一种面向智能制造加工过程中的控制优化方法和系统

本发明涉及自动化，尤其涉及一种面向智能制造加工过程中控制优化方法和系统。

背景技术：

1、近年来，随着智能制造的快速发展，生产加工过程的自动控制和优化变得越来越重要，加工控制的好坏对加工件的良品率和工厂生产效率的高低起着决定性的作用。

2、然而，传统的加工控制优化方法存在一些局限性，他们仅针对单一加工参数进行预测，缺乏多参数综合考虑和反馈优化的能力。当面对复杂且对精度要求极高的加工过程时，已有方法需要针对每种控制参数设计控制器。这将需要很多控制器，导致计算时延高，误差大，控制不够精准的问题。

技术实现思路

1、针对以上背景技术中提到的现有技术中在复杂且精度要求高的加工控制过程中存在的缺陷，本发明提供一种面向智能制造的加工控制优化方法和系统，实现有效预测加工参数，以更好地控制执行机构来完成加工制造，进而解决现有技术智能制造加工过程中存在的控制不够精确的技术问题。

2、第一方面，本发明提出一种面向智能制造加工过程中的控制优化系统，所述系统包括参数预测模块和中间件的控制模块，其中，所述参数预测模块包括参数预测模型：

3、所述参数预测模块，用于将传感器获取的当前生产环境数据和当前加工件数据输入至所述参数预测模型，通过所述参数预测模型来预测并输出n个参数预测结果，n为正整数；

4、所述中间件的控制模块，用于将所述n个参数预测结果转化为加工控制命令，控制执行机构执行与所述加工控制命令相关的加工步骤。

5、优选地，所述系统还包括感知模块和优化模块；

6、所述感知模块，用于在在所述加工步骤被执行时，通过传感器获取实际加工过程中的实际成品质量信息；

7、所述优化模块，用于基于所述实际成品质量信息调整所述参数预测模型。

8、优选地，所述优化模块，进一步用于在所述当前生产环境数据和所述当前加工件数据的情况下，将各组实际成品质量信息进行比较，从比较结果中选取控制参数最优的那一组数据作为实际最优参数；比较所述实际最优参数和所述参数预测结果，得到实际加工过程中的差异和偏差；基于所述差异和偏差，调整所述参数预测模型或所述加工控制命令。

9、优选地，所述系统还包括模型构建模块；

10、所述模型构建模块，用于使用历史生产环境数据和历史加工件数据训练并构建所述参数预测模型。

11、第二方面，本发明提供一种面向智能制造加工过程中的控制优化方法，所述方法应用于加工生产线的边缘设备，所述方法包括：

12、获取当前生产环境数据和当前加工件数据；

13、将所述当前生产环境数据和所述当前加工件数据输入至参数预测模型，通过所述参数预测模型来预测并输出n个参数预测结果，n为正整数；

14、将所述n个参数预测结果转化为加工控制命令，控制执行机构执行与所述加工控制命令相关的加工步骤。

15、优选地，所述方法包括：

16、在所述加工步骤被执行时，监测实际加工过程中的实际成品质量信息；

17、基于所述实际成品质量信息调整所述参数预测模型。

18、优选地，所述基于所述实际成品质量信息调整所述参数预测模型，包括：

19、在所述当前生产环境数据和所述当前加工件数据的情况下，将各组实际成品质量信息进行比较，从比较结果中选取控制参数最优的那一组数据作为实际最优参数；

20、比较所述实际最优参数和所述参数预测结果，得到实际加工过程中的差异和偏差；

21、基于所述差异和偏差，调整所述参数预测模型或所述加工控制命令。

22、可选地，所述将所述n个参数预测结果转化为加工控制命令，控制执行机构执行与所述加工控制命令相关的加工步骤，包括：

23、确定所述参数预测结果对应的目标加工种类；

24、基于所述目标加工种类确定对应的目标执行机构；

25、将所述参数预测结果转化为所述目标执行机构可执行的加工控制命令；

26、将所述加工控制命令输入至所述目标执行机构实现加工控制。

27、优选地，所述参数预测模型通过以下方式构建或调整：

28、采集多组历史加工条件信息，其中，所述历史加工条件信息包括历史生产环境数据和历史加工件数据；

29、基于各组不同的历史加工条件信息，采集多组历史加工控制参数和成品质量信息；

30、根据所述成品质量信息，确定在不同的历史生产环境数据及历史加工件数据的条件下的最优控制参数，得到训练数据集；

31、利用生成式模型学习所述训练数据集的数据分布，并生成同分布数据，以对所述训练数据集进行数据增强，得到增强后的目标训练数据集；

32、基于所述目标训练数据集构建参数预测模型。

33、优选地，所述参数预测模型通过以下方式构建或优化：

34、步骤a：根据设定的神经网络搜索空间构建包含多种级别粒度参数的超网络，所述级别的类型包括操作级类型、过滤器级类型和权重级类型；

35、步骤b：对所述历史生产环境数据和所述历史加工件数据进行增强处理，得到目标生产环境数据和目标加工件数据；将所述目标生产环境数据和所述目标加工件数据输入至所述超网络；

36、步骤c：使用所述超网络进行最优控制参数预测，计算预测参数与实际最优参数的误差以及当前超网络的参数量，并更新损失函数；

37、步骤d：根据更新后的损失函数使用梯度下降算法更新所述超网络的各级别粒度参数值和各级别相应的粒度参数离散化函数；

38、步骤e：将更新后的各级别类型的粒度参数离散化函数应用到相应级别的粒度参数值，剪枝去除所述超网络中粒度参数值为预设值的可搜索单元；

39、步骤f：重复执行所述步骤c至步骤e，直至所述超网络的参数量达到目标参数量，将达标的超网络作为所述参数预测模型。

40、本发明的有益效果在于：本发明能够有效地解决现有技术智能制造加工过程中存在的控制不够精确的技术问题，能够实现高效且准确地制造生产，提高了加工控制的鲁棒性和准确性。

技术特征：

1.一种面向智能制造加工过程中的控制优化方法，其特征在于，所述方法应用于加工生产线的边缘设备，所述方法包括：

2.如权利要求1所述的方法，其特征在于，所述方法包括：

3.如权利要求2所述的方法，其特征在于，所述基于所述实际成品质量信息调整所述参数预测模型，包括：

4.如权利要求1所述的方法，其特征在于，所述将所述n个参数预测结果转化为加工控制命令，控制执行机构执行与所述加工控制命令相关的加工步骤，包括：

5.如权利要求1-4任一项所述的方法，其特征在于，所述参数预测模型通过以下方式构建或调整：

6.如权利要求5所述的方法，其特征在于，所述参数预测模型通过以下方式构建或优化：

7.一种面向智能制造加工过程中的控制优化系统，其特征在于，所述系统包括参数预测模块和中间件的控制模块，其中，所述参数预测模块包括参数预测模型：

8.如权利要求7所述的系统，其特征在于，所述系统还包括感知模块和优化模块；

9.如权利要求8所述的系统，其特征在于：

10.如权利要求7-9任一项所述的系统，其特征在于，所述系统还包括模型构建模块；

技术总结本发明涉及自动化技术领域，提供了一种面向智能制造加工过程中的控制优化方法和系统，应用于加工生产线的边缘设备，所述方法包括：获取当前生产环境数据和当前加工件数据；将当前生产环境数据和当前加工件数据输入至参数预测模型，通过参数预测模型来预测并输出n个参数预测结果；将所述n个参数预测结果转化为加工控制命令，控制执行机构执行与加工控制命令相关的加工步骤。此外，在所述加工步骤被执行时，传感器会监测实际加工过程中的实际成品质量信息，并基于实际成品质量信息调整所述参数预测模型。本发明能够有效地解决现有技术智能制造加工过程中存在的控制不够精确的技术问题，能够实现高效且准确地制造生产，从而提高生产效率。技术研发人员：刘晓芸,陈金林,曹建农,杨宇受保护的技术使用者：香港理工大学技术研发日：技术公布日：2024/6/18