基于AI的家具制造工艺控制方法及系统与流程

本技术涉及家具智能制造，具体涉及一种基于ai的家具制造工艺控制方法及系统。

背景技术：

1、随着板式家具定制化、柔性化生产的发展，自动封边机已广泛应用于板件的涂胶、压贴、齐头、修边、刮边及抛光等连续加工环节，家具制造企业也逐步利用数控设备、工业网络和生产管理系统实现设备运行数据采集与工序协同控制。然而，封边条与板材边部的胶合质量受到热熔胶温度、涂胶量、压贴压力、进给速度、封边条材质及厚度、环境温湿度和设备运行状态等多种因素影响，开胶、虚粘等缺陷在形成初期通常难以通过产品外观直接识别。

2、现有生产过程中，封边胶合质量主要依靠人工巡检、末端抽检或拉拔试验进行评价。上述检测方式存在抽检覆盖范围有限、检测结果滞后或者具有破坏性等问题，发现异常时，相关板件往往已经进入后续加工环节，容易引起返工及批量质量风险。部分封边设备虽然能够采集伺服电流、温度和进给速度等运行数据，但相关数据通常用于设备状态监控或越限报警，难以从加工信号中稳定区分封边条材料差异、刀具磨损造成的正常变化与胶合不良引起的异常波动，也难以据此及时调整上游涂胶或压贴工艺参数。因此，如何利用现有封边设备的运行数据实现胶合质量在线判断，并降低材料类型和刀具状态对判断结果的干扰，仍是家具制造工艺控制中需要解决的技术问题。

技术实现思路

1、有鉴于此，本公开提出了一种基于ai的家具制造工艺控制方法及系统。

2、根据本公开一方面，提供了一种基于ai的家具制造工艺控制方法，包括：采集封边机精修工位伺服电机在对每块板件执行修边过程中的电流信号，截取各板件对应的电流时间序列，并将所述电流时间序列重采样为固定长度的一维序列；对所述一维序列进行基线补偿处理，消除刀具磨损引起的电流偏移，得到归一化电流序列；

3、将所述归一化电流序列分别输入并行设置的大核卷积层和小核卷积层，所述大核卷积层提取反映封边条材料切削特性的低频包络特征，所述小核卷积层提取包含胶合质量相关波动信息的高频细节特征；基于所述高频细节特征与所述低频包络特征计算得到相对波动特征；

4、将所述低频包络特征与所述相对波动特征沿通道维度拼接后，经卷积层、池化层和全连接层处理，输出当前板件的胶合质量评分；

5、统计连续多块板件的所述胶合质量评分，当统计结果低于质量告警阈值时，调节封边机上游涂胶工位或压贴工位的工艺参数。

6、在一种可能的实现方式中，所述基线补偿处理包括：在每班次开始时，将胶合质量经拉拔试验确认合格的标准板件送过所述精修工位，采集所述标准板件对应的电流时间序列并重采样为固定长度的一维序列，计算该序列的均值和标准差作为基线参数；在生产过程中每加工预设数量的板件后以同一标准板件重复标定，更新所述基线参数；对每块待加工板件的一维序列，逐采样点减去当前基线均值后除以当前基线标准差，得到所述归一化电流序列。

7、在一种可能的实现方式中，所述大核卷积层和所述小核卷积层均为一维卷积层且步长为1，各自通过两侧零填充使输出的时间步数与输入的时间步数一致；所述大核卷积层和所述小核卷积层的输出通道数相同，两组卷积层的权重参数独立初始化并在训练中独立更新。

8、在一种可能的实现方式中，所述拼接后的特征依次经过多层一维卷积层处理，各层卷积核长度逐层减小，各层卷积输出分别经批归一化层和修正线性单元激活处理；最后一层卷积的输出经全局平均池化得到一维特征向量，所述一维特征向量依次经过第一全连接层和第二全连接层，所述第二全连接层的输出经sigmoid激活函数映射为所述胶合质量评分。

9、在一种可能的实现方式中，训练输出所述胶合质量评分所涉及的各层网络参数时，采用由分类损失和材料组内对比损失加权求和构成的复合损失函数；所述分类损失基于所述胶合质量评分与真实标签之间的二元交叉熵计算得到；所述材料组内对比损失的权重系数通过在验证集上遍历多个候选值，选取使各材料组内分类准确率的最低值最大化的取值确定。

10、在一种可能的实现方式中，所述材料组内对比损失的计算方式为：根据工单信息中记载的封边条材质和厚度，将当前批次的样本划分为若干材料组；在每个材料组内，以全局平均池化输出的特征向量为基础，将标签相同的样本对作为正样本对，以同一材料组内的全部样本作为对比对象，基于余弦相似度和温度系数计算有监督对比损失值。

11、在一种可能的实现方式中，训练所涉及各层网络参数时所用的真实标签来源于末端抽检工位对随机抽取的板件执行封边条拉拔试验获得的拉拔力值，将拉拔力值高于合格阈值的板件标记为合格、低于所述合格阈值的板件标记为不合格；在标注样本数量不足时，以已标注样本训练初始模型后对未标注样本进行推理，将预测评分高于预设上阈值的标记为伪合格样本、低于预设下阈值的标记为伪不合格样本，以伪标签加入训练集。

12、在一种可能的实现方式中，所述统计连续多块板件的胶合质量评分包括：维护一个固定长度的先进先出滑动窗口，每加工一块板件将其胶合质量评分加入窗口尾部并移除窗口头部最早的评分，计算窗口内全部评分的算术均值作为所述统计结果；所述质量告警阈值通过以下方式确定：在试运行阶段收集同时具有网络评分和拉拔试验结果的板件样本，以网络评分为分类变量、以拉拔试验合格与否为真实标签，绘制受试者操作特征曲线，取约登指数最大时对应的评分值。

13、在一种可能的实现方式中，所述调节封边机上游涂胶工位或压贴工位的工艺参数包括：优先提升热熔胶温度，每次提升幅度通过灵敏度标定确定；当热熔胶温度达到当前封边条材质允许的温度上限时，转为降低进给速度；连续执行预设次数的调节后所述统计结果仍低于所述质量告警阈值时，发出告警提示。

14、根据本公开的另一方面，提供了一种基于ai的家具制造工艺控制系统，包括：

15、信号处理模块，用于采集封边机精修工位伺服电机在对每块板件执行修边过程中的电流信号，截取各板件对应的电流时间序列，并将所述电流时间序列重采样为固定长度的一维序列；对所述一维序列进行基线补偿处理，消除刀具磨损引起的电流偏移，得到归一化电流序列；

16、多尺度特征提取模块，用于将所述归一化电流序列分别输入并行设置的大核卷积层和小核卷积层，所述大核卷积层提取反映封边条材料切削特性的低频包络特征，所述小核卷积层提取包含胶合质量相关波动信息的高频细节特征；基于所述高频细节特征与所述低频包络特征计算得到相对波动特征；

17、胶合质量评估模块，用于将所述低频包络特征与所述相对波动特征沿通道维度拼接后，经卷积层、池化层和全连接层处理，输出当前板件的胶合质量评分；

18、工艺控制模块，用于统计连续多块板件的所述胶合质量评分，当统计结果低于质量告警阈值时，调节封边机上游涂胶工位或压贴工位的工艺参数。

19、本技术利用封边机精修工位既有伺服电机的电流信号表征封边条在切削过程中的受力稳定状态，通过标准板件标定和基线补偿削弱刀具磨损、电机差异造成的电流整体偏移，并采用并行的大核卷积层与小核卷积层分别提取材料切削特性对应的低频包络特征和胶合状态对应的高频细节特征，以二者形成的相对波动特征降低封边条材质、厚度及切削阻力差异对胶合质量判断的干扰。结合材料组内对比约束训练胶合质量评分模型，使模型能够在不同材料组合内部识别胶合异常，并将连续板件的评分统计结果反馈至涂胶或压贴工位进行参数调节，由此在不增设专用质量检测装置的条件下，将原本依赖末端抽检的事后判断转化为基于生产过程信号的在线控制，使胶合质量变化能够在形成批量缺陷前被识别和纠正，从而提高封边工艺控制的稳定性及其对不同生产条件的适应能力。

20、根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。