一种基于工业物联网的OPGW光缆生产全流程数据采集与质量追溯方法、装置、设备及介质与流程

本发明智能制造，更具体地，涉及一种基于工业物联网的opgw光缆生产全流程数据采集与质量追溯方法、装置、设备及介质。

背景技术：

1、opgw（光纤复合架空地线）光缆是电力通信系统的核心基础设施，其生产流程涉及铝包钢线拉丝、不锈钢带成型、光纤入管、油膏填充、激光焊接、绞合成缆、护套挤出及成品测试等多个工序，具有工序链条长、多物理场耦合强、质量影响因素复杂等特点。随着电力系统对通信可靠性要求的不断提高，opgw光缆的质量追溯需求已从简单的合格/不合格判别升级为对全流程工艺数据的精细化分析与异常根因的精准定位。工业物联网技术的快速发展，为在制造现场部署多模态感知装置、实时采集海量工艺参数提供了技术基础，然而如何将分散的多源异构数据有效融合并用于质量追溯，仍是行业面临的核心挑战。

2、现有opgw光缆生产质量追溯技术存在以下突出问题。第一，各工序数据相互割裂，缺乏统一的多物理场数字孪生模型来刻画材料性能、工艺历程、检测特征与成品性能之间的因果映射关系；第二，传统检测手段多为离线抽检或破坏性测试，无法实现对光纤余长分布、铝包钢线残余应力、激光焊接熔深、界面结合质量等关键指标的在线、全长度检测，导致质量异常发现严重滞后；第三，质量追溯粒度粗糙，通常以批次或盘号为单元，无法定位到具体的长度区间，更无法精确回答哪个工序、哪个参数导致了不合格。因此，亟需一种能够整合全流程多模态感知数据、构建数字孪生体并实现工艺区间级根因智能诊断的质量追溯方法。

技术实现思路

1、为了克服现有技术存在的数据割裂、检测滞后、追溯粒度粗糙，无法精确定位异常根因工序与参数等问题，本发明公开一种基于工业物联网的opgw光缆生产全流程数据采集与质量追溯方法、装置、设备及介质能有效解决上述技术问题。

2、为解决上述技术问题，本发明的技术方案如下：

3、一种基于工业物联网的opgw光缆生产全流程数据采集与质量追溯方法，所述方法包括：

4、构建覆盖opgw光缆生产全工序的多物理场数字孪生体；

5、在所述生产全工序中的工序部署多模态感知装置，采集多模态感知数据；所述多模态感知数据至少包括：基于声发射原理获取的光纤在不锈钢管内的光纤余长分布数据；

6、基于所述多物理场数字孪生体与所述多模态感知数据，执行基于工艺区间对比学习的质量追溯，以识别质量异常的根本原因。

7、进一步地，所述光纤余长分布数据通过以下步骤获取：

8、在光纤入管工序后、油膏填充前，在不锈钢管两端耦合安装分布式声发射传感器阵列；

9、向光纤中施加标准脉冲信号，以在管内产生振动波；

10、通过所述分布式声发射传感器阵列接收沿光纤和不锈钢管壁传播的声发射信号；

11、分析所述声发射信号的时延差和波形特征，并采用到达时间差定位算法，反演得到光纤在不锈钢管内沿长度方向每米分辨率的所述光纤余长分布数据。

12、进一步地，所述多模态感知数据还包括：

13、通过激光超声检测系统采集的铝包钢线的周向和轴向残余应力分布数据；

14、通过同轴与侧向视觉融合检测装置采集的不锈钢管激光焊接过程的熔深估计值和熔宽测量值；

15、通过环形相控阵超声探头阵列采集的不锈钢管与铝包钢线界面的界面结合质量评估数据，所述界面结合质量评估数据包括界面反射系数、背散射强度和界面间距。

16、进一步地，所述多物理场数字孪生体通过以下方式构建：

17、建立材料性能场孪生层、工艺过程场孪生层、质量检测场孪生层、物理场耦合层和性能预测场孪生层；

18、在所述物理场耦合层中，基于有限元方法建立包含温度场、应力场和变形场的多物理场耦合模型，并采用本征正交分解和径向基函数插值的降阶模型进行计算加速；

19、利用所述多模态感知数据对所述多物理场耦合模型进行准实时校准、测试验证校准和长期学习更新。

20、进一步地，所述基于工艺区间对比学习的质量追溯，具体包括：

21、将待追溯的opgw光缆的生产全过程按长度坐标划分为多个连续的工艺区间，每个工艺区间关联该区间内的所有工艺参数和质量特征数据；

22、获取预先构建的、与所述待追溯光缆型号对应的正常工艺区间模板，所述正常工艺区间模板基于合格光缆的数据通过聚类分析和统计过程控制生成；

23、将待追溯光缆的每个工艺区间的数据与所述正常工艺区间模板进行对比，计算参数数值偏差、参数波动模式偏差和参数间相关性偏差；

24、将存在至少一种偏差超过预设阈值的工艺区间标记为疑似根因区间；

25、基于所述疑似根因区间，结合前序工序数据和后序工序检测数据，通过结构因果模型推断产生质量异常的根本原因工序和根本原因参数。

26、进一步地，所述方法还包括：

27、响应于推断出所述根本原因工序和根本原因参数，生成并向工艺闭环控制层输出工艺参数修正指令；

28、所述工艺闭环控制层根据所述修正指令，自动调整对应工序的工艺参数设定值，形成质量驱动的自适应工艺闭环。

29、进一步地，所述生产全工序至少包括：铝包钢线拉丝、不锈钢带成型、光纤入管、油膏填充、激光焊接、绞合成缆、护套挤出和成品测试；所述关键工序包括拉丝工序、激光焊接工序、绞合成缆工序和光纤入管工序。

30、进一步地，一种基于工业物联网的opgw光缆生产全流程数据采集与质量追溯装置，包括：

31、数字孪生构建模块，用于构建覆盖opgw光缆生产全工序的多物理场数字孪生体；

32、多模态数据采集模块，用于控制部署在关键工序的多模态感知装置，采集多模态感知数据；所述多模态感知数据至少包括光纤余长分布数据；

33、追溯分析模块，用于基于所述多物理场数字孪生体与所述多模态感知数据，执行基于工艺区间对比学习的质量追溯，以识别质量异常的根本原因。

34、进一步地，一种计算机设备，包括：存储器和处理器，其中，所述存储器中存储有计算机程序；

35、当所述计算机程序被所述处理器执行时，实现如上述所述的基于工业物联网的opgw光缆生产全流程数据采集与质量追溯方法。

36、进一步地，一种计算机可读存储介质，所述存储介质中存储有计算机程序，当所述计算机程序被处理器执行时，实现如上述所述的基于工业物联网的opgw光缆生产全流程数据采集与质量追溯方法。

37、与现有技术相比，本发明的有益效果是：本发明构建覆盖全工序的多物理场数字孪生体，融合材料、工艺、检测、物理场及性能预测五层模型，建立全链条因果映射，并采用降阶模型将计算时间从小时级压缩至分钟级，通过多模态感知数据实现模型的多级校准，提升实时性与准确性。在关键工序部署多模态感知装置，基于声发射原理获取米级分辨率的光纤余长分布数据，结合激光超声残余应力检测、视觉熔深熔宽检测及相控阵超声界面结合检测，实现全长度、非破坏性在线检测。执行基于工艺区间对比学习的质量追溯，将生产全过程按长度坐标划分为米级工艺区间，通过与正常工艺区间模板对比参数数值、波动模式及相关性偏差，标记疑似根因区间，并利用结构因果模型精准推断根本原因工序与参数，将追溯粒度从批次/盘号提升多个量级。响应于根因推断结果，生成工艺参数修正指令并自动调整对应工序设定值，形成质量驱动的自适应闭环，实现从被动追溯向主动预防的跨越。综上，本发明有效解决了数据割裂、检测滞后、追溯粒度粗糙的问题，提升了质量异常排查效率与根因诊断准确率。