一种基于数据的智能注塑设备检测装置检测频率决策方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN109190892A(43)申请公布日2019.01.11(21)申请号201810847313.9(22)申请日2018.07.27(71)申请人广东工业大学地址510062广东省广州市大学城外环西路100号(72)发明人徐雍刘畅鲁仁全李攀硕饶红霞(74)专利代理机构广东广信君达律师事务所44329代理人杨晓松(51)Int.Cl.G06Q10/06(2012.01)G06Q50/04(2012.01)权利要求书2页说明书6页附图1页(54)发明名称一种基于数据的智能注塑设备检测装置检测频率决策方法(57)摘要本发明涉及设备检测技术领域，具体涉及了一种基于数据的智能注塑设备检测装置检测频率决策方法及装置、以及存储介质、计算机，本发明通过利用神经网络模型，结合设备的运行数据对设备检测装置检测频率进行决策，保证采集到足够的系统状态信息来设计控制律同时，提高智能注塑设备的效率和稳定性及其可靠性，最大限度优化设备的执行控制率的有效性、设备的安全性、产品质量、以及使用期限，进而利用预设专家经验设备报废指标，判断设备是否处于报废，为设备及时采买更换提供依据，能够优化智能注塑设备检测装置的检测频率，同时保证采集到足够的系统状态信息来设计控制律，提高了智能注塑设备的效率和稳定性及其可靠性，具有很强的创造性。CN109190892ACN109190892A权利要求书1/2页1.一种基于数据的智能注塑设备检测装置检测频率决策方法，其特征在于：包括以下步骤：1)获取智能注塑设备的运行数据；2)构建基于神经网络模型的智能注塑设备检测装置检测频率决策模型；3)利用预先训练的智能注塑设备检测装置检测频率决策模型，根据所述智能注塑设备的运行数据，确定所述智能注塑设备检测装置检测频率决策结果；4)建立专家经验设备报废指标模型；5)利用预设专家经验设备报废指标，判断设备是否处于报废。2.根据权利要求1所述智能注塑设备检测装置检测频率决策方法，其特征在于：所述运行数据中包括正在使用的智能注塑设备的运行参数X、停机检测损耗指标D、已检测次数N、产品参数与标称参数绝对误差E。3.根据权利要求1所述智能注塑设备检测装置检测频率决策方法，其特征在于：所述步骤2)的构建包括以下内容：构建第一层为所述智能注塑设备运行数据输入层、第二层为所述智能注塑设备运行数据特征提取层、第三层为智能注塑设备检测装置检测频率决策结果层的三层深度神经网络模型，其中智能注塑设备检测装置检测频率决策模型权重的确定，随机初始化权重初始，利用所述智能注塑设备运行数据及最小检测装置检测频率f1作为输入输出数据，利用BP反向传播算法训练神经网络模型得到智能注塑设备检测装置检测频率决策模型的权重。4.根据权利要求1所述智能注塑设备检测装置检测频率决策方法，其特征在于：所述步骤3)利用预先训练的智能注塑设备检测装置检测频率决策模型，根据所述智能注塑设备运行数据，首先确定智能注塑设备运行数据的特征向量，进而确定所述智能注塑设备检测装置检测频率决策结果。5.根据权利要求1所述智能注塑设备检测装置检测频率决策方法，其特征在于：所述步骤4)利用专家知识库数据，根据各个专家综合可信度，确定智能注塑设备所述特征向量对应的期望设备报废指标。6.根据权利要求5所述智能注塑设备检测装置检测频率决策方法，其特征在于：所述设备报废指标包括：①最小频率指标f1，是指保证控制器采集足够的系统状态信息并能够执行有效控制率的最小采集频率，有专家经验知识库获取；②产品参数与标称参数最大绝对误差E1，是指实际产品与标准产品参数的绝对值误差，保证产品质量的关键指标；③停机检测损耗指标D1，是指每次检测的损耗在已检测次数N1上的累加，设备损耗达到损耗阈值及时采买更换，保障设备的安全可靠性；所述各个专家的综合可信度为：假设一组专家A1、A1、…、An的可信度为P1、P2、…、Pn，则称为专家关于A1、A1、…、An的综合可信度。7.根据权利要求1所述智能注塑设备检测装置检测频率决策方法，其特征在于：所述步2CN109190892A权利要求书2/2页骤5)利用智能注塑设备检测装置检测频率决策结果f和前述实际产品参数与标准产品参数误差E、停机检测损耗D和专家经验设备报废指标进行对比，即是E≤E1、D≤D1、f1≤f，有一项指标不满足，则进行报废处理。8.一种智能注塑设备检测装置检测频率决策装置，其特征在于：包括数据获取模块、智能注塑设备检测装置检测频率决策模型构建模块、决策模块、专家经验设备报废指标模型构建模块和判断模块；所述数据获取模块用于获取智能注塑设备的运行数据；所述智能注塑设备检测装置检测频率决策模型构建模块用于构建基于神经网络模型的智能注塑设备检测装置检测频率决策