[发明专利]智能产线动态误差预测系统、控制系统、控制方法及数字孪生系统

权利要求书

1.一种智能产线动态误差预测系统，其特征在于：包括第一计算层、第二计算层、数据采集单元(10)、数据库(40)和中央处理器(60)；

所述数据采集单元(10)用于采集智能产线的生产和设备数据；所述数据库(40)接收所述数据采集单元(10)采集得到的数据并存储作为历史数据；

所述第一计算层包括第一服务器，所述第一服务器内设有数据处理单元(20)和误差预测单元(30)，所述数据处理单元(20)接收所述数据采集单元(10)采集得到的实时数据并对实时数据进行处理；所述误差预测单元(30)接收经所述数据处理单元(20)处理后的实时数据并预测智能产线的动态误差；

所述第二计算层包括第二服务器，所述第二服务器内设有动态误差预测模型训练单元(50)；所述误差预测单元(30)和动态误差预测模型训练单元(50)内分别设有动态误差预测模型，所述动态误差预测模型训练单元(50)接收所述数据库(40)内的历史数据并对设置在其内的所述动态误差预测模型进行训练；

所述中央处理器(60)接收经所述动态误差预测模型训练单元(50)训练后的所述动态误差预测模型、并将该训练后的所述动态误差预测模型传输至所述误差预测单元(30)以更新所述误差预测单元(30)内的所述动态误差预测模型；

所述动态误差预测模型采用SOA-LSTM误差预测模型，所述SOA-LSTM误差预测模型的构建方法包括如下步骤：

1)初始化参数：初始化海鸥优化算法(SOA)的参数，并将LSTM神经网络的权重和阈值编码为初始海鸥种群；

2)初始化所述海鸥种群中的每个海鸥的位置；

3)计算海鸥的适应度并找到最佳的海鸥位置P_best(x)；

4)根据最佳的海鸥位置P_best(x)更新每个海鸥的位置；

5)判断是否达到最大迭代次数或达到所需的精度：若是，则输出最终的P_best(x)作为最佳的海鸥位置；若否，则返回步骤3)；

6)将最终的P_best(x)解码为权重和阈值后输入LSTM误差预测模型，得到SOA-LSTM误差预测模型。

2.根据权利要求1所述的智能产线动态误差预测系统，其特征在于：所述第一计算层为边缘计算层，所述第一服务器为边缘服务器；所述第二计算层为云计算层，所述第二服务器为云服务器。

3.一种智能产线动态误差控制系统，其特征在于：包括如权利要求1或2所述智能产线动态误差预测系统和误差补偿单元，所述误差补偿单元内设有误差补偿模型；所述误差补偿单元接收所述误差预测单元(30)预测得到的误差预测值、并在所述误差预测值大于预设范围时启动误差补偿模型计算误差补偿分量。

4.一种采用如权利要求3所述智能产线动态误差控制系统的智能产线动态误差控制方法，其特征在于：包括如下步骤：

1)利用数据采集单元(10)采集智能产线的生产和加工设备数据；

2)将数据采集单元(10)采集得到的实时数据经数据处理单元(20)处理后输入误差预测单元(30)，利用动态误差预测模型预测误差并得到误差预测值；

3)当误差预测值大于预设范围时启动误差补偿模型，计算三个方向误差补偿分量，所述误差补偿分量的大小与所述误差预测值相等但方向相反；

4)循环步骤1)至步骤3)，直至智能产线的生产加工任务完成。