[发明专利]面向自适应调度与无人生产线协同的智能预警方法和系统

说明书

本发明提供了一种面向自适应调度与无人生产线协同的智能预警方法和系统，涉及智能制造技术领域。基于扩展置信规则库中的扩展置信规则构建最小生成树结构以改变激活规则的搜索过程，极大的方便了规则的索引。通过计算测试数据与规则库中的规则的相似度，选择相似度最高的规则以及在最小生成树中与该规则直接相连的规则作为备选激活规则，能够实现更精确的定位和激活。最终实现提高设备载荷预测精度的目的，进而及时通过报警装置发出警报，使设备断电，以待维修人员检修。

技术领域

本发明涉及智能制造技术领域，具体涉及一种面向自适应调度与无人生产线协同的智能预警方法和系统。

背景技术

无人生产线上的每个加工设备都具有一定的承载能力，若超过额定载荷，可能会出现设备损耗严重、设备功能性下降甚至报废，进而导致生产制造效率下降，这对企业的生产活动造成的影响无疑是恶劣的。以机车制动盘加工生产线布局为例，打磨制动盘的机器人负荷能力有限，若长时间高速运转不仅会损伤打磨刀头，而且可能会导致刀头移位，进而使得工件打磨过程出现细小的误差，最终可能会得到瑕疵工件。对设备载荷进行预警不仅能降低瑕疵产品的概率，还能保证按时完成产品的加工，延长设备的服役寿命，降低更换设备的成本。因此对设备载荷进行预警是无人生产线上协同调度过程中不可或缺的一环。

现有的基于扩展置信规则库的预警方法包括两个组成模块，一个是扩展置信规则库模块，一个是推理模块。扩展置信规则库模块是将数据转换成知识库以获取规则之间的非线性不确定关系；推理模块是一个根据测试数据激活相应的规则并通过解析证据推理算法集结激活规则产生推理结果的过程。

步骤1：构建扩展置信规则库；

步骤2：扩展置信规则库推理过程；

步骤3：载荷预警。

但上述方法是基于数据转换而来的规则构建的规则库，该方法将信念分布引入到前提属性的描述当中，使得扩展置信规则系统与置信规则系统相比能够更有效的处理不确定信息，并且该方法有效的解决了置信规则系统中存在的组合爆炸问题。

然而该方法依然存在一些缺陷，具体如下：

(1)该方法确定的激活规则较多，几乎会涉及整个规则库中的所有扩展置信规则，无法实现激活规则的精确定位，进而使得该方法的载荷预警效率降低。

(2)该方法激活的规则间存在较高的不一致性，这种不一致性的存在一方面是数据冲突的结果，另一方面是确定激活规则的方法的不足。从而导致噪音规则增多，难以精准实现载荷预警。

以上两个方面的缺陷导致现有扩展置信规则方法得到的预测精度较差，不能够得到较好的预测结果。

发明内容

(一)解决的技术问题

针对现有方法的不足，本发明提供了一种面向自适应调度与无人生产线协同的智能预警方法和系统，解决了现有扩展置信规则方法得到的预测精度较差的问题。

(二)技术方案

为实现以上目的，本发明通过以下技术方案予以实现：

一种面向自适应调度与无人生产线协同的智能预警方法，该方法包括：

基于载荷指标的参考值范围，获取训练数据和测试数据；

基于训练数据，构建扩展置信规则库；

基于扩展置信规则库构建加权全连接图；

构建加权全连接图的最小生成树；

基于测试数据，选择备选激活规则；

基于备选激活规则，对扩展置信规则库进行推理，输出预测结果。

进一步的，所述基于载荷指标的参考值范围，获取训练数据和测试数据包括: