基于人工智能的預(yù)制梁場(chǎng)環(huán)形生產(chǎn)線(xiàn)智能加工管控方法

楊洋

（中鐵十一局集團(tuán)第二工程有限公司，廣東 江門(mén) 529000）

1 引言

當(dāng)今社會(huì)經(jīng)濟(jì)高速發(fā)展，人力成本逐年上升，推動(dòng)制造業(yè)及相關(guān)技術(shù)迅速發(fā)展。最具代表性的要屬預(yù)制梁場(chǎng)環(huán)形生產(chǎn)線(xiàn)加工結(jié)構(gòu)。此種生產(chǎn)線(xiàn)日常應(yīng)用相對(duì)較為廣泛，具有較強(qiáng)的加工針對(duì)性和完整性，對(duì)產(chǎn)品的處理較為細(xì)致，結(jié)合生產(chǎn)加工的實(shí)際需求，綜合提升管控質(zhì)量及效率。預(yù)制梁場(chǎng)環(huán)形生產(chǎn)線(xiàn)在應(yīng)用時(shí)為確保加工結(jié)果的可靠性，需要采用動(dòng)態(tài)化的智能加工管控方法進(jìn)行輔助支持，李智[1-2]等設(shè)定傳統(tǒng)PLC 環(huán)形生產(chǎn)線(xiàn)智能加工管控方法、傳統(tǒng)環(huán)形生產(chǎn)線(xiàn)智能加工管控環(huán)形生產(chǎn)線(xiàn)智能加工管控方法。這一類(lèi)方法雖然可以實(shí)現(xiàn)預(yù)期的管控目標(biāo)，但是較容易受到外部環(huán)境的影響及特定條件的限制，導(dǎo)致最終獲取的管控結(jié)果并不可靠、穩(wěn)定，為此提出對(duì)基于人工智能的預(yù)制梁場(chǎng)環(huán)形生產(chǎn)線(xiàn)智能加工管控方法的設(shè)計(jì)與分析。

人工智能技術(shù)的應(yīng)用遍布社會(huì)中的各個(gè)領(lǐng)域，相關(guān)的技術(shù)主要包括機(jī)器人技術(shù)、語(yǔ)言識(shí)別技術(shù)、自然語(yǔ)言處理技術(shù)、圖像識(shí)別技術(shù)及專(zhuān)家系統(tǒng)處理等[3]。將上述智能化控制形式與預(yù)制梁場(chǎng)環(huán)形生產(chǎn)線(xiàn)智能加工管控工作進(jìn)行融合，綜合實(shí)際的管控需求及標(biāo)準(zhǔn)，構(gòu)建更為靈活、多變的管控結(jié)構(gòu)，從多個(gè)角度展開(kāi)管理調(diào)節(jié)[4]。與此同時(shí)，在相關(guān)人工智能技術(shù)的輔助之下，綜合環(huán)形生產(chǎn)線(xiàn)的加工背景，進(jìn)行實(shí)際生產(chǎn)形式的創(chuàng)新和模擬，結(jié)合日常的生產(chǎn)加工任務(wù)逐步調(diào)節(jié)管控的標(biāo)準(zhǔn)，對(duì)所生產(chǎn)的產(chǎn)品進(jìn)行線(xiàn)上檢測(cè)，反饋質(zhì)量到上位機(jī)內(nèi)部，形成循環(huán)性的環(huán)形生產(chǎn)線(xiàn)智能加工管控結(jié)構(gòu)，為后續(xù)對(duì)應(yīng)關(guān)聯(lián)生產(chǎn)工作的執(zhí)行與搭接奠定基礎(chǔ)環(huán)境[5]。

2 設(shè)計(jì)環(huán)形生產(chǎn)線(xiàn)人工智能加工管控方法

2.1 管控初始數(shù)據(jù)采集及需求分析

傳統(tǒng)的預(yù)制梁場(chǎng)環(huán)形生產(chǎn)線(xiàn)在加工的過(guò)程中多為單向處理，以設(shè)定的管控目標(biāo)作為引導(dǎo)，構(gòu)建定向化的管控結(jié)構(gòu)，形成穩(wěn)定可控的管理體系[6]。但是這種形式的生產(chǎn)線(xiàn)管控在實(shí)際應(yīng)用的過(guò)程中也存在特定的弊端，例如：管控范圍常受到限制，管控標(biāo)準(zhǔn)不一致，管控的需求較多等，為此，在設(shè)計(jì)管控方法之前，需要采用人工智能技術(shù)中的數(shù)字孿生、多傳感信息融合、數(shù)據(jù)挖掘和加權(quán)平均法，實(shí)現(xiàn)對(duì)管控初始數(shù)據(jù)的采集，對(duì)管控需求進(jìn)行有效分析。

綜合實(shí)際的生產(chǎn)線(xiàn)管控目標(biāo)，首先采用數(shù)字孿生技術(shù)，將環(huán)形生產(chǎn)線(xiàn)的設(shè)備進(jìn)行連接，與數(shù)據(jù)采集系統(tǒng)進(jìn)行搭接關(guān)聯(lián)，逐步形成動(dòng)態(tài)化的傳輸路徑，便于后期的數(shù)據(jù)信息轉(zhuǎn)換和傳輸處理。然后需要在相關(guān)的設(shè)備中安裝傳感器裝置，通過(guò)多傳感信息融合技術(shù)將采集到的生產(chǎn)線(xiàn)運(yùn)行環(huán)境、運(yùn)行狀態(tài)數(shù)據(jù)進(jìn)行采集，使用數(shù)據(jù)挖掘技術(shù)，從原始數(shù)據(jù)中提取出數(shù)據(jù)特征。最后采用加權(quán)平均法融合來(lái)自多個(gè)傳感器的數(shù)據(jù)[7]，并結(jié)合已融合數(shù)據(jù)內(nèi)容，對(duì)管控需求進(jìn)行有效分析。設(shè)置集成采集指標(biāo)，見(jiàn)表1。

表1 集成采集指標(biāo)設(shè)置表

根據(jù)表1，完成對(duì)集成采集指標(biāo)的設(shè)置。需要注意的是，在基礎(chǔ)性的數(shù)據(jù)采集過(guò)程中，需要根據(jù)實(shí)際的采集需求及標(biāo)準(zhǔn)，設(shè)定對(duì)應(yīng)的集成采集階段，并構(gòu)建應(yīng)對(duì)型的數(shù)據(jù)采集目標(biāo)，過(guò)程中需要進(jìn)行管控需求的分析。這部分主要是針對(duì)日常的管控任務(wù)及管控指令作出對(duì)應(yīng)的劃分，逐步形成循環(huán)性的管控結(jié)構(gòu)，為后期智能生產(chǎn)線(xiàn)的創(chuàng)新及升級(jí)提供參考依據(jù)。

2.2 部署單元管控節(jié)點(diǎn)

預(yù)制梁場(chǎng)環(huán)形生產(chǎn)線(xiàn)在實(shí)際應(yīng)用的過(guò)程中，存在一定的針對(duì)性和穩(wěn)定性，同時(shí)在與其他應(yīng)用設(shè)備進(jìn)行關(guān)聯(lián)時(shí)，可以創(chuàng)造更大的控制范圍及空間，逐步形成多維的管控結(jié)構(gòu)，綜合實(shí)際的管控需求及標(biāo)準(zhǔn)，進(jìn)行單元管控節(jié)點(diǎn)的部署[8]。通常情況下，環(huán)形生產(chǎn)線(xiàn)在環(huán)境及需求的限制下，存在一定的應(yīng)用特征，能夠更好地獲取產(chǎn)品不同維度的數(shù)據(jù)、信息，進(jìn)而建立一個(gè)完備的信息程序，同時(shí)具備海量性、動(dòng)態(tài)性、異構(gòu)性、協(xié)同性及實(shí)時(shí)性等特點(diǎn)，所以在部署管控節(jié)點(diǎn)的過(guò)程中，需要綜合人工智能技術(shù)中的大數(shù)據(jù)技術(shù)和計(jì)算機(jī)視覺(jué)技術(shù)，構(gòu)建動(dòng)態(tài)化的管控點(diǎn)位結(jié)構(gòu)，如圖1 所示。

圖1 人工智能下動(dòng)態(tài)化管控點(diǎn)位結(jié)構(gòu)圖示

綜合圖1，完成對(duì)人工智能下動(dòng)態(tài)化管控點(diǎn)位結(jié)構(gòu)的設(shè)計(jì)與分析。通過(guò)計(jì)算機(jī)視覺(jué)技術(shù)實(shí)現(xiàn)環(huán)形生產(chǎn)線(xiàn)視頻數(shù)據(jù)識(shí)別采集，應(yīng)用大數(shù)據(jù)技術(shù)對(duì)采集數(shù)據(jù)進(jìn)行存儲(chǔ)、分析、處理，創(chuàng)建Hadoop 數(shù)據(jù)庫(kù)，將采集到的數(shù)據(jù)存儲(chǔ)在Hadoop 數(shù)據(jù)庫(kù)中，綜合構(gòu)建的點(diǎn)位框架，在對(duì)應(yīng)的位置上設(shè)定管控節(jié)點(diǎn)。但是需要注意的是，為提升生產(chǎn)線(xiàn)的加工質(zhì)量及效率，可以將不同區(qū)域的節(jié)點(diǎn)進(jìn)行定向常態(tài)化關(guān)聯(lián)，逐步形成一個(gè)穩(wěn)定、可靠的區(qū)域，各個(gè)區(qū)域之間針對(duì)環(huán)形生產(chǎn)線(xiàn)的加工情況，設(shè)定對(duì)應(yīng)的管控標(biāo)準(zhǔn)。綜合上述獲取的數(shù)據(jù)以及信息，測(cè)算出節(jié)點(diǎn)對(duì)環(huán)形生產(chǎn)線(xiàn)的定向管控范圍：

式中，H表示環(huán)形生產(chǎn)線(xiàn)的定向管控范圍，λ表示單向覆蓋距離，π表示跨越等效控制區(qū)域，i表示處理次數(shù)，ζ表示定向偏差，ν表示環(huán)形轉(zhuǎn)換范圍。根據(jù)上述測(cè)算，實(shí)現(xiàn)對(duì)環(huán)形生產(chǎn)線(xiàn)控制范圍的測(cè)算，將其設(shè)定為管控節(jié)點(diǎn)的可控范圍標(biāo)準(zhǔn)，為后續(xù)生產(chǎn)線(xiàn)的智能加工管控奠定基礎(chǔ)。

2.3 建立多維虛擬管控框架

與傳統(tǒng)的預(yù)制梁場(chǎng)環(huán)形生產(chǎn)線(xiàn)管控方式及需求不同的是，綜合人工智能技術(shù)，所構(gòu)建的多維虛擬管控框架相對(duì)更為靈活、多變，管控范圍及針對(duì)性會(huì)更強(qiáng)一些，一定程度上增加了一些輔助性的管控功能。環(huán)形生產(chǎn)線(xiàn)的管控框架多維定向型的，管控區(qū)域時(shí)常轉(zhuǎn)換，所以，需要依據(jù)設(shè)定的管控目標(biāo)作為引導(dǎo)，構(gòu)建對(duì)應(yīng)的多維虛擬管控層級(jí)，主要分為物理管控層、感知管控層、集成管控層、應(yīng)用管控層及用戶(hù)管控層幾部分。

融合人工智能技術(shù)中的計(jì)算機(jī)視覺(jué)技術(shù)，構(gòu)建多維度的虛擬管控空間。通過(guò)計(jì)算機(jī)視覺(jué)技術(shù)，可以獲取目標(biāo)在三維空間中的位置和姿態(tài)等信息，并將其投影到虛擬管控空間中進(jìn)行可視化呈現(xiàn)。虛擬管控空間可以包含多種類(lèi)型的信息，如環(huán)境拓?fù)浣Y(jié)構(gòu)、傳感器網(wǎng)絡(luò)、設(shè)備位置和人員活動(dòng)軌跡等，這些信息可以通過(guò)計(jì)算機(jī)視覺(jué)技術(shù)進(jìn)行實(shí)時(shí)更新，提供全面、實(shí)時(shí)的管控信息，方便從不同的角度觀察和分析管控信息，實(shí)現(xiàn)智能化的生產(chǎn)線(xiàn)加工管控。

依據(jù)管控內(nèi)容，將物理管控層、感知管控層劃定為基礎(chǔ)管控層級(jí)，與周?chē)渴鸬墓?jié)點(diǎn)關(guān)聯(lián)，集成管控層、應(yīng)用管控層劃定為項(xiàng)目處理層級(jí)，用戶(hù)管控層則為輔助層級(jí)。不同的管控層級(jí)分管對(duì)應(yīng)的管控任務(wù)及目標(biāo)，具體的多維虛擬管控框架如圖2 所示。

圖2 多維虛擬管控框架結(jié)構(gòu)圖示

根據(jù)圖2，完后對(duì)多維虛擬管控框架結(jié)構(gòu)的設(shè)計(jì)與分析。依據(jù)上述劃定的管控框架，調(diào)整日常的管控任務(wù)及目標(biāo)，形成循環(huán)性的動(dòng)態(tài)管控框架，逐步形成虛擬的三維模型構(gòu)架。

2.4 構(gòu)建人工智能動(dòng)態(tài)化生產(chǎn)線(xiàn)智能加工管控模型

當(dāng)前的預(yù)制梁場(chǎng)環(huán)形生產(chǎn)線(xiàn)智能加工方法雖然可以實(shí)現(xiàn)預(yù)期的處理目標(biāo)及任務(wù)，但是較容易受到外部環(huán)境及特定因素的影響，導(dǎo)致最終獲取的管控結(jié)果無(wú)法達(dá)到預(yù)期的標(biāo)準(zhǔn)，形成較為嚴(yán)重的關(guān)聯(lián)性問(wèn)題。為此綜合人工智能技術(shù)，構(gòu)建動(dòng)態(tài)化生產(chǎn)線(xiàn)智能加工管控模型。通過(guò)部署的智能化管控節(jié)點(diǎn)，采集各個(gè)區(qū)域環(huán)形生產(chǎn)線(xiàn)的管控加工數(shù)據(jù)、信息，設(shè)計(jì)定向的初始管控結(jié)構(gòu)，進(jìn)行模型基礎(chǔ)指標(biāo)參數(shù)的設(shè)定，見(jiàn)表2。

表2 生產(chǎn)線(xiàn)智能加工管控模型指標(biāo)參數(shù)設(shè)定表

根據(jù)表2，完成對(duì)生產(chǎn)線(xiàn)智能加工管控模型指標(biāo)參數(shù)的設(shè)定。綜合人工智能技術(shù)中的大數(shù)據(jù)技術(shù)、計(jì)算機(jī)視覺(jué)技術(shù)，構(gòu)建一個(gè)定向的管控程序，結(jié)合多傳感信息數(shù)據(jù)融合技術(shù)，形成多維加工管控邏輯，測(cè)算出此時(shí)的環(huán)形生產(chǎn)線(xiàn)標(biāo)準(zhǔn)運(yùn)行效率：

式中，N表示環(huán)形生產(chǎn)線(xiàn)標(biāo)準(zhǔn)運(yùn)行效率，O表示全覆蓋范圍，σ表示堆疊距離，υ表示同步加載值，e表示加載次數(shù)，ζ表示運(yùn)行幀率。綜合上述測(cè)算，完成對(duì)環(huán)形生產(chǎn)線(xiàn)標(biāo)準(zhǔn)運(yùn)行效率的測(cè)算，將其設(shè)定為模型初始的運(yùn)行標(biāo)準(zhǔn)，融合所構(gòu)建的多維虛擬管控框架，增設(shè)大數(shù)據(jù)輔助程序，實(shí)現(xiàn)人工智能動(dòng)態(tài)化生產(chǎn)線(xiàn)智能加工管控模型的設(shè)計(jì)。

2.5 人工智能輔助修正調(diào)度實(shí)現(xiàn)智能加工管控處理

輔助修正調(diào)度實(shí)際上是針對(duì)實(shí)際的管控需求及標(biāo)準(zhǔn)的變動(dòng)，對(duì)所下達(dá)的錯(cuò)誤指令進(jìn)行定向調(diào)節(jié)與修正的一種校正程序。隨著車(chē)間、生產(chǎn)線(xiàn)逐漸智能化、數(shù)字化，生產(chǎn)過(guò)程中客戶(hù)的需求在不斷變化，導(dǎo)致指令下達(dá)常常出現(xiàn)問(wèn)題，嚴(yán)重的甚至?xí)纬刹豢煽氐年P(guān)聯(lián)性生產(chǎn)事故，為此采用模糊邏輯方法對(duì)環(huán)形生產(chǎn)線(xiàn)指令調(diào)度問(wèn)題進(jìn)行輔助修正。模糊邏輯可以用于建立決策規(guī)則，在面對(duì)復(fù)雜和不確定的生產(chǎn)線(xiàn)指令時(shí)，模糊邏輯可以提供靈活的解決方案。通過(guò)定義合適的模糊集和模糊規(guī)則，輔助生產(chǎn)線(xiàn)指令的度，衡量不確定性和風(fēng)險(xiǎn)，從而更好地應(yīng)對(duì)生產(chǎn)線(xiàn)調(diào)度指令進(jìn)行輔助修正，降低日常的生產(chǎn)事故率。

控制設(shè)備中安裝傳感器，形成定向的傳感覆蓋范圍，與部署的節(jié)點(diǎn)搭接，設(shè)計(jì)修正原理，如圖3 所示。

圖3 人工智能輔助修正調(diào)度原理圖示

綜合圖3，完成對(duì)人工智能輔助修正調(diào)度原理的設(shè)計(jì)。利用設(shè)計(jì)的修正調(diào)度原理，實(shí)現(xiàn)基礎(chǔ)性管控目標(biāo)及任務(wù)，最大程度加強(qiáng)對(duì)管控問(wèn)題的控制，強(qiáng)化綜合環(huán)形生產(chǎn)線(xiàn)加工管控的能力，推動(dòng)該項(xiàng)技術(shù)實(shí)現(xiàn)進(jìn)一步的創(chuàng)新、升級(jí)。

3 方法測(cè)試

此次主要是對(duì)基于人工智能的預(yù)制梁場(chǎng)環(huán)形生產(chǎn)線(xiàn)智能加工管控方法的實(shí)際應(yīng)用效果進(jìn)行分析與研究驗(yàn)證?？紤]到最終測(cè)試結(jié)果的真實(shí)性與可靠性，采用對(duì)比的方式展開(kāi)分析。選定黃茅?？绾Ｍǖ繲6 段作為測(cè)試的主要背景環(huán)境，綜合真實(shí)的管控測(cè)試需求及標(biāo)準(zhǔn)，對(duì)最終獲取的測(cè)試結(jié)果比照驗(yàn)證研究，接下來(lái)，綜合實(shí)際的管控要求，進(jìn)行基礎(chǔ)性測(cè)試環(huán)境的關(guān)聯(lián)搭建。

3.1 測(cè)試準(zhǔn)備

綜合人工智能等相關(guān)技術(shù)，搭建預(yù)制梁場(chǎng)環(huán)形生產(chǎn)線(xiàn)智能加工管控方法測(cè)試的基礎(chǔ)性測(cè)試環(huán)境。針對(duì)黃茅?？绾Ｍǖ繲6 段工程的5 條預(yù)制梁環(huán)形生產(chǎn)線(xiàn)進(jìn)行測(cè)試。在管控模型之中構(gòu)建可視化控制模塊和過(guò)程輔助控制模塊，與部署的節(jié)點(diǎn)形成定向的關(guān)聯(lián)搭接之后，在生產(chǎn)線(xiàn)上營(yíng)造穩(wěn)定、安全的測(cè)試環(huán)境。

選定3 批次產(chǎn)品作為測(cè)定的目標(biāo)對(duì)象，預(yù)設(shè)50 條管控任務(wù)，綜合設(shè)計(jì)工程建設(shè)的需求及標(biāo)準(zhǔn)，進(jìn)行相關(guān)測(cè)定指標(biāo)數(shù)值的調(diào)整，見(jiàn)表3。

表3 測(cè)試管控指標(biāo)數(shù)值調(diào)整表

綜合表3，實(shí)現(xiàn)對(duì)測(cè)試管控指標(biāo)數(shù)值的設(shè)置與調(diào)整。結(jié)合預(yù)設(shè)的管控任務(wù)及目標(biāo)的執(zhí)行需求標(biāo)準(zhǔn)，完成基礎(chǔ)測(cè)試環(huán)境的搭建，接下來(lái)，綜合人工智能技術(shù)，進(jìn)行具體的驗(yàn)證與分析。

3.2 測(cè)試過(guò)程及結(jié)果分析

在上述搭建的測(cè)試環(huán)境之中，結(jié)合人工智能化技術(shù)，對(duì)該種環(huán)形生產(chǎn)線(xiàn)加工管控方法進(jìn)行具體的測(cè)驗(yàn)分析。在基礎(chǔ)的控制系統(tǒng)中輸入50 條預(yù)設(shè)的管控任務(wù)及目標(biāo)，針對(duì)標(biāo)定的5 條預(yù)制梁環(huán)形生產(chǎn)線(xiàn)進(jìn)行加工管控。分三個(gè)階段對(duì)三個(gè)批次的產(chǎn)品加工處理，設(shè)定實(shí)際的管控周期為1.5h，每一個(gè)管控周?chē)枰霉?jié)點(diǎn)采集對(duì)應(yīng)的數(shù)據(jù)、信息，匯總整合，以待后續(xù)使用。測(cè)定初始的環(huán)形生產(chǎn)線(xiàn)平均加工管控時(shí)間，作為比照的標(biāo)準(zhǔn)，基于此，測(cè)算平均加工管控時(shí)間：

式中，P表示平均加工管控時(shí)間，h表示加工定時(shí)偏差，t表示重復(fù)加工次數(shù)，δ表示定向加工頻率，η表示設(shè)定加工范圍，φ表示目標(biāo)函數(shù)，y表示調(diào)度次數(shù)。綜合上述測(cè)定，完成對(duì)測(cè)試結(jié)果的對(duì)比分析，如圖4 所示。

圖4 測(cè)試結(jié)果對(duì)比分析圖示

綜合圖4，完成對(duì)測(cè)試結(jié)果的對(duì)比分析：針對(duì)5 條預(yù)制梁環(huán)形生產(chǎn)線(xiàn)，測(cè)試得出的平均加工管控時(shí)間最終被較好地控制在1.5s 以下，這說(shuō)明該種生產(chǎn)線(xiàn)加工管控方法效果更佳，管控范圍得到了進(jìn)一步的擴(kuò)大，日常的管控誤差可控，具有實(shí)際的應(yīng)用創(chuàng)新價(jià)值。

4 結(jié)束語(yǔ)

通過(guò)對(duì)基于人工智能的預(yù)制梁場(chǎng)環(huán)形生產(chǎn)線(xiàn)智能加工管控方法的設(shè)計(jì)與驗(yàn)證分析，對(duì)比傳統(tǒng)的生產(chǎn)線(xiàn)管控方法，此次綜合人工智能附屬的相關(guān)技術(shù)，所構(gòu)建的管控結(jié)構(gòu)變得更為靈活、多變，生產(chǎn)線(xiàn)自身的管控針對(duì)性也得到了進(jìn)一步的提升。此外，人工智能技術(shù)還可以更好地?cái)U(kuò)大實(shí)際的管控范圍，通過(guò)現(xiàn)場(chǎng)安裝、調(diào)試以及運(yùn)行等測(cè)定方式，充分發(fā)揮出人工智能生產(chǎn)線(xiàn)管控的優(yōu)勢(shì)，日常的管控效率及質(zhì)量也大幅度提升，逐步形成了同時(shí)具有開(kāi)放性質(zhì)、穩(wěn)定性、完整性、靈活性的生產(chǎn)線(xiàn)管控結(jié)構(gòu)，推動(dòng)我國(guó)智能化制造實(shí)現(xiàn)全面發(fā)展。