基于泡沫箱生产控制系统的状态监控方法及系统与流程

本发明涉及智能制造，具体而言，涉及一种基于泡沫箱生产控制系统的状态监控方法及系统。

背景技术：

1、泡沫箱是日常生活和工业领域中常见的一种包装材料，其生产过程复杂，对控制系统的稳定性和准确性要求极高。在生产过程中，任何微小的异常都可能导致产品质量下降，甚至造成生产线停止，因此对这些异常状态进行准确及时的诊断显得尤为重要。

2、传统的异常状态诊断方法主要依赖于经验规则和阈值设置，这种方法在处理简单、固定的异常状态时可能效果较好，但面对复杂、多变的实际生产环境，其效果往往无法满足需求。首先，由于这种方法主要依赖于预设的规则和阈值，其灵活性和适应性较差，难以应对生产环境的快速变化。其次，该方法往往需要人工进行大量的参数调整和优化，工作量大且效率低。

技术实现思路

1、有鉴于此，本发明实施例的目的在于提供一种基于泡沫箱生产控制系统的状态监控方法及系统，首先对深度学习网络进行初始化权重参数更新，生成针对泡沫箱生产控制系统的基础异常状态诊断网络。然后，基于预置异常标签引导信息和该基础异常状态诊断网络在进阶更新过程中学习到的变化异常标签引导信息，对基础异常状态诊断网络进行进阶更新，生成目标异常状态诊断网络。由此，可以有效地利用深度学习技术进行泡沫箱生产控制系统的异常状态诊断，提升了诊断准确性和效率。通过预置的异常标签引导信息以及在进阶更新过程中获取的变化异常标签引导信息，可以实现对基础异常状态诊断网络的持续优化和调整，从而更精确地识别和处理泡沫箱生产过程中的各种异常状态。此外，由于基础标签属性值设定为初始化值，使得该方法在处理复杂、变化的异常状态时具有更好的灵活性和适应性。

2、依据本发明实施例的一个方面，提供一种基于泡沫箱生产控制系统的状态监控方法及系统，所述方法包括：

3、对深度学习网络进行初始化权重参数更新，生成针对泡沫箱生产控制系统的基础异常状态诊断网络；

4、基于预置异常标签引导信息和所述基础异常状态诊断网络在进阶更新过程中学习到的变化异常标签引导信息，对所述基础异常状态诊断网络进行进阶更新，生成目标异常状态诊断网络，其中，所述变化异常标签引导信息的基础标签属性值为初始化值。

5、一种可替代的实施方式中，所述基于预置异常标签引导信息和所述基础异常状态诊断网络在进阶更新过程中学习到的变化异常标签引导信息，对所述基础异常状态诊断网络进行进阶更新，包括：

6、获取多个泡沫箱生产控制系统的模板生产控制行为数据和各个所述模板生产控制行为数据对应的训练标签数据；

7、对所述预置异常标签引导信息进行编码，生成预置编码表示，并对所述变化异常标签引导信息进行编码，生成变化编码表示；

8、基于所述预置编码表示、所述变化编码表示以及各个所述模板生产控制行为数据，依据所述基础异常状态诊断网络生成各个所述模板生产控制行为数据的异常诊断训练数据；

9、基于各个所述异常诊断训练数据和各个所述训练标签数据，更新所述变化编码表示和所述基础异常状态诊断网络的网络权重信息。

10、一种可替代的实施方式中，所述基础异常状态诊断网络包括：

11、转码单元，依次连接的第一差异化单元、自注意力单元、第二差异化单元以及标签嵌入单元，其中，所述转码单元与所述第二差异化单元连接；

12、所述预置编码表示和所述变化编码表示均为多个；

13、所述基于所述预置编码表示、所述变化编码表示以及各个所述模板生产控制行为数据，依据所述基础异常状态诊断网络生成各个所述模板生产控制行为数据的异常诊断训练数据，包括：

14、针对各个所述预置编码表示，依据所述第一差异化单元对该预置编码表示和所有所述变化编码表示进行差异化分析，生成第一目标编码表示；

15、依据所述自注意力单元生成各个所述第一目标编码表示的自注意力向量；

16、针对各个所述模板生产控制行为数据，依据所述转码单元生成该模板生产控制行为数据的生产控制行为向量；

17、依据所述第二差异化单元将各个对所述自注意力向量和该模板生产控制行为数据的所述生产控制行为向量进行差异化分析，生成临时编码表示；

18、基于所述临时编码表示，依据所述标签嵌入单元生成各个预置生产控制行为数据的数据标签对应的第二目标编码表示；

19、基于各个所述第二目标编码表示和该模板生产控制行为数据的所述生产控制行为向量，确定该模板生产控制行为数据的异常诊断训练数据。

20、一种可替代的实施方式中，所述基于各个所述异常诊断训练数据和各个所述训练标签数据，更新所述变化编码表示和所述基础异常状态诊断网络的网络权重信息，包括：

21、基于各个所述异常诊断训练数据和各个所述训练标签数据，计算所述基础异常状态诊断网络的目标训练误差值；

22、基于所述目标训练误差值，更新所述变化编码表示和所述标签嵌入单元的网络权重信息。

23、一种可替代的实施方式中，在所述基于各个所述异常诊断训练数据和各个所述训练标签数据，更新所述变化编码表示和所述基础异常状态诊断网络的网络权重信息的步骤之后，所述基于预置异常标签引导信息和所述基础异常状态诊断网络在进阶更新过程中学习到的变化异常标签引导信息，对所述基础异常状态诊断网络进行进阶更新，还包括：

24、如果当前不符合网络训练收敛要求，重复执行所述获取多个模板生产控制行为数据和各个所述模板生产控制行为数据对应的训练标签数据的步骤至所述基于各个所述所述异常诊断训练数据和各个所述训练标签数据，更新所述变化编码表示和所述基础异常状态诊断网络的网络权重信息的步骤；

25、如果当前符合网络训练收敛要求，输出所述目标异常状态诊断网络。

26、一种可替代的实施方式中，所述方法还包括：

27、获取候选生产控制行为数据；

28、基于所述候选生产控制行为数据、预置异常标签引导信息以及目标异常标签引导信息，通于所述目标异常状态诊断网络，生成所述候选生产控制行为数据的目标异常状态诊断数据。

29、依据本发明实施例的另一方面，提供一种基于泡沫箱生产控制系统的状态监控方法及系统，所述系统包括：

30、第一更新模块，用于对深度学习网络进行初始化权重参数更新，生成基础异常状态诊断网络；

31、第二更新模块，用于基于预置异常标签引导信息和所述基础异常状态诊断网络在进阶更新过程中学习到的变化异常标签引导信息，对所述基础异常状态诊断网络进行进阶更新，生成目标异常状态诊断网络，其中，所述变化异常标签引导信息的基础标签属性值为初始化值。

32、依据本发明实施例的另一方面，提供一种服务器，包括：处理器、通信接口、存储器和通信总线，其中，所述处理器、通信接口和存储器通过通信总线完成相互间的通信；所述存储器，用于存放计算机程序；所述处理器，用于执行所述计算机程序时，实现以上任一项所述的基于泡沫箱生产控制系统的状态监控方法的步骤。

33、依据本发明实施例的另一方面，提供一种可读存储介质，该可读存储介质上存储有计算机程序，该计算机程序被处理器运行时可以执行上述的基于泡沫箱生产控制系统的状态监控方法的步骤。

34、为使本发明实施例的上述目的、特征和优点能更明显易懂，下面将结合实施例，并配合所附附图，作详细说明。