一种应用于喷胶设备的自动清洁控制方法及系统与流程

1.本发明涉及设备控制技术领域，特别涉及一种应用于喷胶设备的自动清洁控制方法及系统。


背景技术：

2.热熔胶喷胶设备中需要对喷枪进行保温，使得喷枪的温度保持在150℃～200℃的有效工作温度条件，但是热熔胶喷胶设备使用的粘胶剂是化工聚合物，化工聚合物长时间保护在高温条件下容易变质、变性，从而产生积碳；喷枪通常由加热体和喷头模块组成，喷头模块是喷枪的核心部件，其由电磁阀控制开启运行或者阻断关闭状态；喷头模块的结构主要分为气道和胶腔，气腔和胶腔之间通过密封隔离装置密封阻断分隔，喷头中心位置的活塞式针阀在工作时持续进行高速往复运动，现有技术中的喷头密封装置在常规运行中易受到活塞式针阀高速运动的磨损，进行喷胶工作时胶液受到的挤压力达到30～60公斤，即3mpa～6mpa，使得胶液易从密封磨损处反向向上溢漏至气道内；胶液还易在密封磨损处堆积凝固形成碳化物，加剧密封磨损；并且高粘度高压的胶液渗漏到隔离区堆积形成积碳后，还会堵塞溢胶孔，造成活塞杆活动迟滞甚至卡死，严重时还会造成电磁阀损坏，使得喷头不能正常工作，影响了喷头使用寿命，维修更换频繁，生产效率低，设备成本投入高；
3.为解决上述问题，依据公开专利cn214440534u《一种带有自动清洁功能的热熔胶喷枪》记载，可以在喷头模块的侧壁开设多个冲洗进气接头，同时，在喷头模块的内部适应性设置连通冲洗进气接头与密封隔离区等连通，通过冲洗进气接头加入润滑气体或者高温润滑油，对阀针和密封隔离区进行吹扫冲洗，清除密封隔离区的胶液和积碳，降低密封装置的磨损，防止堵塞和卡滞；
4.但是，加入润滑气体或者高温润滑油均需要人工进行操作，人力成本较大。
5.因此，亟需一种解决办法。


技术实现要素：

6.本发明目的之一在于提供了一种应用于喷胶设备的自动清洁控制方法及系统，喷胶设备的使用厂商可以自行设定清洁计划表，基于清洁计划表，对喷胶设备进行相应清洁，无需人工定时操作，极大程度上降低了人力成本。
7.本发明实施例提供的一种应用于喷胶设备的自动清洁控制方法，包括：
8.步骤s1：获取用户设定的清洁计划表；
9.步骤s2：基于所述清洁计划表，对第一喷胶设备进行相应清洁；
10.步骤s3：当清洁第一喷胶设备时，进行人工介入，以保证清洁过程安全。
11.优选的，所述步骤s1：获取用户设定的清洁计划表，包括：
12.获取用户根据自身生产计划和对应于第一喷胶设备的实际使用情况制定的适宜的清洁计划表；
13.其中，所述清洁计划表包括：多个清洁时间点。
14.优选的，所述步骤s2：基于所述清洁计划表，对第一喷胶设备进行相应清洁，包括：
15.获取当前时间，当所述当前时间达到任一所述清洁时间点时，对第一喷胶设备进行清洁。
16.优选的，所述步骤s3中，当清洁第一喷胶设备时，进行人工介入，包括：
17.当清洁第一喷胶设备时，由人工监测第一喷胶设备的清洁过程是否安全；
18.若不安全，可由人工对第一喷胶设备进行相应调整。
19.优选的，应用于喷胶设备的自动清洁控制方法，还包括：
20.步骤s4：获取所述第一喷胶设备的运作参数，基于所述运作参数，确定是否进入清洁时机，若是，获取适宜的清洁策略，基于所述清洁策略，对所述第一喷胶设备进行相应清洁，当清洁完成时，控制所述第一喷胶设备继续进行运作。
21.优选的，步骤s4中，基于所述运作参数，确定是否进入清洁时机，包括：
22.训练清洁时机确定模型，将所述运作参数输入至所述清洁时机确定模型，获得确定结果；
23.基于所述确定结果，确定是否进入清洁时机。
24.优选的，训练清洁时机确定模型，包括：
25.获取预设的捕捉节点集，所述捕捉节点集包括：多个第一捕捉节点；
26.获取所述第一捕捉节点对应的捕捉策略；
27.对所述捕捉策略进行策略拆解，获得多个第一策略项；
28.对所述第一策略项进行特征分析并提取，获得多个策略特征；
29.将所述策略特征进行随机特征组合，获得多个组合策略特征；
30.依次设定待匹配对象，所述待匹配对象包括：所述策略特征和所述组合策略特征；
31.获取预设的风险特征库，将所述待匹配对象与所述风险特征库中的第一风险特征进行匹配，若匹配符合，将匹配符合的所述待匹配对象作为目标对象，同时，将匹配符合的所述第一风险特征作为第二风险特征；
32.确定所述目标对象对应的所述第一策略项，并作为第二策略项；
33.获取所述第二策略项对应的执行过程和执行场景；
34.获取预设的模拟空间，同时，获取所述执行场景的场景配置信息；
35.基于所述场景配置信息，在所述模拟空间内搭建对应于所述执行场景的模拟执行场景，同时，在所述模拟执行场景内模拟执行所述执行过程；
36.执行所述执行过程时，获取所述第二风险特征对应的预设的至少一个第一触发数据流，控制所述第一触发数据流在所述模拟执行场景内随机流转；
37.当所述第一触发数据流在所述模拟执行场景内受到触发时，将对应所述第一触发数据流作为第二触发数据流，同时，获取所述第二触发数据流受到触发的触发点位；
38.获取预设的恶意事件捕捉模型，基于所述恶意事件捕捉模型，捕捉所述触发点位发生的至少一个恶意事件；
39.对所述恶意事件进行事件解析，获取恶意值，并与对应所述第一捕捉节点进行关联；
40.汇总所述第一捕捉节点关联的所述恶意值，获得恶意值和；
41.若所述恶意值和大于等于预设的恶意值和阈值，剔除对应所述第一捕捉节点；
42.当需要剔除的所述第一捕捉节点均剔除后，将剔除剩余的所述第一捕捉节点作为第二捕捉节点；
43.通过所述第二捕捉节点获取多个第一喷胶设备异常事件；
44.获取所述第一喷胶设备的第一设备信息，同时，获取发生所述第一喷胶设备异常事件的第二喷胶设备的第二设备信息；
45.获取预设的利用价值评价模型，将所述第一设备信息和所述第二设备信息一并输入至所述利用价值评价模型，获得评价值；
46.若所述评价值小于等于预设的评价值阈值，剔除对应所述第一喷胶设备异常事件；
47.当需要剔除的所述第一喷胶设备异常事件均剔除后，将剔除剩余的所述第一喷胶设备异常事件作为第二喷胶设备异常事件；
48.通过所述第二捕捉节点获取多个人工确定清洁时机的第一确定过程；
49.获取执行所述第一确定过程的第一执行人，同时，获取所述第一执行人的第一经验值；
50.当所述第一执行人的数目为一时，若所述第一经验值小于等于预设的经验阈值，剔除对应所述第一确定过程；
51.当所述第一执行人的数目大于一时，将最大所述第一经验值作为第二经验值；
52.获取所述第二经验值对应的所述第一执行人作为第二执行人，同时，将其余所述第一执行人作为第三执行人；
53.获取所述第二执行人对所述第三执行人进行担保的担保值；
54.若所述第二经验值小于等于所述经验阈值和/或存在所述担保值小于等于预设的担保值阈值，剔除对应所述第一确定过程；
55.当需要剔除的所述第一确定过程均剔除后，将剔除剩余的所述第一确定过程作为第二确定过程；
56.获取预设的神经网络模型，将所述第二喷胶设备异常事件和所述第二确定过程输入至所述神经网络模型进行模型训练，获得清洁时机确定模型。
57.优选的，获取适宜的清洁策略，包括：
58.获取所述清洁时机确定模型确定是否进入清洁时机的过程中识别到的至少一个清洁需求事件；
59.获取预设的备选清洁策略制定模型，将所述清洁需求事件输入至所述备选策略制定模型，获得多个备选清洁策略；
60.基于所述第一设备信息，构建对应于所述第一喷胶设备的喷胶设备模型；
61.获取预设的事件发生模拟配置模型，基于所述事件发生模拟配置模型，在所述喷胶设备模型内模拟配置所述清洁需求事件发生；
62.获取预设的策略模拟执行模型，基于所述策略模拟执行模型，在所述喷胶设备模型内模拟执行所述备选清洁策略；
63.获取预设的冲突情况捕捉模型，基于所述冲突情况捕捉模型，捕捉所述备选清洁策略在所述喷胶设备模型内模拟执行时所述喷胶设备模型内产生的冲突情况；
64.对所述冲突情况进行情况解析，获得冲突值；
65.获取预设的清洁效果评价模型，基于所述清洁效果评价模型，对所述备选清洁策略在所述喷胶设备模型内模拟执行时的清洁效果进行评价，获得评价值；
66.获取预设的排序值计算模型，将所述冲突值和所述评价值输入所述排序值计算模型，获得排序值，并与对应所述备选清洁策略进行关联；
67.将最大所述排序值关联的所述备选清洁策略作为适宜的清洁策略，完成获取。
68.本发明实施例提供的一种应用于喷胶设备的自动清洁控制系统，包括：
69.获取模块，用于获取用户设定的清洁计划表；
70.清洁模块，用于基于所述清洁计划表，对第一喷胶设备进行相应清洁；
71.人工模块，用于当清洁第一喷胶设备时，进行人工介入，以保证清洁过程安全。
72.优选的，所述获取模块执行如下操作：
73.获取用户根据自身生产计划和对应于第一喷胶设备的实际使用情况制定的适宜的清洁计划表；
74.其中，所述清洁计划表包括：多个清洁时间点。
75.本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
76.下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
77.附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
78.图1为本发明实施例中一种应用于喷胶设备的自动清洁控制方法的流程图；
79.图2为本发明实施例中又一应用于喷胶设备的自动清洁控制方法及系统的流程图；
80.图3为本发明实施例中一种应用于喷胶设备的自动清洁控制系统的示意图。
具体实施方式
81.以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
82.本发明实施例提供了一种应用于喷胶设备的自动清洁控制方法，如图1所示，包括：
83.步骤s1：获取用户设定的清洁计划表；
84.步骤s2：基于所述清洁计划表，对第一喷胶设备进行相应清洁；
85.步骤s3：当清洁第一喷胶设备时，进行人工介入，以保证清洁过程安全。
86.上述技术方案的工作原理及有益效果为：
87.获取用户(使用厂商)设定的清洁计划表；基于清洁计划表，对第一喷胶设备进行相应清洁(冲洗进气接头可以与润滑气体或者高温润滑油储存罐对接，在对接管路内设置流量计以控制加入量)；当清洁第一喷胶设备时，进行人工介入，保证清洁过程的安全；
88.本发明实施例喷胶设备的使用厂商可以自行设定清洁计划表，基于清洁计划表，
对喷胶设备进行相应清洁，无需人工定时操作，极大程度上降低了人力成本。
89.本发明实施例提供了一种应用于喷胶设备的自动清洁控制方法，所述步骤s1：获取用户设定的清洁计划表，包括：
90.获取用户根据自身生产计划和对应于第一喷胶设备的实际使用情况制定的适宜的清洁计划表；
91.其中，所述清洁计划表包括：多个清洁时间点。
92.上述技术方案的工作原理及有益效果为：
93.使用厂商可以根据自身生产计划和喷胶设备的实际使用情况制定适宜的清洁计划表；例如：可以每隔2-3小时对喷胶设备进行清洁，还可以在工作人员每次工作半天后休息室对喷胶设备进行清洁。
94.本发明实施例提供了一种应用于喷胶设备的自动清洁控制方法，所述步骤s2：基于所述清洁计划表，对第一喷胶设备进行相应清洁，包括：
95.获取当前时间，当所述当前时间达到任一所述清洁时间点时，对第一喷胶设备进行清洁。
96.上述技术方案的工作原理及有益效果为：
97.若当前时间达到清洁计划表中的清洁时间点时，对喷胶设备进行清洁即可。
98.本发明实施例提供了一种应用于喷胶设备的自动清洁控制方法，所述步骤s3中，当清洁第一喷胶设备时，进行人工介入，包括：
99.当清洁第一喷胶设备时，由人工监测第一喷胶设备的清洁过程是否安全；
100.若不安全，可由人工对第一喷胶设备进行相应调整。
101.上述技术方案的工作原理及有益效果为：
102.当清洁喷胶设备时，喷胶设备仍在运作，为了防止安全事故发生(例如：喷胶设备上设置的排出润滑气体或者高温润滑油排污口对准人)，需要人工进行介入，监测喷胶设备的清洁过程。
103.本发明实施例提供了一种应用于喷胶设备的自动清洁控制方法，如图2所示，还包括：
104.步骤s4：获取所述第一喷胶设备的运作参数，基于所述运作参数，确定是否进入清洁时机，若是，获取适宜的清洁策略，基于所述清洁策略，对所述第一喷胶设备进行相应清洁，当清洁完成时，控制所述第一喷胶设备继续进行运作。
105.上述技术方案的工作原理及有益效果为：
106.当第一喷胶设备(例如：热熔胶喷枪)运行时，获取第一喷胶设备的运作参数(例如：工作温度、粘胶剂类型、粘胶剂剂量和工作时长等)，基于运作参数，确定是否进入清洁时机(例如：推断产生过多积碳的可能性，若可能性较大，则确定进入清洁时机)，若是，获取适宜的清洁策略(例如：推断哪个位置大概产生多少积碳等，从而确定需要多少润滑气体或者高温润滑油，从哪个冲洗进气接头加入等)；基于清洁策略，对第一喷胶设备进行相应清洁(冲洗进气接头可以与润滑气体或者高温润滑油储存罐对接，在对接管路内设置流量计以控制加入量)；当清洁完成时，控制第一喷胶设备继续运作；
107.本发明实施例可以基于喷胶设备运作时的运作参数，确定喷胶设备是否需要清洁，若是，获取适宜的清洁策略，并基于该清洁策略，对喷胶设备进行相应清洁，无需人工确
定何时加入润滑气体或者高温润滑油、如何加入润滑气体或者高温润滑油以及加入润滑气体或者高温润滑油的用量均是人工凭借经验确定，极大程度上降低了人力成本，实现了完全自动化，更避免了人工凭借经验确定存在不一定适宜的问题发生。
108.本发明实施例提供了一种应用于喷胶设备的自动清洁控制方法，步骤s4中，基于所述运作参数，确定是否进入清洁时机，包括：
109.训练清洁时机确定模型，将所述运作参数输入至所述清洁时机确定模型，获得确定结果；
110.基于所述确定结果，确定是否进入清洁时机。
111.上述技术方案的工作原理及有益效果为：
112.训练一个清洁时机确定模型(机器学习模型)，将运作参数输入至清洁时机确定模型，清洁时机确定模型可以基于第一喷胶设备的当前工作情况确定是否需要清洁，输出确定结果；提升了系统的工作效率。
113.本发明实施例提供了一种应用于喷胶设备的自动清洁控制方法，训练清洁时机确定模型，包括：
114.获取预设的捕捉节点集，所述捕捉节点集包括：多个第一捕捉节点；
115.获取所述第一捕捉节点对应的捕捉策略；
116.对所述捕捉策略进行策略拆解，获得多个第一策略项；
117.对所述第一策略项进行特征分析并提取，获得多个策略特征；
118.将所述策略特征进行随机特征组合，获得多个组合策略特征；
119.依次设定待匹配对象，所述待匹配对象包括：所述策略特征和所述组合策略特征；
120.获取预设的风险特征库，将所述待匹配对象与所述风险特征库中的第一风险特征进行匹配，若匹配符合，将匹配符合的所述待匹配对象作为目标对象，同时，将匹配符合的所述第一风险特征作为第二风险特征；
121.确定所述目标对象对应的所述第一策略项，并作为第二策略项；
122.获取所述第二策略项对应的执行过程和执行场景；
123.获取预设的模拟空间，同时，获取所述执行场景的场景配置信息；
124.基于所述场景配置信息，在所述模拟空间内搭建对应于所述执行场景的模拟执行场景，同时，在所述模拟执行场景内模拟执行所述执行过程；
125.执行所述执行过程时，获取所述第二风险特征对应的预设的至少一个第一触发数据流，控制所述第一触发数据流在所述模拟执行场景内随机流转；
126.当所述第一触发数据流在所述模拟执行场景内受到触发时，将对应所述第一触发数据流作为第二触发数据流，同时，获取所述第二触发数据流受到触发的触发点位；
127.获取预设的恶意事件捕捉模型，基于所述恶意事件捕捉模型，捕捉所述触发点位发生的至少一个恶意事件；
128.对所述恶意事件进行事件解析，获取恶意值，并与对应所述第一捕捉节点进行关联；
129.汇总所述第一捕捉节点关联的所述恶意值，获得恶意值和；
130.若所述恶意值和大于等于预设的恶意值和阈值，剔除对应所述第一捕捉节点；
131.当需要剔除的所述第一捕捉节点均剔除后，将剔除剩余的所述第一捕捉节点作为
第二捕捉节点；
132.通过所述第二捕捉节点获取多个第一喷胶设备异常事件；
133.获取所述第一喷胶设备的第一设备信息，同时，获取发生所述第一喷胶设备异常事件的第二喷胶设备的第二设备信息；
134.获取预设的利用价值评价模型，将所述第一设备信息和所述第二设备信息一并输入至所述利用价值评价模型，获得评价值；
135.若所述评价值小于等于预设的评价值阈值，剔除对应所述第一喷胶设备异常事件；
136.当需要剔除的所述第一喷胶设备异常事件均剔除后，将剔除剩余的所述第一喷胶设备异常事件作为第二喷胶设备异常事件；
137.通过所述第二捕捉节点获取多个人工确定清洁时机的第一确定过程；
138.获取执行所述第一确定过程的第一执行人，同时，获取所述第一执行人的第一经验值；
139.当所述第一执行人的数目为一时，若所述第一经验值小于等于预设的经验阈值，剔除对应所述第一确定过程；
140.当所述第一执行人的数目大于一时，将最大所述第一经验值作为第二经验值；
141.获取所述第二经验值对应的所述第一执行人作为第二执行人，同时，将其余所述第一执行人作为第三执行人；
142.获取所述第二执行人对所述第三执行人进行担保的担保值；
143.若所述第二经验值小于等于所述经验阈值和/或存在所述担保值小于等于预设的担保值阈值，剔除对应所述第一确定过程；
144.当需要剔除的所述第一确定过程均剔除后，将剔除剩余的所述第一确定过程作为第二确定过程；
145.获取预设的神经网络模型，将所述第二喷胶设备异常事件和所述第二确定过程输入至所述神经网络模型进行模型训练，获得清洁时机确定模型。
146.上述技术方案的工作原理及有益效果为：
147.训练清洁时机确定模型时，获取第一捕捉节点(对应一个捕捉人员，捕捉人员捕捉其它型号的第二喷胶设备发生积碳导致的异常事件以及人工确定第二喷胶设备是否需要清洁的确定过程)对应的捕捉策略(例如：规定各异常事件和确定过程上传至某共享网页，捕捉策略即为在该网页上爬取的整个过程)；将捕捉策略拆解为多个第一策略项(过程分步)并提取出策略特征；由于捕捉策略的执行过程之间存在关联性，过程之间(例如：前后过程)可能共同产生风险行为；因此，将策略特征进行随机特征组合，获得组合策略特征；分别将单个的策略特征和组合获得的组合策略特征与预设的风险特征库(包含大量策略执行过程中的风险过程特征，例如：为获取更多数据，触发网页超链接，超链接来源不明)中的第一风险特征进行匹配，若匹配符合，确认对应捕捉策略在执行过程中可能会有风险，确定目标对象和第二风险特征；确定目标对象对应的第二策略项(提取出含有目标对象中策略特征的第一策略项)；获取目标对象对应的具体的执行过程和执行场景(例如：某网页)；获取执行场景的场景配置信息(例如：网页配置信息)，基于该场景配置信息，在预设的模拟空间(虚拟空间，与外界操作环境隔离)内配置对应的模拟执行场景，同时，模拟执行所述执行过
程；在执行过程执行时，获取第二风险特征对应的预设的至少一个第一触发数据流(触发数据流会被恶意数据触发，例如：第二风险特征为窃取隐私信息，对应触发数据流为标记为隐私信息的数据)，控制第一触发数据流进行流转，看是否会被触发，若是，确定触发点位，基于预设的恶意事件捕捉模型(利用机器学习算法对大量人工捕捉恶意事件的记录进行学习后生成的模型)，捕捉恶意事件，解析获得恶意值(恶意值越大，该恶意事件的恶意程度越大)；当第一捕捉节点对应汇总(求和计算)获得的恶意值和大于等于预设的恶意值和阈值(常数)时，说明第一捕捉节点使用的捕捉策略在执行时产生恶意事件的可能性及恶意程度较高，应予剔除；然后，就可以通过剔除剩余的第二捕捉节点获取第一喷胶设备异常事件(其它型号的第二喷胶设备发生积碳导致的异常事件，包含事件过程、事件原因等)，但是，第一喷胶设备异常事件不一定适配第一喷胶设备的清洁时机确定模型的训练(例如：第二喷胶设备与第一喷胶设备的型号完全不同等)，因此，分别获取第一喷胶设备的第一设备信息(型号、清洁记录、工作记录、维修保养记录等)和第二喷胶设备的第二设备信息(与第一设备信息同理)，并一并输入至预设的利用价值评价模型(利用机器学习算法对大量人工基于两者喷胶设备的属性信息评价第二喷胶设备的第一喷胶设备异常事件的利用价值的记录进行学习后生成的模型)，获得评价值，评价值越高，对应第一喷胶设备异常事件的利用价值越高(例如：两者喷胶设备的型号相同、投入使用的时长差不多和使用的粘胶剂的类型和剂量基本一致，则利用价值越高)，若评价值小于等于预设的评价值阈值(常数)，对应第一喷胶设备异常事件利用价值不高，应予剔除；另外，还需通过第二捕捉节点获取多个第一确定过程，但是，由于第一执行人的经验充足程度不一等，第一确定过程不能全部利用，因此，当只有一个第一执行人时，其第一经验值若较小，对应第一确定过程不可取，应予剔除，当有多个第一执行人时，获取最大第二经验值，同时，确定第二经验值对应的第二执行人和其余第三执行人；若要得到捕捉许可，第二执行人需对第三执行人进行担保，设定担保值，若第二经验值较小和/或担保值较小，说明第二执行人经验不足和/或担保程度不够，剔除对应第一确定过程；将剔除剩余的第二喷胶设备异常事件和第二确定过程输入至预设的神经网络模型中进行训练即可获得清洁时机确定模型；
148.本发明实施例训练的清洁时机确定模型，智能化地确定喷胶设备是否需要清洁，提升了系统的工作效率；在训练清洁时机确定模型时，设置捕捉节点，从捕捉节点获取数据前，对捕捉节点使用的捕捉策略进行细致化验证，剔除验证不通过的捕捉节点，保证了数据获取的精准性和安全性，提升了清洁时机确定模型训练的准确度；另外，获取数据后，基于数据对应的利用价值和可信程度分别进行再次细致化验证，更进一步提升了清洁时机确定模型训练的准确度。
149.本发明实施例提供了一种应用于喷胶设备的自动清洁控制方法，获取适宜的清洁策略，包括：
150.获取所述清洁时机确定模型确定是否进入清洁时机的过程中识别到的至少一个清洁需求事件；
151.获取预设的备选清洁策略制定模型，将所述清洁需求事件输入至所述备选策略制定模型，获得多个备选清洁策略；
152.基于所述第一设备信息，构建对应于所述第一喷胶设备的喷胶设备模型；
153.获取预设的事件发生模拟配置模型，基于所述事件发生模拟配置模型，在所述喷
胶设备模型内模拟配置所述清洁需求事件发生；
154.获取预设的策略模拟执行模型，基于所述策略模拟执行模型，在所述喷胶设备模型内模拟执行所述备选清洁策略；
155.获取预设的冲突情况捕捉模型，基于所述冲突情况捕捉模型，捕捉所述备选清洁策略在所述喷胶设备模型内模拟执行时所述喷胶设备模型内产生的冲突情况；
156.对所述冲突情况进行情况解析，获得冲突值；
157.获取预设的清洁效果评价模型，基于所述清洁效果评价模型，对所述备选清洁策略在所述喷胶设备模型内模拟执行时的清洁效果进行评价，获得评价值；
158.获取预设的排序值计算模型，将所述冲突值和所述评价值输入所述排序值计算模型，获得排序值，并与对应所述备选清洁策略进行关联；
159.将最大所述排序值关联的所述备选清洁策略作为适宜的清洁策略，完成获取。
160.上述技术方案的工作原理及有益效果为：
161.清洁时机确定模型在确定是否进入清洁时机的过程中，会识别清洁需求事件(喷胶设备内部哪个点位会出现积碳，需要清洁)；将清洁需求事件输入至预设的备选清洁策略制定模型(利用机器学习算法对大量人工基于清洁需求事件制定清洁策略的记录进行学习后生成的模型)，获得备选清洁策略；基于第一设备信息，构建喷胶设备模型(动态三维模型)；基于预设的事件发生模拟配置模型(利用机器学习算法对大量人工模拟配置发生事件的记录进行学习后生成的模型，例如：在模型中哪个点位模拟设置积碳等)，在喷胶设备模型内模拟配置清洁需求事件发生；基于策略模拟执行模型(利用机器学习算法对大量人工进行策略模拟执行的记录进行学习后生成的模型，例如：在模型中对应的冲洗进气接头模拟输入清洁润滑气体或者高温润滑油)，在喷胶设备模型内模拟执行备选清洁策略；基于预设的冲突情况捕捉模型(利用机器学习算法对大量人工捕捉备选清洁策略执行时喷胶设备模型内产生的冲突情况的记录进行学习后生成的模型，例如：润滑气体或者高温润滑油过量、清洗回路中某器件受到重复清洗等)，捕捉备选清洁策略在喷胶设备模型内模拟执行时喷胶设备模型内产生的冲突情况，并解析获得冲突值，冲突值越大，对应备选清洁策略越不适宜；基于预设的清洁效果评价模型(利用机器学习算法对大量人工进行清洁效果评价的记录进行学习后生成的模型，例如：基于清洁总时长和剩余积碳量等进行清洁效果评价)，获得评价值，评价值越大，清洁效果越好；将冲突值和排序值输入预设的排序值计算模型，排序值计算模型内置的计算排序值的公式如下：
[0162][0163]
其中，sort为所述排序值，σ为预设的修正系数，α为所述冲突值，β为所述评价值，μ1和μ2为预设的权重值；
[0164]
(公式中，冲突值与排序值呈反比，评价值与排序值呈正比，设置合理；同时，设置修正系数，基于用户需求，可对排序值计算进行动态修正；)
[0165]
获得排序值后，排序值越大，说明对应备选清洁策略越适宜，将最大排序值对应的备选清洁策略作为适宜的清洁策略即可；
[0166]
本发明实施例获取适宜的清洁策略，保证采用最适宜的清洁策略，对喷胶设备进
行清洁控制，提升了喷胶设备的清洁效率，同时，也更加智能化；另外，在获取适宜的清洁策略时，模拟依次进行备选清洁策略，基于冲突值和评价值，综合进行最优备选清洁策略的筛选，设置合理，极大程度升提升了系统的工作效率。
[0167]
本发明实施例提供了一种应用于喷胶设备的自动清洁控制系统，如图3所示，包括：
[0168]
获取模块1，用于获取用户设定的清洁计划表；
[0169]
清洁模块2，用于基于所述清洁计划表，对第一喷胶设备进行相应清洁；
[0170]
人工模块3，用于当清洁第一喷胶设备时，进行人工介入，以保证清洁过程安全。
[0171]
本发明实施例提供了一种应用于喷胶设备的自动清洁控制系统，所述获取模块执行1如下操作：
[0172]
获取用户根据自身生产计划和对应于第一喷胶设备的实际使用情况制定的适宜的清洁计划表；
[0173]
其中，所述清洁计划表包括：多个清洁时间点。
[0174]
上述技术方案的工作原理及有益效果在方法权利要求中已经说明，不再赘述。
[0175]
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。