本發(fā)明涉及涂布生產(chǎn)控制，具體為紡粘無紡布生產(chǎn)線精密涂布固化生產(chǎn)智能控制系統(tǒng)。

背景技術(shù)：

1、傳統(tǒng)的涂布生產(chǎn)控制系統(tǒng)在操作過程中通常依賴于預(yù)設(shè)的生產(chǎn)參數(shù)和固定的流程，而缺乏實(shí)時(shí)的數(shù)據(jù)收集和分析能力；首先，傳統(tǒng)系統(tǒng)通常在開始生產(chǎn)之前，通過歷史經(jīng)驗(yàn)和初步測試確定一組生產(chǎn)參數(shù)，并依據(jù)這些參數(shù)進(jìn)行連續(xù)的涂布生產(chǎn)。然而，這樣的系統(tǒng)對生產(chǎn)過程中可能出現(xiàn)的變量變化缺乏反應(yīng)能力，例如材料特性、環(huán)境條件或設(shè)備狀態(tài)的變化。從質(zhì)量控制角度看，傳統(tǒng)系統(tǒng)可能會(huì)在預(yù)定的檢查點(diǎn)對生產(chǎn)質(zhì)量進(jìn)行評估，但這些評估通常是間斷的，而非持續(xù)的。由于缺乏實(shí)時(shí)的厚度均值和標(biāo)準(zhǔn)差計(jì)算，傳統(tǒng)系統(tǒng)難以精確控制涂布的均勻性，可能導(dǎo)致厚度不一致的問題。

2、此外，對于光滑度指標(biāo)，傳統(tǒng)方法通常依賴簡單的測量工具進(jìn)行檢查，無法提前發(fā)現(xiàn)并糾正表面粗糙度的細(xì)微變化，可能導(dǎo)致最終產(chǎn)品的光滑度不達(dá)標(biāo)。由于無法根據(jù)實(shí)時(shí)數(shù)據(jù)進(jìn)行優(yōu)化，調(diào)整生產(chǎn)參數(shù)的過程變得遲緩且不準(zhǔn)確，生產(chǎn)線上出現(xiàn)的質(zhì)量問題常常得不到及時(shí)有效的解決。比如，在發(fā)現(xiàn)問題時(shí)再進(jìn)行參數(shù)調(diào)整，這個(gè)滯后的調(diào)整過程導(dǎo)致大量產(chǎn)品需要返工或報(bào)廢，造成資源浪費(fèi)和生產(chǎn)效率的下降。傳統(tǒng)系統(tǒng)在質(zhì)量控制和生產(chǎn)效率方面明顯表現(xiàn)出劣勢，因?yàn)槠淙狈?shù)據(jù)驅(qū)動(dòng)的智能決策能力和持續(xù)優(yōu)化的機(jī)制，最終難以穩(wěn)定地生產(chǎn)出高質(zhì)量的產(chǎn)品。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的在于提供紡粘無紡布生產(chǎn)線精密涂布固化生產(chǎn)智能控制系統(tǒng)，以解決上述背景技術(shù)中提出的問題。

2、為實(shí)現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：紡粘無紡布生產(chǎn)線精密涂布固化生產(chǎn)智能控制系統(tǒng)，其特征在于，包括數(shù)據(jù)收集模塊、數(shù)據(jù)分析模塊和出品與優(yōu)化模塊，其中：

3、所述數(shù)據(jù)收集模塊收集歷史涂布數(shù)據(jù)，以及收集涂布生產(chǎn)設(shè)備所產(chǎn)生的當(dāng)前涂布圖像數(shù)據(jù)；

4、所述數(shù)據(jù)分析模塊根據(jù)當(dāng)前涂布圖像數(shù)據(jù)，計(jì)算均值和標(biāo)準(zhǔn)差，并根據(jù)所述均值和標(biāo)準(zhǔn)差計(jì)算當(dāng)前均勻性評分；以及計(jì)算當(dāng)前涂布圖像數(shù)據(jù)均方根粗糙度，并將均方根粗糙度反向映射為當(dāng)前光滑度評分；

5、所述數(shù)據(jù)分析模塊根據(jù)歷史涂布數(shù)據(jù)，利用分位數(shù)統(tǒng)計(jì)方法計(jì)算出最佳均勻性評分和光滑度評分，并通過當(dāng)前涂布圖像數(shù)據(jù)所得出的當(dāng)前均勻性評分和當(dāng)前光滑度評分，基于最佳均勻性評分和光滑度評分進(jìn)行分類；

6、所述出品與優(yōu)化模塊根據(jù)所述數(shù)據(jù)分析模塊中的分類結(jié)果，進(jìn)行優(yōu)先出品和優(yōu)化生產(chǎn)參數(shù)指令的執(zhí)行，其中：

7、若當(dāng)前涂布圖像數(shù)據(jù)屬于待出貨涂布時(shí)，將當(dāng)前涂布圖像數(shù)據(jù)所對應(yīng)的涂布作為優(yōu)先出品；

8、若當(dāng)前涂布圖像數(shù)據(jù)屬于待優(yōu)化涂布時(shí)，根據(jù)所述當(dāng)前均勻性評分和當(dāng)前光滑度評分生成優(yōu)化生產(chǎn)參數(shù)指令，調(diào)整涂布設(shè)備生產(chǎn)參數(shù)，調(diào)整之后，所述數(shù)據(jù)收集模塊重新收集當(dāng)前涂布圖像數(shù)據(jù)，并通過上述相同的邏輯循環(huán)執(zhí)行數(shù)據(jù)分析模塊和出品與優(yōu)化模塊。

9、作為本技術(shù)方案的進(jìn)一步改進(jìn)，所述數(shù)據(jù)收集模塊收集的數(shù)據(jù)包括歷史涂布數(shù)據(jù)和當(dāng)前涂布圖像數(shù)據(jù)，其中歷史涂布數(shù)據(jù)包括過去的設(shè)備生產(chǎn)參數(shù)、歷史質(zhì)量評分和出品情況，其中質(zhì)量評分為歷史均勻性評分和歷史光滑度評分；當(dāng)前涂布圖像數(shù)據(jù)為不同位置的涂布厚度數(shù)據(jù)。

10、作為本技術(shù)方案的進(jìn)一步改進(jìn)，所述數(shù)據(jù)分析模塊包括當(dāng)前評分單元，所述當(dāng)前評分單元根據(jù)當(dāng)前涂布圖像數(shù)據(jù)，計(jì)算當(dāng)前涂布圖像數(shù)據(jù)所對應(yīng)的厚度均值和標(biāo)準(zhǔn)差，并根據(jù)厚度均值和標(biāo)準(zhǔn)差計(jì)算當(dāng)前均勻性評分，具體包括：

11、厚度均值的計(jì)算公式：；

12、厚度標(biāo)準(zhǔn)差的計(jì)算公式：；其中是第個(gè)位置的厚度，是不同位置的涂布厚度數(shù)據(jù)的樣本數(shù)量；

13、通過均值和標(biāo)準(zhǔn)差計(jì)算當(dāng)前均勻性評分，公式為。

14、作為本技術(shù)方案的進(jìn)一步改進(jìn)，所述當(dāng)前評分單元計(jì)算當(dāng)前涂布圖像數(shù)據(jù)的均方根粗糙度的過程如下：

15、對圖像進(jìn)行濾波以去除噪聲；

16、計(jì)算圖像的梯度以檢測表面紋理和不平整區(qū)域；

17、計(jì)算圖像中灰度值的均方根粗糙度，公式為，其中，是圖像在點(diǎn)處的灰度值，是圖像的平均灰度值，和是圖像的寬度和高度；

18、將均方根粗糙度反向映射為當(dāng)前光滑度評分，公式為：。

19、作為本技術(shù)方案的進(jìn)一步改進(jìn)，所述數(shù)據(jù)分析模塊包括最佳評分單元，所述最佳評分單元根據(jù)歷史涂布數(shù)據(jù)，利用分位數(shù)統(tǒng)計(jì)方法計(jì)算出最佳均勻性評分和最佳光滑度評分范圍，并通過當(dāng)前涂布圖像數(shù)據(jù)所得出的當(dāng)前均勻性評分和當(dāng)前光滑度評分，基于最佳均勻性評分和光滑度評分的范圍進(jìn)行分類，分類結(jié)果包括待出貨涂布和待優(yōu)化涂布，計(jì)算和分類過程具體包括：

20、提取出品情況為已出品的歷史涂布數(shù)據(jù)，將已出品的歷史涂布數(shù)據(jù)按照歷史均勻性評分和歷史光滑度評分從大到小的順序進(jìn)行排序，并選擇50%分位數(shù)和75%分位數(shù)作為最佳均勻性評分和最佳光滑度評分的范圍；

21、將當(dāng)前均勻性評分處于最佳均勻性評分范圍內(nèi)且當(dāng)前光滑度評分處于最佳均勻性評分范圍內(nèi)的當(dāng)前涂布圖像數(shù)據(jù)作為待出貨涂布，否則作為待優(yōu)化涂布。

22、作為本技術(shù)方案的進(jìn)一步改進(jìn)，所述出品與優(yōu)化模塊根據(jù)最佳評分單元的分類結(jié)果以及當(dāng)前均勻性評分和當(dāng)前光滑度評分生成優(yōu)化生產(chǎn)參數(shù)指令，其中：

23、若當(dāng)前涂布圖像數(shù)據(jù)屬于待優(yōu)化涂布時(shí)，根據(jù)所述當(dāng)前均勻性評分和當(dāng)前光滑度評分生成優(yōu)化生產(chǎn)參數(shù)指令，具體包括：

24、根據(jù)當(dāng)前涂布圖像數(shù)據(jù)所對應(yīng)的當(dāng)前均勻性評分和當(dāng)前光滑度評分，確定優(yōu)化目標(biāo)，其中：若只有當(dāng)前均勻性評分超出最佳均勻性評分范圍，則確定提高均勻性評分為優(yōu)化目標(biāo)；若只有當(dāng)前光滑度評分超出最佳光滑度評分范圍，則確定提高光滑度評分為優(yōu)化目標(biāo)；若兩者都超出對應(yīng)的最佳評分，則確定提高均勻性評分和光滑度評分為優(yōu)化目標(biāo)。

25、作為本技術(shù)方案的進(jìn)一步改進(jìn)，所述出品與優(yōu)化模塊根據(jù)優(yōu)化目標(biāo)，選擇對應(yīng)的優(yōu)化模型，其中優(yōu)化模型包括均勻性優(yōu)化模型和光滑度優(yōu)化模型，具體包括：

26、均勻性優(yōu)化模型的建立：提取出品情況為已出品的歷史涂布數(shù)據(jù)，并將歷史均勻性評分作為目標(biāo)變量，設(shè)備生產(chǎn)參數(shù)作為輸入變量，利用多變量回歸算法進(jìn)行均勻性優(yōu)化模型的建立；

27、光滑度優(yōu)化模型的建立：提取出品情況為已出品的歷史涂布數(shù)據(jù)，并將歷史光滑度評分作為目標(biāo)變量，設(shè)備生產(chǎn)參數(shù)作為輸入變量，利用多變量回歸算法進(jìn)行光滑度優(yōu)化模型的建立；

28、根據(jù)建立好的優(yōu)化模型以及確定的優(yōu)化模型，確定對應(yīng)的設(shè)備生產(chǎn)參數(shù)，生成優(yōu)化參數(shù)指令，并調(diào)整涂布設(shè)備生產(chǎn)參數(shù)，調(diào)整之后，數(shù)據(jù)收集模塊重新收集當(dāng)前涂布圖像數(shù)據(jù)，并通過上述相同的邏輯循環(huán)執(zhí)行數(shù)據(jù)分析模塊和出品與優(yōu)化模塊，直到完成所有當(dāng)前涂布圖像數(shù)據(jù)所對應(yīng)的涂布屬于待出貨涂布。

29、與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果是：

30、1、該紡粘無紡布生產(chǎn)線精密涂布固化生產(chǎn)智能控制系統(tǒng)根據(jù)歷史涂布數(shù)據(jù)，利用分位數(shù)統(tǒng)計(jì)方法計(jì)算出最佳均勻性評分和光滑度評分，不僅僅可以對當(dāng)前涂布圖像數(shù)據(jù)進(jìn)行分類，還可以確定優(yōu)化目標(biāo)；這一過程基于大量歷史數(shù)據(jù)，通過提取已出品的歷史涂布數(shù)據(jù)，并對這些數(shù)據(jù)按照歷史的質(zhì)量評分進(jìn)行排序，利用50%分位數(shù)和75%分位數(shù)來確定最佳評分范圍，形成了一個(gè)科學(xué)且可靠的標(biāo)準(zhǔn)；這樣的量化標(biāo)準(zhǔn)在當(dāng)前涂布圖像數(shù)據(jù)評估中發(fā)揮了重要作用，不僅明確了哪些產(chǎn)品可以立即出貨，哪些需要進(jìn)一步優(yōu)化，而且為優(yōu)化過程提供了明確的目標(biāo)。這種基于數(shù)據(jù)驅(qū)動(dòng)的方法，通過數(shù)字化和統(tǒng)計(jì)方法，增強(qiáng)了系統(tǒng)的智能性和決策的精確性，使得生產(chǎn)線能夠更好地應(yīng)對生產(chǎn)過程中的變量變化；

31、2、該紡粘無紡布生產(chǎn)線精密涂布固化生產(chǎn)智能控制系統(tǒng)根據(jù)當(dāng)前均勻性評分和當(dāng)前光滑度評分，基于最佳均勻性評分和光滑度評分進(jìn)行分類；以及根據(jù)當(dāng)前均勻性評分和當(dāng)前光滑度評分生成優(yōu)化生產(chǎn)參數(shù)指令，通過確定對應(yīng)的優(yōu)化目標(biāo)選擇對應(yīng)的優(yōu)化模型，這種方法使得系統(tǒng)能夠在生產(chǎn)過程中進(jìn)行實(shí)時(shí)的質(zhì)量監(jiān)控和動(dòng)態(tài)調(diào)整；具體而言，當(dāng)涂布生產(chǎn)過程中，系統(tǒng)實(shí)時(shí)獲取當(dāng)前涂布圖像數(shù)據(jù)并計(jì)算出厚度均值和標(biāo)準(zhǔn)差，從而生成當(dāng)前均勻性評分，并計(jì)算出光滑度評分；然后，根據(jù)當(dāng)前評分與歷史最佳評分范圍的比較，自動(dòng)將產(chǎn)品分類為待出貨涂布或待優(yōu)化涂布；當(dāng)產(chǎn)品被分類為待優(yōu)化涂布時(shí)，系統(tǒng)會(huì)根據(jù)當(dāng)前的質(zhì)量評分確定是否需要提高均勻性或光滑度，或者雙重優(yōu)化目標(biāo)，再應(yīng)用相應(yīng)的優(yōu)化模型生成新的生產(chǎn)參數(shù)，保證產(chǎn)品質(zhì)量穩(wěn)定在高水平；

32、3、該紡粘無紡布生產(chǎn)線精密涂布固化生產(chǎn)智能控制系統(tǒng)整體運(yùn)用到的方法以及循環(huán)過程，包括從數(shù)據(jù)收集、實(shí)時(shí)質(zhì)量評價(jià)、到生產(chǎn)參數(shù)優(yōu)化和循環(huán)調(diào)整，通過一個(gè)閉環(huán)控制系統(tǒng)，使得生產(chǎn)線能持續(xù)保持最優(yōu)狀態(tài)。數(shù)據(jù)收集模塊定期從公共數(shù)據(jù)庫中提取歷史數(shù)據(jù)和當(dāng)前實(shí)時(shí)生產(chǎn)數(shù)據(jù)，數(shù)據(jù)分析模塊在當(dāng)前涂布質(zhì)量評估后生成詳細(xì)的質(zhì)量評分，并分類當(dāng)前產(chǎn)品。同時(shí)，出品與優(yōu)化模塊根據(jù)分類結(jié)果執(zhí)行優(yōu)先出品和優(yōu)化命令，調(diào)整生產(chǎn)參數(shù)以實(shí)現(xiàn)最佳生產(chǎn)效果。每次調(diào)整后，系統(tǒng)重新開始數(shù)據(jù)收集和分析，如此反復(fù)，形成了一個(gè)自動(dòng)化的智能控制循環(huán)。這種方法不僅提高了生產(chǎn)效率，還確保了產(chǎn)品質(zhì)量的一致性和穩(wěn)定性，大大減少了人為干預(yù)的可能性，成就了紡粘無紡布生產(chǎn)過程中精密涂布固化生產(chǎn)的高智能化和高精度控制。