一种基于液态物料的智能联控系统

本发明涉及机床联控，具体涉及一种基于液态物料的智能联控系统。

背景技术：

1、在机械加工过程中，由于毛坯、转速、进给量、吃刀深度、机床旋转精度、操作技能水平的不同，不可避免地造成润滑油(液)飞溅方向、速度的差异，即使是全封闭的加工中心亦无法控制油液滴落渗漏至车间地面及地下，造成物料成本增加、叉车制动效能下降、人员安全风险增大、工人劳动强度增加、生产效率降低、浸润污染水体等各种问题和隐患。

2、为了解决上述问题，现有技术通常会通过对飞溅出来的润滑油进行收集并重新补充到集油腔内，但是不管怎么进行收集，润滑油总量还是会随着机床的运行不断的减少，例如浸润、零件转运或者铁屑清理都会带走部分的油液，从而导致总液体量下降，一旦总液体量下降到较低时就需要终止机床的运行，进行润滑油的补充才行，不然对于机床的寿命会有极大的影响，而机床一旦停止下来，其势必会对加工任务的效率造成影响，同时在对机床进行使用时通常对应的任务清单都是比较多的，那么势必需要多个机床进行运行，即形成对应的机床群，所以一旦其中一个机床出现润滑油缺失问题，那么对于机床群众的其他机床来说也会受到影响，因此如何降低润滑油缺失对机床群的影响成为重中之重。

技术实现思路

1、本发明意在提供一种基于液态物料的智能联控系统，能够解决现有技术中单一机床出现润滑油缺失，对机床群的加工效率造成影响的问题，能够减低机床缺失润滑油对机床群的影响，极大提高机床群之间的联动，促进机床群的加工效率。

2、为达到上述目的，本发明采用如下技术方案：一种基于液态物料的智能联控系统，包括服务端，所述服务端包括：

3、采集模块，用于对机床群所对应的各个机床的润滑油总油量进行实时采集，生成对应的润滑油实时总油量；以及各个机床所对应的任务清单，所述任务清单包括当前任务清单和历史任务清单；

4、判断模块，用于根据各个机床的润滑油实时总油量，对各个机床的油量情况进行判断，判断当前机床的润滑油量是否不足；

5、处理模块，用于根据任务清单，生成各个机床当前加工信息，以及预测出各个机床下一次加工预测信息；

6、最优模块，用于在判断出当前机床的润滑油量为不足时，根据机床群中当前加工信息、下一次加工预测信息以及润滑油实时总量，基于改进型遗传算法，生成其他机床向当前机床供油的最优的供油方案；

7、执行模块，用于根据供油方案，控制其他机床向当前机床进行供油操作。

8、本方案的原理及优点是：在本方案中，首先是在机床群接收到加工任务的时候，就会对加工任务所对应的清单进行获取，同时也会对各个机床所对应的历史任务清单进行获取，之后也会对机床群中各个机床的润滑油实时总油量进行采集，这样可以实时对各个机床的润滑油的油量进行监控。

9、之后就会对各个机床的一个油量情况进行判断，即判断对应的机床的油量是不足的还是比较冗余的，对于机床的油量的判断是否重要的，一旦存在油量不足，那么对于机床中的一些运行还是会有一定的阻碍，例如需要停机来进行油量的添加等操作，极大降低了机床的加工效率，在判断完成之后，对于判断结果为润滑油是不足的，则说明该机床需要进行润滑油的补充，

10、这时就会根据任务清单，对机床群中各个机床的加工信息进行生成，并且还能预测出各个机床下一次加工预测信息。

11、在对应的当前机床的润滑油量不足时，就会基于改进型遗传算法，来进行其他机床向当前机床供油的最优的方案的制定，并根据该供油方案进行供油操作的控制。

12、本方案通过对供油方案最优的制定，进而极大提高机床之间的联动，能够避免单一的机床存在润滑油缺失而需要停机进行油的添加，极大提高了机床群加工效率，即能够解决现有技术中单一机床出现润滑油缺失，对机床群的加工效率造成影响的问题，能够减低机床缺失润滑油对机床群的影响，极大提高机床群之间的联动，促进机床群的加工效率。

13、优选的，作为一种改进，所述最优模块包括：

14、调用模块，用于在判断出当前机床的润滑油量为不足时，选取当前机床附近的预设数量的其他机床，并从数据库中调取当前机床以及选取出来的其他机床的机床基本信息；

15、确定模块，用于根据选取出来的其他机床，确定各个其他机床向当前机床进行供油且进行供油路径规划的业务集合；

16、约束条件确定模块，用于确定业务集合中各个业务所对应的约束条件；

17、目标函数建立模块，用于建立业务集合中各个业务所对应的目标函数；

18、数学模型模块，用于基于改进型遗传算法，以及确定的目标函数和约束条件，实现对业务集合中供油路径的多目标优化；

19、供油路线优化模块，用于根据多目标优化的结果，对业务集合的供油路径方案进行优化。

20、缺失计算模块，用于根据当前机床的机床基本信息，以及预测加工信息，对当前机床润滑油添加总量进行计算；

21、需求采集模块，用于确定业务集合中各个业务所对应的约束条件和目标函数，所述目标函数包括实现输油路程最短的第一目标函数，影响下一次加工最小的第二目标函数；所述约束条件包括供应量总和约束条件、单一最大供油量约束条件；

22、数学模型模块，用于基于改进型遗传算法，确立的第一目标函数、第二目标函数以及约束条件，实现对业务集合中供油路径的多目标优化；

23、供油路线优化模块，用于根据多目标优化的结果，对业务集合的供油路径方案进行优化。

24、有益效果：在本方案中，在确定当前机床的油量不足时，选取预设数量的其他机床，以及对应的机床基本信息，然后根据这些进行业务集合的确定，即这些机床每一个向当前机床供油量是不固定的，多样的，之后就是约束条件以及目标函数的确定，在确定之后，就基于改进型遗传算法，约束条件和目标函数，对业务集合中供油路径的多目标进行优化。

25、优选的，作为一种改进，所述调用模块包括：

26、识别模块，用于在当前机床所对应的判断结果为该机床所对应的润滑油量为不足时，根据当前的机床群，对机床群的数量进行识别，生成对应的机床数量信息；

27、选择模块，用于根据对应的机床数量信息，从数据库中调取选择策略，确定选择机床数量；

28、位置信息获取模块，用于对机床群中的各个机床的位置信息进行获取；

29、机床确定模块，用于根据获取到的各个机床的位置信息，以及选择机床数量，基于就近原则，对供油给当前机床的其他机床进行确定；

30、数据调取模块，用于根据确定好的其他机床，以及当前机床，从数据库中调取对应的机床基本信息。

31、有益效果：在本方案中，为了能够更好的进行机床之间润滑油的相互联系，会根据机床群所对应的数量，通过选择策略来进行机床数量的确定，即不同数量的机床群在进行为当前机床进行供油时，是选择一定数量来进行的，同时这些数量所对应的其他机床是根据就近原则筛选出来的，这样使得为当前机床供油的其他机床相对都比较近，也就避免了其他比较远的机床向当前机床供油，也就减少了管路上的润滑油的附着量，极大的提高了润滑油的使用效率。

32、优选的，作为一种改进，所述服务端还包括报警模块，用于在当前机床所对应的判断结果为该机床所对应的润滑油缺失时，在当前机床所在的位置信息处进行报警提醒，并将该报警提醒发送给操作人员所对应的客户端。

33、有益效果：在机床存在润滑油缺失时，在这个机床所在的位置处进行报警，这样操作人员就可以很快的知晓缺失润滑油的机床的所在位置，方便操作人员在后续的加油过程中或者启动的过程中重点对其进行关注，能够更好的避免其出现润滑油缺失的问题。

34、通过将报警提醒发送客户操作人员的客户端，这样可以实现远程的报警，能够让操作人员更好的对机床进行管理。

35、优选的，作为一种改进，所述服务端还包括：

36、任务进度实时记录模块，用于对各个机床所对应的当前加工信息的加工进度进行实时记录，生成对应的实时任务进度信息；

37、加工效率计算模块，用于根据各个机床所对应的历史任务清单，计算出各个机床所对应的加工平均效率；

38、动态调整模块，用于根据实时任务进度信息、加工平均效率，对当前时刻下所对应的预设最小液面阈值进行动态调整。

39、有益效果：在本方案中，通过获取各个机床的历史任务清单以此来对各个机床的平均加工效率进行计算，之后就可以通过对应的实时任务进度信息以及加工平均效率对当前时刻的预设最小液面阈值进行动态调整，这样极大的提高了最小液面的准确性，能够更好的为机床加工服务。

40、优选的，作为一种改进，所述服务端还包括：

41、实时比较模块，用于根据上一时刻下的润滑油实时总量和当前时刻下的润滑油实时总量，对当前时刻下的润滑油实际少油速度进行计算，若对应的实际少油速度大于预设少油阈值，则判断当前机床为异常机床；

42、所述报警模块还用于在判断当前机床为异常机床时，向操作人员的客户端发送报警信息；

43、所述位置信息获取模块，用于对接收到报警信息的客户端的位置信息进行获取；

44、路径规划模块，用于根据获取到的客户端位置信息以及当前机床的位置信息，对操作人员赶往当前机床所在的位置的路径进行规划，生成对应的维修路径，并发送给客户端。

45、有益效果；本方案能够在机床出现润滑油缺失速度过快的异常时第一时间告知操作人员并进行路径规划，让其能够第一时间赶往现场进行查看。

46、优选的，作为一种改进，所述数学模型模块包括：

47、第一筛选模块，用于随机产生规模为n的初始种群，所述初始种群的个体为选取出来的其他机床向当前机床的供油路径，并通过约束条件对初始种群的个体进行判断筛选，所述约束条件包括供应量总和约束条件、单一最大供油量约束条件，若满足约束条件则对应的供油路径成为可行解，若不满足，则为不可行解；

48、适应度计算模块，用于对筛选后的种群分别进行第一适应度和第二适应度计算，所述第一适应度计算如下：

49、

50、

51、所述d1为初始种群中输油距离总和，所述xi为机床i向当前机床输油的距离，f1为第一适应度；

52、所述第二适应度计算如下：

53、

54、f2＝d2

55、所述d2为初始种群中各个个体对下一次加工影响值，所述yj为机床j润滑油输送对下一次加工的影响值，f2为第二适应度；

56、选择模块，用于在第一预设迭代次数内，根据种群所对应的第一适应度，选取第一适应度大于或者等于第一适应度阈值的种群，并对于此时剔除的种群中，选取第二适应度最小的前三个种群，并将其保存到备用库中；

57、超出第一预设迭代次数时，将此时的种群与备用库中的种群进行组合，形成新的种群，并对此时种群所对应的第二适应度小于预设第二适应度的种群进行选择；

58、交叉变异模块，用于对选择的种群通过遗传算法的杂交、变异得到子代种群；

59、循环模块，用于在得到子代种群之后，继续执行适应度计算模块，直到满足预设迭代数量；

60、输出模块，用于输出子代种群作为多目标优化的最优解集合。

61、有益效果：在本方案中，首先通过约束条件，即供应量总和约束条件、单一最大供油量约束条件来实现对初始种群中各个个体是否满足要求进行判断，即判断种群所有的供油量是否大于或者等于当前机床需要的量，以及各个个体的供油量是否超标，这样从而实现对庞大的初始种群的细化。

62、在对种群进行选择时，其适应度的计算包括输油距离和对下一次加工的影响值，而现有的遗传算法通常都是根据现有的数据进行最优方案的生成，本方案开拓性的在遗传算法中引入预测机制，保留了本次供油操作对于后续加工影响最小的最优解的可能，

63、同时在具体选择时，在第一预设迭代数内，主要考察种群的第一适应度，即第一适应度大于或等于预设第一适应度阈值的，这样就能匹配出输油距离相对比较小的种群来，当然在这个过程中，还会对剔除的种群进行选择，选择第二适应度最小的前三个种群进行备用库的保存，在完成第一预设迭代数的迭代之后，将对应的重点方案对下一次加工的影响上来，此时会将备用库中存储的种群与此时的种群进行集中，从而形成新的种群，此时的种群中包括根据第一适应度筛选出来的种群以及每一次剔除种群中第二适应度最小的前三个种群，通过这种方式得到的子代种群会更加的好，能够更好的保留下一加工影响比较小的基因，使得后续的子代种群更加的优良。