本发明涉及智能化自动化,尤其涉及一种基于工业系统角色划分的自动化系统及其方法。
背景技术:
1、随着工业生产的不断发展,越来越多的自动化技术被应用到工业系统中,以提高工业生产效率和生产能力。在现代工业生产中,工业自动化系统已经成为不可或缺的一部分。在这些自动化系统中,角色划分对于实现自动化处理至关重要。
2、然而,传统的角色划分通常是静态的,无法动态地适应生产环境的变化,导致系统难以满足不同生产情境下的需求。并且,传统的工业角色划分系统通常是基于设备和生产任务进行划分,往往只能实现生产线的基本控制和执行,并没有关注到生产线的运行状态,导致生产线设备出现故障而影响生产效率。
3、因此,期望一种优化的基于工业系统角色划分的自动化系统。
技术实现思路
1、本发明实施例提供一种基于工业系统角色划分的自动化系统及其方法,其控制生产线的速度;监测所述生产线的温度和湿度;以及,控制所述生产线中机械设备的动作。这样,通过将自动化系统划分为不同的模块,可以更有效地控制和管理整个系统,而且,还能够对于生产线的工作状态进行实时准确地监测,从而帮助企业能够及时发现问题并采取措施,保障生产线设备的正常运行和生产效率。
2、本发明实施例还提供了一种基于工业系统角色划分的自动化系统,其包括:控制系统,用于控制生产线的速度;传感监测系统,用于监测所述生产线的温度和湿度;执行系统,用于控制所述生产线中机械设备的动作。
3、本发明实施例中,所述传感监测系统,包括:数据采集模块,用于获取预定时间段内多个预定时间点的温度值和湿度值;数据时序排列模块,用于将所述多个预定时间点的温度值和湿度值分别按照时间维度排列为温度时序输入向量和湿度时序输入向量;数据参数时序变化特征提取模块,用于将所述温度时序输入向量和湿度时序输入向量分别通过基于一维卷积神经网络模型的时序特征提取器以得到温度时序特征向量和湿度时序特征向量;特征增模块,用于使用高斯密度图对所述温度时序特征向量和所述湿度时序特征向量进行特征增强以得到温度时序特征矩阵和湿度时序特征矩阵;关联编码模块,用于对所述温度时序特征向量和所述湿度时序特征向量进行关联编码以得到温度-湿度关联特征矩阵;特征融合模块,用于融合所述温度时序特征矩阵、所述湿度时序特征矩阵和所述温度-湿度关联特征矩阵以得到分类特征矩阵;以及,工作状态检测模块,用于将所述分类特征矩阵通过分类器以得到分类结果,所述分类结果用于表示生产线的工作状态是否正常。
4、本发明实施例还提供了一种基于工业系统角色划分的自动化方法,其包括:控制生产线的速度;监测所述生产线的温度和湿度;控制所述生产线中机械设备的动作。
5、本发明实施例中,基于工业系统角色划分的自动化系统及其方法,通过将自动化系统划分为不同的模块,可以更有效地控制和管理整个系统,而且,还能够对于生产线的工作状态进行实时准确地监测,从而帮助企业能够及时发现问题并采取措施,保障生产线设备的正常运行和生产效率。
技术特征:1.一种基于工业系统角色划分的自动化系统,其特征在于,包括:控制系统,用于控制生产线的速度;传感监测系统,用于监测所述生产线的温度和湿度;执行系统,用于控制所述生产线中机械设备的动作。
2.根据权利要求1所述的基于工业系统角色划分的自动化系统,其特征在于,所述传感监测系统,包括:数据采集模块,用于获取预定时间段内多个预定时间点的温度值和湿度值;数据时序排列模块,用于将所述多个预定时间点的温度值和湿度值分别按照时间维度排列为温度时序输入向量和湿度时序输入向量;数据参数时序变化特征提取模块,用于将所述温度时序输入向量和湿度时序输入向量分别通过基于一维卷积神经网络模型的时序特征提取器以得到温度时序特征向量和湿度时序特征向量;特征增模块,用于使用高斯密度图对所述温度时序特征向量和所述湿度时序特征向量进行特征增强以得到温度时序特征矩阵和湿度时序特征矩阵;关联编码模块,用于对所述温度时序特征向量和所述湿度时序特征向量进行关联编码以得到温度-湿度关联特征矩阵;特征融合模块,用于融合所述温度时序特征矩阵、所述湿度时序特征矩阵和所述温度-湿度关联特征矩阵以得到分类特征矩阵;以及工作状态检测模块,用于将所述分类特征矩阵通过分类器以得到分类结果,所述分类结果用于表示生产线的工作状态是否正常。
3.根据权利要求2所述的基于工业系统角色划分的自动化系统,其特征在于,所述数据参数时序变化特征提取模块,用于:使用所述基于一维卷积神经网络模型的时序特征提取器的各层在层的正向传递中对输入数据分别进行卷积处理、基于特征矩阵的均值池化处理和非线性激活处理以由所述基于一维卷积神经网络模型的时序特征提取器的最后一层的输出为所述温度时序特征向量和所述湿度时序特征向量,其中,所述基于一维卷积神经网络模型的时序特征提取器的第一层的输入为所述温度时序输入向量和湿度时序输入向量。
4.根据权利要求3所述的基于工业系统角色划分的自动化系统,其特征在于,所述特征增模块,包括:第一高斯增强单元,用于以如下第一高斯公式构造所述温度时序特征向量的第一高斯密度图;其中,所述第一高斯公式为:,
5.根据权利要求4所述的基于工业系统角色划分的自动化系统,其特征在于,所述关联编码模块,用于:以如下编码公式对所述温度时序特征向量和所述湿度时序特征向量进行关联编码以得到温度-湿度关联特征矩阵;其中,所述编码公式为:,其中,表示所述温度时序特征向量,表示所述温度时序特征向量的转置向量,表示所述湿度时序特征向量,表示温度-湿度关联特征矩阵,表示矩阵相乘。
6.根据权利要求5所述的基于工业系统角色划分的自动化系统,其特征在于,还包括用于对所述基于一维卷积神经网络模型的时序特征提取器和所述分类器进行训练的训练模块。
7.根据权利要求6所述的基于工业系统角色划分的自动化系统,其特征在于,所述训练模块,包括:训练数据采集单元,用于获取预定时间段内多个预定时间点的训练温度值和训练湿度值,以及,所述生产线的工作状态是否正常的真实值;训练数据时序排列单元,用于将所述多个预定时间点的训练温度值和训练湿度值分别按照时间维度排列为训练温度时序输入向量和训练湿度时序输入向量;训练数据参数时序变化特征提取单元,用于将所述训练温度时序输入向量和训练湿度时序输入向量分别通过所述基于一维卷积神经网络模型的时序特征提取器以得到训练温度时序特征向量和训练湿度时序特征向量;训练特征增单元,用于使用高斯密度图对所述训练温度时序特征向量和所述训练湿度时序特征向量进行特征增强以得到训练温度时序特征矩阵和训练湿度时序特征矩阵;训练关联编码单元,用于对所述训练温度时序特征向量和所述训练湿度时序特征向量进行关联编码以得到训练温度-湿度关联特征矩阵;训练特征融合单元,用于融合所述训练温度时序特征矩阵、所述训练湿度时序特征矩阵和所述训练温度-湿度关联特征矩阵以得到训练分类特征矩阵;分类损失单元,用于将所述训练分类特征矩阵通过所述分类器以得到分类损失函数值;伪循环差异惩罚损失单元,用于计算所述训练温度时序特征向量和所述训练湿度时序特征向量的伪循环差异惩罚因数作为伪循环差异惩罚损失函数值;以及模型训练单元,用于以所述分类损失函数值和所述伪循环差异惩罚损失函数值的加权和作为损失函数值,并通过梯度下降的反向传播来对所述基于一维卷积神经网络模型的时序特征提取器和所述分类器进行训练。
8.根据权利要求7所述的基于工业系统角色划分的自动化系统,其特征在于,所述分类损失单元,包括:训练分类子单元,用于所述分类器以如下分类公式对所述训练分类特征矩阵进行处理以生成训练分类结果,其中,所述分类公式为: ,其中,表示将所述训练分类特征矩阵投影为向量,至为权重矩阵,至表示偏置矩阵;以及函数值计算子单元,用于计算所述训练分类结果与真实值之间的交叉熵值作为所述分类损失函数值。
9.根据权利要求8所述的基于工业系统角色划分的自动化系统,其特征在于,所述伪循环差异惩罚损失单元,用于:以如下损失公式计算所述训练温度时序特征向量和所述训练湿度时序特征向量的伪循环差异惩罚因数作为所述伪循环差异惩罚损失函数值;其中,所述损失公式为:,其中,是所述训练温度时序特征向量,是所述训练湿度时序特征向量,为所述训练温度时序特征向量和所述训练湿度时序特征向量之间的距离矩阵, 表示矩阵的frobenius范数,是特征向量的长度,是所述训练温度时序特征向量和所述训练湿度时序特征向量之间的距离,是向量的二范数,表示以2为底的对数函数,且 和为加权超参数,是所述伪循环差异惩罚损失函数值。
10.一种基于工业系统角色划分的自动化方法,其特征在于,包括:控制生产线的速度;监测所述生产线的温度和湿度;控制所述生产线中机械设备的动作。
技术总结本发明公开了一种基于工业系统角色划分的自动化系统及其方法,其控制生产线的速度;监测所述生产线的温度和湿度;以及,控制所述生产线中机械设备的动作。这样,通过将自动化系统划分为不同的模块,可以更有效地控制和管理整个系统,而且,还能够对于生产线的工作状态进行实时准确地监测,从而帮助企业能够及时发现问题并采取措施,保障生产线设备的正常运行和生产效率。
技术研发人员:李传可,吴武江,孙强
受保护的技术使用者:杭州国辰智企科技有限公司
技术研发日:技术公布日:2024/1/15