基于人工智能的车间物料自动称重数据管理系统及方法技术方案

本发明专利技术涉及称重数据管理技术领域，具体为基于人工智能的车间物料自动称重数据管理系统及方法，所述系统包括称重波动分析模块，所述称重波动分析模块根据待测物料批次在当前加工流程对应的理论称重值及相应称重值存在的器具理论称量偏差量，得到待测物料批次在当前加工流程对应的理论称重波动区间

【技术实现步骤摘要】
基于人工智能的车间物料自动称重数据管理系统及方法


[0001]本专利技术涉及称重数据管理
，具体为基于人工智能的车间物料自动称重数据管理系统及方法
。

技术介绍

[0002]在冶金行业中工序间物料流转的称重方式一般有吊钩秤
、
天车称和平台秤等，若采用静态称重，即保持物料静置，待仪表数据稳定后获取重量，虽精度较高，但效率较低，故研究动态称重系统以提高称重效率
。
在动态称重过程中，因存在振动
、
冲击
、
速度等干扰因素的影响，获取高精度的实际重量比较困难
。
[0003]同时，在动态称重的过程中，由于称重设备一直在运行，进而衡器并不能及时执行归零操作，而衡器在使用过程中，随着使用时间及称重数据的积累，衡器的称重精度可能会逐渐出现偏差，进而出现称量数据异常的问题；因此，如何调节衡器执行归零操作的时间，在一定程度上能够直观反映称量数据的精度，现有技术中，往往通过设置固定时长来对衡器执行归零操作，该方式存在较大的缺陷，一方面无法有效缩减衡器的称量效率（总的称量时长），另一方面无法与计划
、
物料等信息或设备联动，真正实现车间工序称重的无人化
。

技术实现思路

[0004]本专利技术的目的在于提供基于人工智能的车间物料自动称重数据管理系统及方法，以解决上述
技术介绍
中提出的问题
。
[0005]为了解决上述技术问题，本专利技术提供如下技术方案：基于人工智能的车间物料自动称重数据管理方法，所述方法包括以下步骤：
S1、
获取待测物料批次所属编号及当前时间所属加工流程，并获取待测物料从进入至流出衡器的时间段，记为动态称量区间；通过衡器内置的传感器实时获取物料动态称重过程中的动态称量区间内，衡器内置传感器的监测信息，所述监测信息包括振动传感器及称重传感器在动态称重过程中不同时间分别对应的检测数据；
S2、
根据检测数据的数值变化情况，对动态称重过程中动态称量区间内的传感器监测信息进行片段划分，并判断不同传感器监测信息划分后的数据片段之间的关联性；分析关联数据片段之间的称量状态异常偏差，结合称量状态异常偏差值最小的关联数据片段，预测待测物料批次中称重物料的称量值，得到待测物料批次在当前加工流程对应的称重值；
S3、
查询历史称重数据库中待测物料批次编号在前一个加工流程对应的称量结果，记为参照称量信息，获取数据库中得到参照称量信息时衡器的执行状态信息，结合得到待测物料批次在当前加工流程对应的称重值时衡器的执行状态信息，预测待测物料批次在当前加工流程对应的称重值存在的器具理论称量偏差量；
S4、
根据待测物料批次在当前加工流程对应的理论称重值及相应称重值存在的器具理论称量偏差量，得到待测物料批次在当前加工流程对应的理论称重波动区间；所述待
测物料批次在当前加工流程对应的理论称重值通过查询数据库预置表单获取；
S5、
根据待测物料批次在当前加工流程对应的称量值及相应的理论称重波动区间，判断待测物料批次在当前加工流程对应的称量值是否异常，并在异常状态下停止继续称量物料，对衡器进行归零校准，并将状态异常的待测物料批次插入到未称量的其余物料批次前，再次对待测物料批次在当前加工流程对应的重量进行动态称量；相邻两次对衡器执行归零校准的时间区间内执行的称量的物料批次个数大于
n
，
n≥1
；
S6、
对物料批次在不同加工流程的称量结果进行管理，并将异常的称量结果对应的物料批次反馈给管理员
。
[0006]进一步的，所述
S1
中将动态称量区间记为
[T1
，
T2]；将衡器内置传感器的监测信息中振动传感器在时间
t
对应的检测数据记为
Zt
，所述
t∈[T1
，
T2]；将衡器内置传感器的监测信息中称量传感器在时间
t
对应的检测数据记为
Ct
；所述
S2
中对动态称重过程中动态称量区间内的传感器监测信息进行片段划分的方法包括以下步骤：
S201、
获取动态称重过程中动态称量区间内的传感器监测信息中，不同时间点分别对应的振动传感器监测数据，将每个监测数据与相应的时间点构建一个监测数据对，记为（
tz
，
Atz
），其中，
tz
为动态称量区间内的一个时间点，
Atz
表示动态称重过程中时间点
tz
时振动传感器监测的数据；
S202、
在第一平面直角坐标系中将
S201
中得到的各个监测数据对分别对应的坐标点进行标记，并将第一平面直角坐标系中相邻的各个标记点进行连接，得到振动幅度折线图，所述第一平面直角坐标系是以时间为
x
轴且振动传感器监测的振动幅度为
y
轴构建的平面直角坐标系；
S203、
标记振动幅度折线图中的各个关系突变节点，所述关系突变节点为振动幅度折线图中数据由递增关系转变为递减关系的转折点或由递减关系转变为递增关系的转折点，以关系突变节点对应的时间为切割位置，将振动幅度折线图分割成多个数据片段，所述划分的数据片段个数等于相应关系突变节点个数加一；本专利技术中关系突变节点为相应折线图对应函数中的各个极大值及极小值分别对应的点，关系突变节点的获取，只能反馈出相应折线图对应函数在各个部分对应的变化趋势，极大值对应的点表示相应折线图中数据由递增关系转变为递减关系的转折点，极小值对应的点表示相应折线图中数据由递减关系转变为递增关系的转折点，极大值与极小值之间不存在明确的数值大小关系，极大值可能大于等于或者小于极小值；
S204、
构建第二平面直角坐标系，并按
S201
‑
S202
中所述方法构建称量数据折线图，所述第二平面直角坐标系是以时间为横轴且称重传感器监测数据为纵轴构建的平面直角坐标系；以
S203
中所得关系突变节点对应的时间为切割位置，将称量数据折线图分割成多个数据片段；所述
S2
中判断不同传感器监测信息划分后的数据片段之间的关联性的方法包括以下步骤：
S211、
获取
S203
中的振动幅度折线图对应的数据片段，及
S204
中称重数据折线图对应的数据片段，每个数据片段对应一个时间区间，将振动幅度折线图对应的数据片段与称重数据折线图对应的数据片段中，对应时间区间相同的两个数据片段进行绑定，每个绑
定结果分别对应一个称重数据折线图对应的数据片段及一个振动幅度折线图对应的数据片段；将第
i
个绑定结果对应的称重数据折线图对应的数据片段记为
FCi
，将第
i
个绑定结果对应的振动幅本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
基于人工智能的车间物料自动称重数据管理方法，其特征在于，所述方法包括以下步骤：
S1、
获取待测物料批次所属编号及当前时间所属加工流程，并获取待测物料从进入至流出衡器的时间段，记为动态称量区间；通过衡器内置的传感器实时获取物料动态称重过程中的动态称量区间内，衡器内置传感器的监测信息，所述监测信息包括振动传感器及称重传感器在动态称重过程中不同时间分别对应的检测数据；
S2、
根据检测数据的数值变化情况，对动态称重过程中动态称量区间内的传感器监测信息进行片段划分，并判断不同传感器监测信息划分后的数据片段之间的关联性；分析关联数据片段之间的称量状态异常偏差，结合称量状态异常偏差值最小的关联数据片段，预测待测物料批次中称重物料的称量值，得到待测物料批次在当前加工流程对应的称重值；
S3、
查询历史称重数据库中待测物料批次编号在前一个加工流程对应的称量结果，记为参照称量信息，获取数据库中得到参照称量信息时衡器的执行状态信息，结合得到待测物料批次在当前加工流程对应的称重值时衡器的执行状态信息，预测待测物料批次在当前加工流程对应的称重值存在的器具理论称量偏差量；
S4、
根据待测物料批次在当前加工流程对应的理论称重值及相应称重值存在的器具理论称量偏差量，得到待测物料批次在当前加工流程对应的理论称重波动区间；所述待测物料批次在当前加工流程对应的理论称重值通过查询数据库预置表单获取；
S5、
根据待测物料批次在当前加工流程对应的称量值及相应的理论称重波动区间，判断待测物料批次在当前加工流程对应的称量值是否异常，并在异常状态下停止继续称量物料，对衡器进行归零校准，并将状态异常的待测物料批次插入到未称量的其余物料批次前，再次对待测物料批次在当前加工流程对应的重量进行动态称量；相邻两次对衡器执行归零校准的时间区间内执行的称量的物料批次个数大于
n
，
n≥1
；
S6、
对物料批次在不同加工流程的称量结果进行管理，并将异常的称量结果对应的物料批次反馈给管理员
。2.
根据权利要求1所述的基于人工智能的车间物料自动称重数据管理方法，其特征在于：所述
S1
中将动态称量区间记为
[T1
，
T2]
；将衡器内置传感器的监测信息中振动传感器在时间
t
对应的检测数据记为
Zt
，所述
t∈[T1
，
T2]
；将衡器内置传感器的监测信息中称量传感器在时间
t
对应的检测数据记为
Ct
；所述
S2
中对动态称重过程中动态称量区间内的传感器监测信息进行片段划分的方法包括以下步骤：
S201、
获取动态称重过程中动态称量区间内的传感器监测信息中，不同时间点分别对应的振动传感器监测数据，将每个监测数据与相应的时间点构建一个监测数据对，记为（
tz
，
Atz
），其中，
tz
为动态称量区间内的一个时间点，
Atz
表示动态称重过程中时间点
tz
时振动传感器监测的数据；
S202、
在第一平面直角坐标系中将
S201
中得到的各个监测数据对分别对应的坐标点进行标记，并将第一平面直角坐标系中相邻的各个标记点进行连接，得到振动幅度折线图，所述第一平面直角坐标系是以时间为
x
轴且振动传感器监测的振动幅度为
y
轴构建的平面直角坐标系；
S203、
标记振动幅度折线图中的各个关系突变节点，所述关系突变节点为振动幅度折
线图中数据由递增关系转变为递减关系的转折点或由递减关系转变为递增关系的转折点，以关系突变节点对应的时间为切割位置，将振动幅度折线图分割成多个数据片段，所述划分的数据片段个数等于相应关系突变节点个数加一；
S204、
构建第二平面直角坐标系，并按
S201
‑
S202
中所述方法构建称量数据折线图，所述第二平面直角坐标系是以时间为横轴且称重传感器监测数据为纵轴构建的平面直角坐标系；以
S203
中所得关系突变节点对应的时间为切割位置，将称量数据折线图分割成多个数据片段；所述
S2
中判断不同传感器监测信息划分后的数据片段之间的关联性的方法包括以下步骤：
S211、
获取
S203
中的振动幅度折线图对应的数据片段，及
S204
中称重数据折线图对应的数据片段，每个数据片段对应一个时间区间，将振动幅度折线图对应的数据片段与称重数据折线图对应的数据片段中，对应时间区间相同的两个数据片段进行绑定，每个绑定结果分别对应一个称重数据折线图对应的数据片段及一个振动幅度折线图对应的数据片段；将第
i
个绑定结果对应的称重数据折线图对应的数据片段记为
FCi
，将第
i
个绑定结果对应的振动幅度折线图对应的数据片段记为
FZi
；
S212、
获取第
i
个绑定结果中
FCi
与
FZi
之间的绑定关联值，记为
Gi
，所述
Gi=1/
（
i2
‑
i1
）
·
∫
b=i1b=i2
|FCi
（
b
）
‑
H[FZi
（
b
）
]|db
，其中，
i1
表示第
i
个绑定结果内数据片段对应时间区间的最小值，
i2
表示第
i
个绑定结果内数据片段对应时间区间的最大值，
FCi
（
b
）表示时间为
b
时
FCi
内对应的称重数据，
FZi
（
b
）表示时间为
b
时
FZi
内对应的振动幅度，
H[FZi
（
b
）
]
表示对
FZi
（
b
）转化后的函数值，
H[FZi(b)]=[FCi(i2)
‑
FCi(i1)]/[FZi(i2)
‑
FZi(i1)]
·
{FZi(b)
‑
FZi(i1)}+FCi(i1)
，其中，
FCi(i2)
表示时间为
i2
时
FCi
内对应的称重数据，
FCi(i1)
表示时间为
i1
时
FCi
内对应的称重数据，
FZi(i2)
表示时间为
i2
时
FZi
内对应的称重数据，
FZi(i1)
表示时间为
i1
时
FZi
内对应的称重数据；默认
FZi(i2)
与
FZi(i1)
不相等；
S213、
将
Gi
与绑定关联阈值进行比较，所述绑定关联阈值为数据库中预置的常数，当
Gi
大于等于绑定关联阈值时，则判定第
i
个绑定结果中
FCi
与
FZi
不存在关联关系，绑定的数据片段中传感器监测数据受到噪声干扰；当
Gi
小于绑定关联阈值时，则判定第
i
个绑定结果中
FCi
与
FZi
存在关联关系
。3.
根据权利要求2所述的基于人工智能的车间物料自动称重数据管理方法，其特征在于：所述
S2
中预测待...

【专利技术属性】
技术研发人员：熊年昀，杨文仁，
申请(专利权)人：宝信软件南京有限公司，
类型：发明
国别省市：