述五金加工设备的控制
。
[0007]本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：本申请通过获取五金加工需求信息，其中，五金加工需求信息包括加工类型信息和性能指标期望，然后采集第一加工记录数据，其中，第一加工记录数据为根据加工类型信息匹配五金加工设备位号进行历史加工数据检索生成，根据五金加工设备位号的五金加工设备型号进行离线检索，采集第二加工记录数据，进而根据五金加工设备型号进行联网检索，采集第三加工记录数据；基于性能指标期望，构建性能指标映射器，然后基于性能指标映射器，对第一加工记录数据
、
第二加工记录数据和第三加工记录数据进行扩充，生成扩充加工控制数据集，通过对扩充加工控制数据集进行寻优，获取加工控制推荐数据进行五金加工设备的控制
。
通过设备本位机的加工数据，以及同厂同型号的加工数据，以及多个厂子的同型号加工数据，得到多个维度的加工数据，再结合寻优算法对加工数据进行扩充，从而达到了得到适用性较强，客观性较强的控制策略的技术效果
。
附图说明
[0008]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图
。
[0009]图1为本申请实施例提供的基于人工智能的设备自动化控制方法流程示意图；图2为本申请实施例提供的基于人工智能的设备自动化控制方法中提取尺寸指标期望
、
机械特性期望和成本期望，添加进性能指标期望的流程示意图；图3为本申请实施例提供的基于人工智能的设备自动化控制方法中构建第
i
性能指标属性映射通道的流程示意图；图4为本申请实施例提供的基于人工智能的设备自动化控制装置结构示意图
。
[0010]附图标记说明：需求信息获得模块
11
，第一数据采集模块
12
，第二数据采集模块
13
，第三数据采集模块
14
，映射模型构建模块
15
，控制数据集生成模块
16
，设备控制模块
17。
具体实施方式
[0011]本申请通过提供了基于人工智能的设备自动化控制方法及装置，用于针对解决现有技术中设备自动化控制无法进行自适应调整，控制可靠性差的技术问题
。
[0012]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚
、
完整地描述
。
显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例
。
基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围
。
[0013]需要说明的是，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程
、
方法
、
装置
、
产品或服务器不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程
、
方法
、
产品或设备固有的其它步骤或模块
。
实施例一
[0014]如图1所示，本申请提供了基于人工智能的设备自动化控制方法，其中，应用于基于人工智能的设备自动化控制装置，所述装置与五金加工设备通信连接，包括：获取五金加工需求信息，其中，所述五金加工需求信息包括加工类型信息和性能指标期望；进一步的，如图2所示，获取五金加工需求信息，其中，所述五金加工需求信息包括加工类型信息和性能指标期望，本申请实施例还包括：通过图像采集装置采集待加工五金工件的工件图像信息进行识别，获取五金工件初始状态；设定五金工件加工任务；将所述五金工件加工任务和所述五金工件初始状态本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
基于人工智能的设备自动化控制方法，其特征在于，应用于基于人工智能的设备自动化控制装置，所述装置与五金加工设备通信连接，包括：获取五金加工需求信息，其中，所述五金加工需求信息包括加工类型信息和性能指标期望；采集第一加工记录数据，其中，所述第一加工记录数据为根据所述加工类型信息匹配五金加工设备位号进行历史加工数据检索生成；根据所述五金加工设备位号的五金加工设备型号进行离线检索，采集第二加工记录数据；根据所述五金加工设备型号进行联网检索，采集第三加工记录数据；基于所述性能指标期望，构建性能指标映射器，其中，所述性能指标映射器为内嵌于人工智能的设备自动化控制装置的虚拟处理器；基于所述性能指标映射器，对所述第一加工记录数据
、
所述第二加工记录数据和所述第三加工记录数据进行扩充，生成扩充加工控制数据集；对所述扩充加工控制数据集进行寻优，获取加工控制推荐数据进行所述五金加工设备的控制
。2.
如权利要求1所述的方法，其特征在于，获取五金加工需求信息，其中，所述五金加工需求信息包括加工类型信息和性能指标期望，包括：通过图像采集装置采集待加工五金工件的工件图像信息进行识别，获取五金工件初始状态；设定五金工件加工任务；将所述五金工件加工任务和所述五金工件初始状态，添加进所述加工类型信息；通过工单需求信息提取尺寸指标期望
、
机械特性期望和成本期望，添加进所述性能指标期望
。3.
如权利要求1所述的方法，其特征在于，基于所述性能指标期望，构建性能指标映射器，包括：获取所述性能指标期望的性能指标属性信息；根据所述性能指标属性信息的第
i
性能指标属性对所述五金加工设备型号的控制参数属性进行关联性分析，获取控制关联度；将所述控制关联度大于或等于关联度阈值的所述控制参数属性，添加进第
i
性能指标关联控制参数属性；基于所述第
i
性能指标关联控制参数属性，构建第
i
性能指标属性映射通道，其中，所述第
i
性能指标属性映射通道为所述性能指标映射器的数据处理通道，所述数据处理通道的数量与所述性能指标属性信息的数量相同
。4.
如权利要求3所述的方法，其特征在于，基于所述第
i
性能指标关联控制参数属性，构建第
i
性能指标属性映射通道，其中，所述第
i
性能指标属性映射通道为所述性能指标映射器的数据处理通道，所述数据处理通道的数量与所述性能指标属性信息的数量相同，包括：根据所述第
i
性能指标关联控制参数属性进行联网检索，获取关联控制参数记录数据集和第
i
性能属性特征记录数据集；以所述第
i
性能属性特征记录数据集为映射监督数据，以所述关联控制参数记录数据
集为映射处理数据，基于
BP
神经网络，训练前置第一映射通道；以所述第
i
性能属性特征记录数据集为映射监督数据，以所述关联控制参数记录数据集为映射处理数据，基于支持向量机，训练前置第二映射通道；获取所述前置第一映射通道的第一映射结果数据集；获取所述前置第二映射通道的第二映射结果数据集；以所述第
i
性能属性特征记录数据集为映射监督数据，以所述第一映射结果数据集和所述第二映射结果数据集为映射处理数据，基于
BP
神经网络，训练后置映射通道；将所述前置第一映射通道和所述前置第二映射通道的输出层，与所述后置映射通道的输入层合并，获取所述第
i
性能指标属性映射通道
。5.
如权利要求1所述的方法，其特征在于，基于所述性能指标映射器，对所述第一加工记录数据
、
所述第二加工记录数据和所述第三加工记录数据进行扩充，生成扩充加工控制数据集，包括：构建适应度函数：，其中，表征任意一组加工记录数据的适应度，表征任意一组加工记录数据的第
k
性能指标属性特征值，表征第
k
性能指标属性期望，
N
表征性能指标属性数量，为归一化调整系数；根据所述适应度函数遍历所述第一加工记录数据，获取适应度最小值的第一最优粒子；根据所述适应度函数遍历所述第二加工记录数据，获取适应度最小值的第二最优粒子；根据所述适应度函数遍历所述第三加工记录数据，获取适应度最小值的...

【专利技术属性】
技术研发人员：钱剑，
申请(专利权)人：张家港市卓华金属科技有限公司，
类型：发明
国别省市：