一种陶瓷制品生产控制方法及系统与流程

摘要: 本发明涉及工业控制系统,尤其涉及一种陶瓷制品生产控制方法及系统。背景技术:1、工业控制系统技术涉及对工业生产设备、执行机构、传感装置、边缘控制节点及中央控制平台...
一种陶瓷制品生产控制方法及系统与流程

本发明涉及工业控制系统,尤其涉及一种陶瓷制品生产控制方法及系统。

背景技术:

1、工业控制系统技术涉及对工业生产设备、执行机构、传感装置、边缘控制节点及中央控制平台进行协同监测、分析、调节和反馈控制,通过采集生产过程中的图像、温度、压力、流量、能耗、位置、速度、开度及设备运行状态等信息,对生产状态进行实时识别和参数计算,并依据预设控制目标生成对应控制指令,使工业机器人、数控设备、窑炉、阀门、输送机构等执行设备按照设定参数运行。

2、现有工业控制系统主要依据图像、温度、压力、流量、能耗、位置、速度、开度及设备运行状态进行实时识别和参数计算,再按照预设控制目标向工业机器人、数控设备、窑炉、阀门及输送机构下发控制指令,此类运作模式通常侧重单设备或单产线当前状态同既定控制参数之间的对应关系,对不同产线之间的质量特征差异、异常数据传播以及通信资源竞争缺乏细粒度协调机制。当多条陶瓷产线同时上传大量图像特征或状态信息时,通信信道负载可能快速升高,生产控制信号同状态数据共同占用传输资源,容易产生控制指令排队、状态反馈滞后或关键设备响应时序偏移。现有运作过程中还可能将异常相机采集结果、传感器零点漂移信息或局部异常状态直接纳入统一分析,异常信息一旦参与整体参数计算,可能放大错误控制趋势,例如相机镜面附着粉尘导致陶瓷表面缺陷特征偏移时,控制系统可能将视觉偏差误判为真实施釉异常,进而改变喷枪移动速度。因此,需要进行改进。

技术实现思路

1、本发明的目的是解决现有技术中存在的缺点,而提出的一种陶瓷制品生产控制方法及系统。

2、为了实现上述目的,本发明采用了如下技术方案,一种陶瓷制品生产控制方法,包括以下步骤:

3、提取工业相机采集的陶瓷表面图像数据的特征向量,结合预设的产线质量基准计算特征更新梯度,提取所述特征更新梯度的梯度数值获取稀疏特征梯度矩阵;

4、监控底层直接数控系统的通信信道占用率,当所述通信信道占用率超出安全通信限值时调降边缘节点的数据传输端口频率,在保障底层机械控制信号条件下按所述数据传输端口频率上传所述稀疏特征梯度矩阵,获取跨产线待检梯度序列;

5、根据所述跨产线待检梯度序列计算所述稀疏特征梯度矩阵与全局历史梯度特征空间的欧氏距离差值与空间离散度;

6、将所述欧氏距离差值超出预设孤立限值的产线标记为离群节点,获取异常产线隔离标识符;

7、依据所述异常产线隔离标识符隔离对应产线,触发工业相机气动吹扫装置及传感器的零点自动校准程序,对余留产线的所述稀疏特征梯度矩阵执行聚合运算,获取全局聚合特征向量;

8、下发所述全局聚合特征向量至所述边缘节点,将高维视觉特征向量作为本地深度确定性策略梯度强化学习网络的环境状态输入;

9、读取当前的施釉机器人多轴运动坐标与辊道窑炉天然气阀门开度作为基准动作参考,通过策略执行模块输出机械动作补偿增量表;

10、将所述机械动作补偿增量表叠加至预设基准控制序列进行分解,得到微调后的施釉机器人喷枪移动速度与微调后的辊道窑炉温区烧嘴开度参数,获取产线执行控制参数集合。

11、较佳地,所述方法还包括:

12、根据所述产线执行控制参数集合驱动运转,采集施釉膜层厚度偏差值与窑炉烧成温区单位能耗数值计算局部奖励标量;

13、根据所述局部奖励标量更新局部深度确定性策略梯度强化学习网络的权重,将收敛状态反馈至中央集成制造服务器,修正产线控制权重系数,获取全工厂闭环控制指令集。

14、较佳地,所述稀疏特征梯度矩阵的获取步骤为:

15、根据各陶瓷产线边缘节点接收的陶瓷表面图像数据,按照工业相机对应的产线标识逐帧读取陶瓷表面图像数据,提取每帧陶瓷表面图像数据对应的特征向量,将特征向量各维特征值按照维度位置对应至预设的产线质量基准,逐维确定特征值相对产线质量基准的偏差方向及偏差程度,依据偏差方向及偏差程度逐项确定本地网络参数需要调整的方向及调整幅度,汇集各本地网络参数对应的参数变化量,得到特征更新梯度;

16、逐项读取所述特征更新梯度中的梯度数值,计算每个梯度数值的绝对值,按照梯度数值绝对值由大到小建立梯度位置排序,依据预设比例从梯度位置排序首端连续选取对应数量的梯度数值,将未被选取的梯度位置设为空缺位置,保留被选取梯度数值对应的原始参数位置及梯度方向,按照原始参数位置重新排列保留的梯度数值,对连续空缺位置执行压缩存储,获取稀疏特征梯度矩阵。

17、较佳地,所述跨产线待检梯度序列的获取步骤为:

18、实时读取各陶瓷产线底层直接数控系统对应的通信信道占用率,将通信信道占用率逐次同安全通信限值进行比较,当通信信道占用率超过安全通信限值时调降对应边缘节点的数据传输端口频率,同时维持底层机械控制信号的传输优先级,在底层机械控制信号不存在传输等待的条件下,按照调降后的数据传输端口频率依次上传各陶瓷产线对应的所述稀疏特征梯度矩阵,按照产线标识及上传先后次序汇总各所述稀疏特征梯度矩阵,获取跨产线待检梯度序列。

19、较佳地,所述异常产线隔离标识符的获取步骤为:

20、根据所述跨产线待检梯度序列,按照产线标识逐项读取各产线上传的所述稀疏特征梯度矩阵,将所述稀疏特征梯度矩阵中的非零梯度值按照参数位置映射至全局历史梯度特征空间,在相同参数位置逐项求取梯度数值偏差,对各参数位置的梯度数值偏差执行平方累加及开方处理,确定各所述稀疏特征梯度矩阵相对全局历史梯度特征空间的欧氏距离差值,统计各参数位置梯度数值相对对应历史梯度中心位置的分散程度,得到空间离散度,将欧氏距离差值逐一同预设孤立限值进行比较,对欧氏距离差值超出预设孤立限值的产线确定为离群节点,并记录离群节点对应的产线标识,获取异常产线隔离标识符。

21、较佳地,所述全局聚合特征向量的获取步骤为:

22、在本次联邦聚合对应的所述跨产线待检梯度序列中定位所述异常产线隔离标识符指向的离群节点,阻断离群节点对应所述稀疏特征梯度矩阵进入本次联邦聚合的输入通道,将所述异常产线隔离标识符同步下发至对应异常产线的直接数控系统,控制工业相机气动吹扫装置按照启闭状态完成镜头表面吹扫,调用传感器当前零点输出值及预设零点基准值执行偏差校正,完成传感器的零点自动校准程序,从所述跨产线待检梯度序列中剔除离群节点对应的所述稀疏特征梯度矩阵,保留未被所述异常产线隔离标识符指向的产线对应内容,得到余留产线的稀疏特征梯度矩阵;

23、根据所述余留产线的稀疏特征梯度矩阵,按照产线标识逐项提取各余留产线对应的有效梯度位置及有效梯度数值,读取各余留产线在本次联邦聚合中的产线控制权重系数,将相同参数位置的有效梯度数值按照对应产线控制权重系数进行乘积处理,对同一参数位置的乘积结果进行累加,再依据参与聚合的产线控制权重系数总量执行归一处理,按照参数位置顺序重组各归一处理后的梯度分量,并保持各梯度分量对应的参数位置关系不变,获取全局聚合特征向量。

24、较佳地,所述机械动作补偿增量表的获取步骤为:

25、根据所述全局聚合特征向量,按照各产线边缘节点对应的产线标识,将所述全局聚合特征向量逐项下发至对应产线边缘节点,按照特征维度位置将所述全局聚合特征向量中的梯度分量写入对应参数位置,完成各产线边缘节点的参数更新,读取参数更新后各产线当前提取的高维视觉特征向量,按照高维视觉特征向量的特征维度次序排列各视觉特征值,将排列后的各视觉特征值逐项写入本地深度确定性策略梯度强化学习网络的状态输入位置,形成环境状态输入;

26、根据所述环境状态输入,按照产线标识实时读取对应施釉机器人各运动轴当前位置的多轴运动坐标,读取对应辊道窑炉当前天然气阀门开度,将多轴运动坐标按照运动轴编号排列,将天然气阀门开度按照辊道窑炉控制位置排列,形成各产线当前机械执行状态的基准动作参考,将所述环境状态输入中的各视觉特征值按照特征维度依次送入策略执行模块,依据各视觉特征值对应的状态变化方向修正基准动作参考中的各控制分量,分别确定施釉机器人各运动轴的动作补偿量及辊道窑炉天然气阀门的开度补偿量,按照控制对象及控制位置逐项排列,获取机械动作补偿增量表。

27、较佳地,所述产线执行控制参数集合的获取步骤为:

28、根据所述机械动作补偿增量表,按照控制对象及控制位置读取各动作补偿量,逐项定位预设基准控制序列中对应的施釉机器人喷枪移动速度控制量及辊道窑炉温区烧嘴开度控制量,将各动作补偿量叠加至对应基准控制量,比较叠加结果相对对应基准控制量的变化方向及变化幅度,按照施釉机器人喷枪控制位置分解得到微调后的施釉机器人喷枪移动速度,按照辊道窑炉温区控制位置分解得到微调后的辊道窑炉温区烧嘴开度参数,将微调后的施釉机器人喷枪移动速度及微调后的辊道窑炉温区烧嘴开度参数按照产线标识和控制位置进行对应排列,获取产线执行控制参数集合。

29、较佳地,所述全工厂闭环控制指令集的获取步骤为:

30、根据所述产线执行控制参数集合,按照产线标识将微调后的施釉机器人喷枪移动速度写入对应施釉机器人直接数控系统,将微调后的辊道窑炉温区烧嘴开度参数写入对应辊道窑炉直接数控系统,驱动施釉机器人及辊道窑炉执行机构按照写入参数完成预设生产周期内的连续运转,在预设生产周期结束后逐项采集各产线实际获取的施釉膜层厚度偏差值、窑炉烧成温区单位能耗数值,读取同一生产周期对应的表面缺陷数量及上一生产周期表面缺陷数量,计算表面缺陷数量变化比例,按照表面缺陷降低程度及窑炉烧成温区单位能耗变化程度确定当前机械动作执行效果,得到局部奖励标量;

31、按照产线标识将所述局部奖励标量对应至各产线当前机械动作执行记录,比较所述局部奖励标量相对前一生产周期所述局部奖励标量的变化方向及变化幅度,依据变化方向调整各产线局部深度确定性策略梯度强化学习网络中对应控制权重的增减方向,依据变化幅度确定对应控制权重的调整量,完成各产线局部深度确定性策略梯度强化学习网络权重更新,连续记录相邻生产周期控制权重变化量及局部奖励标量变化量,在连续变化幅度进入预设收敛范围时确定对应产线的收敛状态,将各产线的收敛状态按照产线标识反馈至中央集成制造服务器,依据收敛状态逐项增减全厂联邦聚合运算中对应产线的控制权重,得到产线控制权重系数;

32、按照产线标识将各所述产线控制权重系数对应至本轮全厂联邦聚合运算的各产线输入位置,对所述产线控制权重系数进行归一化排序,依据归一化后的所述产线控制权重系数确定各产线控制结果在全厂联邦聚合运算中的参与比例,按照参与比例更新各产线当前控制结果的聚合贡献量,将聚合后的控制结果重新对应至各产线的施釉机器人喷枪移动速度控制位置、辊道窑炉温区烧嘴开度控制位置,结合各产线当前收敛状态确定需要保持或继续调整的控制位置,按照产线标识及控制位置排列对应控制内容,获取全工厂闭环控制指令集。

33、本发明还提供一种系统,包括:

34、特征梯度生成与传输控制模块:提取工业相机采集的陶瓷表面图像数据的特征向量,结合预设的产线质量基准计算特征更新梯度,提取所述特征更新梯度的梯度数值获取稀疏特征梯度矩阵;监控底层直接数控系统的通信信道占用率,当所述通信信道占用率超出安全通信限值时调降边缘节点的数据传输端口频率,在保障底层机械控制信号条件下按所述数据传输端口频率上传所述稀疏特征梯度矩阵,获取跨产线待检梯度序列;

35、异常产线隔离与特征聚合模块:根据所述跨产线待检梯度序列计算所述稀疏特征梯度矩阵与全局历史梯度特征空间的欧氏距离差值与空间离散度;将所述欧氏距离差值超出预设孤立限值的产线标记为离群节点,获取异常产线隔离标识符;依据所述异常产线隔离标识符隔离对应产线,触发工业相机气动吹扫装置及传感器的零点自动校准程序,对余留产线的所述稀疏特征梯度矩阵执行聚合运算,获取全局聚合特征向量;

36、机械动作补偿与控制参数生成模块:下发所述全局聚合特征向量至所述边缘节点,将高维视觉特征向量作为本地深度确定性策略梯度强化学习网络的环境状态输入;读取当前的施釉机器人多轴运动坐标与辊道窑炉天然气阀门开度作为基准动作参考,通过策略执行模块输出机械动作补偿增量表;将所述机械动作补偿增量表叠加至预设基准控制序列进行分解,得到微调后的施釉机器人喷枪移动速度与微调后的辊道窑炉温区烧嘴开度参数,获取产线执行控制参数集合;

37、闭环反馈与控制权重修正模块:根据所述产线执行控制参数集合驱动运转,采集施釉膜层厚度偏差值与窑炉烧成温区单位能耗数值计算局部奖励标量;根据所述局部奖励标量更新局部深度确定性策略梯度强化学习网络的权重,将收敛状态反馈至中央集成制造服务器,修正产线控制权重系数,获取全工厂闭环控制指令集。

38、与现有技术相比,本发明的优点和积极效果在于:

39、本发明中,通过对工业相机采集的陶瓷表面图像进行特征向量提取,并将特征向量同产线质量基准进行关联计算,可将陶瓷表面质量状态转换为能够参与后续控制运算的特征更新梯度,再依据梯度数值贡献程度筛选并形成稀疏特征梯度矩阵,可减少低贡献梯度对跨产线协同分析的干扰,同时压缩需要传输的信息规模;结合通信信道占用率同安全通信限值的实时比较,在通信资源趋于紧张时调降边缘节点的数据传输端口频率,并保持底层机械控制信号的优先传输,可在不挤占关键控制通信资源的前提下维持跨产线特征信息传递连续性。基于跨产线待检梯度序列,将各产线稀疏特征梯度矩阵同全局历史梯度特征空间进行欧氏距离差值及空间离散度计算,可从梯度偏离程度和空间分布稳定性两个方面识别异常产线,对超出孤立限值的产线执行隔离,并触发工业相机气动吹扫及传感器零点自动校准,可防止异常视觉信息或传感偏移持续进入聚合过程,同时促使异常产线恢复有效采集状态;对余留产线实施聚合获取全局聚合特征向量,可提高跨产线共有质量特征的代表性。将全局聚合特征向量下发至边缘节点,并结合高维视觉特征向量、施釉机器人多轴运动坐标及辊道窑炉天然气阀门开度形成动作参考,再生成机械动作补偿增量,可使视觉质量变化直接对应至施釉机器人喷枪移动速度和辊道窑炉温区烧嘴开度参数的微调方向。依据施釉膜层厚度偏差值、窑炉烧成温区单位能耗数值及局部奖励标量持续修正控制权重,并将各产线收敛状态用于调整产线控制权重系数,可使产品表面质量、设备控制状态及能耗表现形成连续闭环关联,在多产线协同条件下兼顾缺陷抑制、能耗约束、异常隔离及控制稳定性,提升陶瓷制品生产过程的质量一致性。