全自动冲床送料机及方法技术

本申请涉及智能控制领域，其具体地公开了一种全自动冲床送料机及方法，其采用基于深度神经网络模型的人工智能技术，获取预定时间段内多个预定时间点的送料机的送料速度和多个预定时间点的冲床的冲压速度，排列为向量后通过时序编码器得到特征向量进行关联编码和特征融合，以得到用于表示送料速度和冲压速度的协同是否满足设定的要求的分类结果。进而，可以实现送料速度和冲压速度的协调，以提高生产效率、保证加工质量和安全性。保证加工质量和安全性。保证加工质量和安全性。

【技术实现步骤摘要】
全自动冲床送料机及方法


[0001]本申请涉及智能控制领域，且更为具体地，涉及一种全自动冲床送料机及方法。

技术介绍

[0002]全自动冲床送料机是一种送料和冲床冲压一体式的设备。送料系统负责将待加工的材料送入冲床工作区域，冲床系统负责进行冲压加工的工作。送料的速度应和冲压的速度具有一个协调性。如果送料速度过快而冲压速度较慢，会导致材料堆积，相反地，如果送料速度过慢而冲压速度较快，会导致材料漏出。但由于现有的技术很难控制送料速度和冲压速度的一个协同作用，导致加工进度减缓，影响时效。
[0003]因此，期待一种优化的全自动冲床送料机控制方案。

技术实现思路

[0004]为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种全自动冲床送料机及方法，其采用基于深度神经网络模型的人工智能技术，获取预定时间段内多个预定时间点的送料机的送料速度和多个预定时间点的冲床的冲压速度，排列为向量后通过时序编码器得到特征向量进行关联编码和特征融合，以得到用于表示送料速度和冲压速度的协同是否满足设定的要求的分类结果。进而，可以实现送料速度和冲压速度的协调，以提高生产效率、保证加工质量和安全性。
[0005]根据本申请的一个方面，提供了一种全自动冲床送料机，其包括：
[0006]数据获取模块，用于获取预定时间段内多个预定时间点的送料机的送料速度和多个预定时间点的冲床的冲压速度；
[0007]排列模块，用于将所述多个预定时间点的送料机的送料速度和多个预定时间点的冲床的冲压速度按照时间维度分别排列为送料速度输入向量和冲压速度输入向量；
[0008]送料速度时序提取模块，用于将所述送料速度输入向量通过包含全连接层的一维卷积层的时序编码器以得到送料速度特征向量；
[0009]冲压速度时序提取模块，用于将所述冲压速度输入向量通过包含全连接层的一维卷积层的时序编码器以得到冲压速度特征向量；
[0010]关联模块，用于将所述送料速度特征向量和所述冲压速度特征向量进行关联以得到送料冲压关联矩阵；
[0011]融合模块，用于构造所述送料速度特征向量和所述冲压速度特征向量的概率密度域表示以得到融合特征矩阵；
[0012]矩阵乘积模块，用于计算所述融合特征矩阵与所述送料冲压关联矩阵之间的矩阵乘积以将得到分类特征矩阵；
[0013]协同判断模块，用于将所述分类特征矩阵通过分类器以得到分类结果，所述分类结果用于表示送料速度和冲压速度的协同是否满足设定的要求。
[0014]在上述全自动冲床送料机中，所述送料速度时序提取模块，包括：送料归一化映射
单元，用于将所述送料速度输入向量进行基于最大值的归一化处理以得到归一化后送料速度输入向量；送料全连接编码单元，用于使用所述包含全连接层的一维卷积层的时序编码器的全连接层对所述归一化后送料速度输入向量进行全连接编码以提取所述归一化后送料速度输入向量中各个位置的特征值的高维隐含特征；以及，送料一维卷积编码单元，用于使用所述包含全连接层的一维卷积层的时序编码器的一维卷积层对所述归一化后送料速度输入向量进行一维编码以提取所述归一化后送料速度输入向量中各个位置的特征值间的关联的高维隐含关联特征。
[0015]在上述全自动冲床送料机中，所述冲压速度时序提取模块，包括：冲压归一化映射单元，用于将所述冲压速度输入向量进行基于最大值的归一化处理以得到归一化后冲压速度输入向量；冲压全连接编码单元，用于使用所述包含全连接层的一维卷积层的时序编码器的全连接层对所述归一化后冲压速度输入向量进行全连接编码以提取所述归一化后冲压速度输入向量中各个位置的特征值的高维隐含特征；以及，冲压一维卷积编码单元，用于使用所述包含全连接层的一维卷积层的时序编码器的一维卷积层对所述归一化后冲压速度输入向量进行一维编码以提取所述归一化后冲压速度输入向量中各个位置的特征值间的关联的高维隐含关联特征。
[0016]在上述全自动冲床送料机中，所述关联模块，用于：计算所述送料速度特征向量的转置向量与所述冲压速度特征向量之间的乘积以得到所述送料冲压关联矩阵。
[0017]在上述全自动冲床送料机中，所述融合模块，包括：高斯归一化单元，用于对所述送料速度特征向量和所述冲压速度特征向量进行高斯归一化处理以得到归一化送料速度特征向量和归一化冲压速度特征向量；送料概率密度函数计算单元，用于计算所述归一化送料速度特征向量的概率密度函数值以得到第一特征概率密度分布；冲压概率密度函数计算单元，用于计算所述归一化冲压速度特征向量的概率密度函数值以得到第二特征概率密度分布；以及，概率密度域图构造单元，用于构造所述第一特征概率密度分布和所述第二特征概率密度分布之间的概率密度域图以得到所述融合特征矩阵，其中，所述融合特征矩阵中各个位置的特征值等于所述第一特征概率密度分布和所述第二特征概率密度分布中相应两个位置的概率密度函数值之间的乘积。
[0018]在上述全自动冲床送料机中，所述协同判断模块，包括：展开单元，用于将所述分类特征矩阵按照行向量或者列向量展开为分类特征向量；全连接编码单元，用于使用所述分类器的全连接层对所述分类特征向量进行全连接编码以得到编码分类特征向量；以及，分类结果单元，用于将所述编码分类特征向量输入所述分类器的Softmax分类函数以得到所述分类结果。
[0019]根据本申请的另一方面，提供了一种全自动冲床送料机控制方法，其包括：
[0020]获取预定时间段内多个预定时间点的送料机的送料速度和多个预定时间点的冲床的冲压速度；
[0021]将所述多个预定时间点的送料机的送料速度和多个预定时间点的冲床的冲压速度按照时间维度分别排列为送料速度输入向量和冲压速度输入向量；
[0022]将所述送料速度输入向量通过包含全连接层的一维卷积层的时序编码器以得到送料速度特征向量；
[0023]将所述冲压速度输入向量通过包含全连接层的一维卷积层的时序编码器以得到
冲压速度特征向量；
[0024]将所述送料速度特征向量和所述冲压速度特征向量进行关联以得到送料冲压关联矩阵；
[0025]构造所述送料速度特征向量和所述冲压速度特征向量的概率密度域表示以得到融合特征矩阵；
[0026]计算所述融合特征矩阵与所述送料冲压关联矩阵之间的矩阵乘积以将得到分类特征矩阵；
[0027]将所述分类特征矩阵通过分类器以得到分类结果，所述分类结果用于表示送料速度和冲压速度的协同是否满足设定的要求。
[0028]与现有技术相比，本申请提供的一种全自动冲床送料机及方法，其采用基于深度神经网络模型的人工智能技术，获取预定时间段内多个预定时间点的送料机的送料速度和多个预定时间点的冲床的冲压速度，排列为向量后通过时序编码器得到特征向量进行关联编码和特征融合，以得到用于表示送料速度和冲压速度的协同是否满足设定的要求的分类结果。进而，可以实现送料速度和冲压速度的协调，以提高生产效率、保证加工质量和安全性。
附图说明
[0029]通本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种全自动冲床送料机，其特征在于，包括：数据获取模块，用于获取预定时间段内多个预定时间点的送料机的送料速度和多个预定时间点的冲床的冲压速度；排列模块，用于将所述多个预定时间点的送料机的送料速度和多个预定时间点的冲床的冲压速度按照时间维度分别排列为送料速度输入向量和冲压速度输入向量；送料速度时序提取模块，用于将所述送料速度输入向量通过包含全连接层的一维卷积层的时序编码器以得到送料速度特征向量；冲压速度时序提取模块，用于将所述冲压速度输入向量通过包含全连接层的一维卷积层的时序编码器以得到冲压速度特征向量；关联模块，用于将所述送料速度特征向量和所述冲压速度特征向量进行关联以得到送料冲压关联矩阵；融合模块，用于构造所述送料速度特征向量和所述冲压速度特征向量的概率密度域表示以得到融合特征矩阵；矩阵乘积模块，用于计算所述融合特征矩阵与所述送料冲压关联矩阵之间的矩阵乘积以将得到分类特征矩阵；协同判断模块，用于将所述分类特征矩阵通过分类器以得到分类结果，所述分类结果用于表示送料速度和冲压速度的协同是否满足设定的要求。2.根据权利要求1所述的全自动冲床送料机，其特征在于，所述送料速度时序提取模块，包括：送料归一化映射单元，用于将所述送料速度输入向量进行基于最大值的归一化处理以得到归一化后送料速度输入向量；送料全连接编码单元，用于使用所述包含全连接层的一维卷积层的时序编码器的全连接层对所述归一化后送料速度输入向量进行全连接编码以提取所述归一化后送料速度输入向量中各个位置的特征值的高维隐含特征；送料一维卷积编码单元，用于使用所述包含全连接层的一维卷积层的时序编码器的一维卷积层对所述归一化后送料速度输入向量进行一维编码以提取所述归一化后送料速度输入向量中各个位置的特征值间的关联的高维隐含关联特征。3.根据权利要求2所述的全自动冲床送料机，其特征在于，所述冲压速度时序提取模块，包括：冲压归一化映射单元，用于将所述冲压速度输入向量进行基于最大值的归一化处理以得到归一化后冲压速度输入向量；冲压全连接编码单元，用于使用所述包含全连接层的一维卷积层的时序编码器的全连接层对所述归一化后冲压速度输入向量进行全连接编码以提取所述归一化后冲压速度输入向量中各个位置的特征值的高维隐含特征；冲压一维卷积编码单元，用于使用所述包含全连接层的一维卷积层的时序编码器的一维卷积层对所述归一化后冲压速度输入向量进行一维编码以提取所述归一化后冲压速度输入向量中各个位置的特征值间的关联的高维隐含关联特征。4.根据权利要求3所述的全自动冲床送料机，其特征在于，所述关联模块，用于：计算所述送料速度特征向量的转置向量与所述冲压速度特征向量之间的乘积以得到
所述送料冲压关联矩阵。5.根据权利要求4所述的全自动冲床送料机，其特征在于，所述融合模块，包括：高斯归一化单元，用于对所述送料速度特征向量和所述冲压速度特征向量进行高斯归一化处理以得到归一化送料速度特征向量和归一化冲压速度特征向量；送料概率密度函数计算单元，用于计算所述归一化送料速度特征向量的概率密度函数值以得到第一特征概率密度分布；冲压概率密度函数计算单元，用于计算所述归一化冲压速度特征向量的概率密度函数值以得到第二特征概率密度分布；概率密度域图构造单元，用于构造所述第一特征概率密度分布和所述...

【专利技术属性】
技术研发人员：奚立军，秦一鸣，邵帅，
申请(专利权)人：滁州欧博特电子制造有限公司，
类型：发明
国别省市：