一种基于物联网的工业设备调控方法与流程

本发明涉及喷涂设备调控，更具体地说，本发明涉及一种基于物联网的工业设备调控方法。

背景技术：

1、工业物联网是将具有感知、监控能力的各类采集、控制传感器或控制器，以及移动通信、智能分析等技术不断融入到工业生产过程各个环节，从而大幅提高制造效率，改善产品质量，降低产品成本和资源消耗，最终实现将传统工业提升到智能化的新阶段。从应用形式上，工业物联网的应用具有实时性、自动化、嵌入式(软件)、安全性和信息互通互联性等特点?；谖锪墓ひ瞪璞傅骺胤椒ǖ谋尘凹际踔饕从诠ひ底远?、信息化和智能化的发展趋势。随着全球工业化的快速发展，工业设备数量和复杂性不断增加，传统的人工监控和管理方式已经无法满足现代工业的高效、安全和环保需求。因此，基于物联网的工业设备调控方法应运而生，旨在通过信息化手段实现工业设备的智能化管理和调控。

2、现有的一些修补件在通过喷涂设备在进行修补时，大多采用人工对喷涂设备参数进行调控，由于不同修补件的修补部所对应的喷涂设备的喷涂参数不同，则人工需要经常调节，较为繁琐，并且，在对修补件进行修补时，部分修补件的修补部往往需进行多次喷涂，但多次喷涂的总厚度并不能与修补部的残缺厚度对应，进而喷涂的精准度有待提升。

3、鉴于此，本发明提出一种基于物联网的工业设备调控方法以解决上述问题。

技术实现思路

1、为了克服现有技术的上述缺陷，为实现上述目的，本发明提供如下技术方案：一种基于物联网的工业设备调控方法，包括，

2、s1：采集同一喷涂原料的喷涂设备历史数据，喷涂设备历史数据包括喷涂设备参数集、环境参数集和修补件特征数据集；

3、s2：根据喷涂设备历史数据训练机器学习模型，将当前环境参数集和当前修补件特征数据集输入机器学习模型，获得机器学习模型输出的喷涂设备参数集编号，将喷涂设备参数集编号对应的喷涂设备参数集作为当前喷涂设备参数集，按照当前喷涂设备参数集对喷涂设备进行调控；

4、s3：通过调控后的喷涂设备对修补件进行修补，判断其是否达到预期修补厚度，若是，则无需对喷涂设备进行调控，若否，则继续对喷涂设备进行调控。

5、进一步地，在所述s1中，

6、所述喷涂设备参数集包括喷涂流速和喷涂距离；

7、所述环境参数集包括环境温度、环境湿度、空气流速和空气颗粒度；

8、所述修补件特征数据集包括修补部表面平整值、修补部残缺厚度和修补部范围。

9、进一步地，在所述喷涂设备参数集中，获取喷涂流速和喷涂距离的步骤，包括：

10、在喷涂设备上安装红外测距设备、流量传感器、时间传感器以及压力传感器；

11、通过流量传感器、时间传感器和压力传感器获得喷涂涂料的下降量、喷涂时间和喷涂压力，基于喷涂涂料的下降量、喷涂时间和喷涂压力获得喷涂流速，那么，喷涂流速的计算公式为：

12、，

13、其中，为喷涂流速，为喷涂压力，为喷涂涂料的下降量，为喷涂时间；

14、获取喷涂设备上喷嘴正面中心点与修补件上修补部的射线距离，记为喷涂距离；

15、将每次修补的喷涂流速和喷涂距离作为一个喷涂设备参数数据。

16、进一步地，在所述环境参数集中，获取环境温度、环境湿度、空气流速和空气颗粒度的步骤，包括，

17、在喷涂设备周围安装温度传感器，得到环境温度；

18、在喷涂设备周围安装湿度传感器，得到环境湿度；

19、在喷涂设备周围安装风速传感器，得到空气流速；

20、在喷涂设备周围安装颗粒物传感器，得到空气颗粒度；

21、将每次修补的环境温度、环境湿度、空气流速和空气颗粒度作为一个环境参数数据。

22、进一步地，在所述修补件特征数据集中，获取修补部表面平整值、修补部残缺厚度和修补部范围的步骤，包括，

23、通过摄像设备对修补部进行拍摄，得到原始图像，将原始图像转换为灰度图像，采用高斯平滑对原始图像进行预处理，通过权重函数对laplacian算子进行改进，通过改进laplacian算子对原始图像进行边缘检测，并通过蒙特卡洛方法或网格法中的任一种得到修补部范围；

24、通过激光扫描仪对修补件的修补部进行扫描，得到三维点云数据，对三维点云数据进行表面重建，通过曲面拟合或三角网格重建将其转换三维虚拟模型；在三维虚拟模型中，基于修补部范围选择修补部的区域，并确定测量面，在选定的测量面上测量其到基准面的垂直距离，将其记为总喷涂厚度；预设厚度阈值，根据厚度阈值对三维虚拟模型进行分层，得到分层数，分层数等于喷涂次数，将每一分层厚度作为修补部残缺厚度；

25、通过采用加权平均和计算三维虚拟模型中测量面的平整值，得到修补部表面平整值；

26、将每次修补的修补部表面平整值、修补部残缺厚度和修补部范围作为一个修补件特征数据集。

27、进一步地，所述高斯平滑公式为，

28、，

29、其中，为二维高斯函数的值，简称核函数；为高斯分布的标准差，为自然对数的底，为圆周率，和表示高斯函数中的变量，分别表示原始图像中像素的水平和垂直位置。

30、进一步地，在所述改进laplacian算子中，预设一个权重函数，公式为，

31、，

32、其中，为权重值，表示原始图像中的像素坐标，是像素的水平位置，是像素的垂直位置；和分别表示边缘内部和边缘外部的灰度值，为调节参数；

33、所述改进laplacian算子的公式为，

34、<mstyle displaystyle="true" mathcolor="#000000"><msup><mi>?</mi><mn>2</mn></msup><mi>f</mi><mrow><mo>(</mo><mrow><mi>x</mi><mi>,</mi><mi>y</mi></mrow><mo>)</mo></mrow><mi>≈</mi><mi>ω</mi><mrow><mo>(</mo><mrow><mi>x</mi><mi>,</mi><mi>y</mi></mrow><mo>)</mo></mrow><mi>×</mi><mrow><mo>[</mo><mrow><mi>f</mi><mrow><mo>(</mo><mrow><mi>x</mi><mi>?</mi><mn>1</mn><mi>,</mi><mi>y</mi></mrow><mo>)</mo></mrow><mo>+</mo><mi>f</mi><mrow><mo>(</mo><mrow><mi>x</mi><mo>+</mo><mn>1</mn><mi>,</mi><mi>y</mi></mrow><mo>)</mo></mrow><mo>+</mo><mi>f</mi><mrow><mo>(</mo><mrow><mi>x</mi><mi>,</mi><mi>y</mi><mi>?</mi><mn>1</mn></mrow><mo>)</mo></mrow><mo>+</mo><mi>f</mi><mrow><mo>(</mo><mrow><mi>x</mi><mi>,</mi><mi>y</mi><mo>+</mo><mn>1</mn></mrow><mo>)</mo></mrow><mi>?</mi><mn>4</mn><mi>×</mi><mi>f</mi><mrow><mo>(</mo><mrow><mi>x</mi><mi>,</mi><mi>y</mi></mrow><mo>)</mo></mrow></mrow><mo>]</mo></mrow></mstyle>，其中，表示在坐标处的二阶导数，即laplacian算子的响应值；表示原始图像在坐标处的灰度值，即原始图像的像素值；、、、分别表示原始图像在坐标、、、处的灰度值，即原始图像的相邻像素值，表示原始图像在坐标处的灰度值的四倍，用于近似计算laplacian算子的响应值。

35、进一步地，所述修补部表面平整值计算公式为：

36、，

37、其中，表示修补部表面平整数值，表示修补部表面的平均粗糙度，表示修补部表面的最大峰谷高度，表示每个测量点的高度偏差，表示修补部表面测量点的数量，表示修补部表面最高点的高度，表示修补部表面最低点的高度，表示修补部表面的平均粗糙度的权重系数，表示修补部表面的最大峰谷高度的权重系数，。

38、进一步地，在所述s2中，根据喷涂设备历史数据训练机器学习模型的步骤，包括，

39、将喷涂设备历史数据中喷涂设备参数集作为样本集；

40、对喷涂设备参数集进行数值编号；

41、将喷涂设备历史数据中修补件特征数据集和环境参数集分别构建第一特征向量p1和第二特征向量p2，使用tensorflow定义输入层和输出层并搭建机器学习框架，第一特征向量p1和第二特征向量p2作为输入层数据，喷涂设备参数集编号作为输出层数据；

42、将样本集划分为训练集和测试集，构建机器学习模型，对机器学习模型进行训练，得到机器学习模型，利用测试集对初始构建的机器学习模型进行测试，输出符合预设精准度的机器学习模型；

43、将当前环境参数集和当前修补件特征数据集输入机器学习模型，获得机器学习模型输出的喷涂设备参数集编号，将喷涂设备参数集编号对应的喷涂设备参数集作为当前喷涂设备参数集，按照当前喷涂设备参数集对喷涂设备进行调控的步骤，包括：

44、实时采集环境温度、环境湿度、空气流速和空气颗粒度作为当前环境参数集；

45、实时采集修补部表面平整值、修补部残缺厚度和修补部范围作为当前修补件特征数据集；

46、将当前环境参数集和当前修补件特征数据集输入训练好的机器学习模型，获得机器学习模型输出的喷涂设备参数集编号；

47、将喷涂设备参数集编号对应的喷涂设备参数集作为当前喷涂设备参数集，按照当前喷涂设备参数集对喷涂设备进行调控。

48、进一步地，在所述s3中，通过调控后的喷涂设备参数对修补件进行修补，判断其是否达到预期修补厚度，若是，则无需对喷涂设备进行调控，若否，则继续对喷涂设备进行调控的步骤，包括，

49、通过调控后的喷涂设备参数对修补件进行喷涂修补，待每次喷涂完成后，通过激光扫描仪对修补部进行重新扫描，以此对三维虚拟模型进行更新，得到最新三维虚拟模型；

50、根据最新三维虚拟模型判断上次喷涂厚度是否达到预期修补厚度，其中，所述预期修补厚度为上次喷涂的修补部残缺厚度；

51、若是，则无需对喷涂设备参数进行调控，若否，则根据最新三维虚拟模型对喷涂设备参数进行调控，直至修补完成。

52、本发明一种基于物联网的工业设备调控方法的技术效果和优点：

53、1.通过采集喷涂设备参数数据，包括喷涂流速和喷涂距离，可以了解不同参数对涂料喷涂的影响，为后续的喷涂过程优化提供数据支持；通过采集环境参数数据的温度、湿度、空气流速和空气颗粒度，有助于控制涂装环境，提高涂装质量，减少环境因素对涂装过程的影响；通过修补件特征数据中的修补部表面平整值、修补部残缺厚度和修补部范围，能够全面了解修补部的状态，为后续的修补工作提供依据；通过喷涂流速的计算公式，可以准确地获取涂料的喷涂流速，有助于控制涂料的喷涂量，提高喷涂的均匀性和稳定性；通过平整值计算公式，可以定量地评估修补部表面的平整值，便于输出合适的喷涂设备参数集。

54、2.通过采集同一喷涂原料的喷涂设备历史数据，根据喷涂设备历史数据对机器学习模型进行训练，从而能够输出对应的喷涂设备参数集编号，便于根据喷涂设备参数对喷涂设备进行调控，调控较为精准，避免了人工需要调控喷涂设备参数以及人工调控的繁琐，从而在对修补部进行修补时，能对其进行精准的喷涂，可以精确的对修补部的残缺厚度进行修补，修补质量较高。