基于工业互联网的注塑设备检测方法、装置、设备及介质与流程

1.本发明涉及异常检测技术领域，尤其涉及一种基于工业互联网的注塑设备检测方法、装置、设备及介质。


背景技术：

2.随着工业、制造业、电力等行业的发展，市场对工业、制造业、电力等行业内的各类设备的性能需求也越来越高。以制造业为例，市场对注塑车间设备的异常检测的准确度和实时性的要求就较为严苛。
3.目前，注塑车间设备的异常检测是对设备的各项运行信息进行量化，确定各运行信息的评判值，操作人员基于评判经验对各评判值进行评判，确认设备是否存在异常。但是，现有技术中的异常检测方案只能检测出单一变量引起的异常，不能识别由多个变量共同引起的异常；其次，基于操作人员的经验确定设备是否存在异常，不仅异常检测的准确度低，异常检测的效率也低。


技术实现要素：

4.本发明提供了一种基于工业互联网的注塑设备检测方法、装置、设备及介质，能够对由运行参数和至少一个工艺时序参数引起的异常进行检测，提升检测结果的准确度和效率。
5.根据本发明的一方面，提供了一种基于工业互联网的注塑设备检测方法，该方法包括：
6.确定注塑设备的工艺参数、工艺参数特征和运行参数特征，其中，工艺参数包括至少一个工艺时序参数，工艺参数特征与工艺时序参数一一对应；
7.将各工艺时序参数、各工艺参数特征和运行参数特征输入异常检测模型，并基于异常检测模型输出的检测结果确定注塑设备是否存在异常；
8.当注塑设备存在异常时，基于检测结果生成异常报告。
9.可选的，确定注塑设备的工艺参数、工艺参数特征和运行参数特征，包括：基于信息采集器获取注塑设备的工艺参数和运行参数；基于加窗傅里叶gabor变换和工艺参数确定各工艺时序参数对应的工艺参数特征；基于运行参数的混沌特性确定运行参数特征。
10.可选的，工艺参数特征为对应的工艺时序参数的结构特征信息。
11.可选的，基于加窗傅里叶gabor变换和工艺参数确定各工艺时序参数对应的工艺参数特征，包括：分别对各工艺时序参数进行gabor变换；基于各工艺时序参数的gabor变换结果，确定各工艺时序参数的结构特征信息。
12.可选的，基于运行参数的混沌特性确定运行参数特征，包括：确定运行参数的运行参数曲线；基于运行参数曲线的混沌特性确定运行参数曲线是否满足规律振动条件；当运行参数曲线满足规律振动条件时，确定运行参数特征为第一运行特征；否则，确定运行参数特征为第二运行特征。
13.可选的，检测结果包括注塑设备的异常值。
14.可选的，基于异常检测模型输出的检测结果确定注塑设备是否存在异常，包括：确定异常值是否小于或者等于设备异常阈值；当异常值小于或者等于设备异常阈值时，确定注塑设备不存在异常；当异常值大于设备异常阈值时，确定注塑设备存在异常。
15.可选的，检测结果还包括各工艺时序参数的异常权重。
16.可选的，基于检测结果生成异常报告，包括：基于各工艺时序参数的异常权重和异常权重评定条件确定目标异常权重和目标异常权重对应的目标工艺时序参数；基于目标异常权重和目标工艺时序参数生成异常报告。
17.可选的，该方法还包括：基于预先设定的模型更新条件、注塑设备的当前工艺参数、当前工艺参数特征、当前运行参数、当前运行参数特征和当前检测结果，更新异常检测模型，并确定更新后的异常检测模型的检测结果；其中，预先设定的模型更新条件包括预设时间和预设模型使用率。
18.根据本发明的另一方面，提供了一种基于工业互联网的注塑设备检测装置，该装置包括：
19.获取模块，用于确定注塑设备的工艺参数、工艺参数特征和运行参数特征，其中，工艺参数包括至少一个工艺时序参数，工艺参数特征与工艺时序参数一一对应；
20.确定模块，用于将各工艺时序参数、各工艺参数特征和运行参数特征输入异常检测模型，并基于异常检测模型输出的检测结果确定注塑设备是否存在异常；
21.执行模块，用于当注塑设备存在异常时，基于检测结果生成异常报告。
22.根据本发明的另一方面，提供了一种电子设备，该电子设备包括：
23.至少一个处理器；以及与至少一个处理器通信连接的存储器；
24.其中，存储器存储有可被至少一个处理器执行的计算机程序，计算机程序被至少一个处理器执行，以使至少一个处理器能够执行本发明任一实施例所述的基于工业互联网的注塑设备检测方法。
25.根据本发明的另一方面，提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机指令，计算机指令用于使处理器执行时实现本发明任一实施例所述的基于工业互联网的注塑设备检测方法。
26.本发明的技术方案，通过确定注塑设备的工艺参数、工艺参数特征和运行参数特征，其中，工艺参数包括至少一个工艺时序参数，工艺参数特征与工艺时序参数一一对应；将各工艺时序参数、各工艺参数特征和运行参数特征输入异常检测模型，并基于异常检测模型输出的检测结果确定注塑设备是否存在异常；当注塑设备存在异常时，基于检测结果生成异常报告。可以基于注塑设备的各工艺时序参数、工艺参数特征、运行参数特征和异常检测模型的处理逻辑确定注塑设备是否存在异常，能够对由运行参数和至少一个工艺时序参数引起的异常进行检测，异常检测效率高，且检测结果全面和准确。解决了现有技术中的异常检测方案只能检测出单一变量引起的异常，不能识别由多个变量共同引起的异常，以及基于操作人员的经验确定设备是否存在异常，异常检测的准确度和检测效率均较为低下的问题。
27.应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
28.为了更清楚地说明本发明中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
29.图1是实施例一提供的一种基于工业互联网的注塑设备检测方法的流程示意图；
30.图2是实施例二提供的一种基于工业互联网的注塑设备检测方法的流程示意图；
31.图3是实施例二提供的一种注塑设备的检测结果示意图；
32.图4是实施例二提供的另一种注塑设备的检测结果示意图；
33.图5是实施例二提供的又一种注塑设备的检测结果示意图；
34.图6是实施例三提供的一种基于工业互联网的注塑设备检测装置的结构示意图；
35.图7是实施例四提供的一种电子设备的结构示意图。
具体实施方式
36.为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
37.需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
38.实施例一
39.图1是实施例一提供的一种基于工业互联网的注塑设备检测方法的流程示意图，本实施例可适用于注塑设备的异常检测及异常原因确定等情况，该方法可以由本发明提供的基于工业互联网的注塑设备检测装置来执行，该装置可以采用硬件和/或软件的形式实现，在一个具体的实施例中，该装置可以集成在电子设备中。以下实施例将以该装置集成在电子设备中为例进行说明，参考图1，该方法具体包括如下步骤：
40.s101、确定注塑设备的工艺参数、工艺参数特征和运行参数特征。
41.其中，工艺参数可以理解为注塑设备运行时的设备工艺信息，包括至少一个工艺时序参数，工艺参数特征与工艺时序参数一一对应，工艺参数特征可以理解为工艺时序参数的结构特征信息，包括工艺时序参数的变化形式、工艺时序参数的曲线的振幅、频率和波长等数据，任意一个工艺时序参数可以包括一个工艺参数特征，也可以包括多个工艺参数特征；运行参数特征可以理解为一个衡量振动信号的规律性的参数，运行参数特征是运行参数的特征性数据，运行参数可以理解为注塑设备运行时的振动信号。
42.注塑是基于塑料的热物理性质，通过物料熔化、注射、保压、冷却和固化定型等一系列工艺过程制作塑料制品。注塑成型工艺过程是一个循环的周期过程，包括注射前准备、
注射过程和制品后处理三个主要阶段，注射前准备可以理解为准备制作工艺产品所需要的原材料，制品后处理可以理解为工艺产品的整理，注塑设备主要应用在注射过程。
43.注射过程主要包括预塑计量、注射充模、保压补缩和冷却定型四个阶段。具体的，在不同阶段，注塑设备运行的工艺参数不同。在预塑计量阶段，工艺时序参数包括料筒温度、喷嘴温度、螺杆转速、螺杆行程和预塑背压；在注射充模阶段，工艺时序参数包括熔体温度、注塑力和填充时间；在保压补缩阶段，工艺时序参数包括保压压力和保压时间；在冷却定型阶段，工艺时序参数包括冷却时间。
44.预塑计量可以理解为塑化，是塑料在料筒内加热达到一个良好的可塑性流动状态的过程，塑化是注塑成型的准备过程，在塑化过程中要完成注射前的计量程序，塑化质量取决于塑化过程的工艺参数以及塑料原料的热物理性能和流变性能，熔体在进入模腔之前应达到规定的成型温度。具体的，塑件质量与熔体质量有着极其重要的关系，熔体温度应均匀一致，避免发生热分解，这样要求的目的在于得到质量较高的塑件。
45.注射充模阶段是从螺杆向前移动开始，直至模腔被塑料熔体充满。熔体在模腔中的流动状态为稳态层流，从浇口向模腔终端逐渐扩展。注射阶段熔体的充模速率非常重要，对剪切应力和分子排列有直接的影响，必须保证在浇口冷封前，熔体充满整个型腔，否则得不到完整、高质量的塑件。
46.保压补缩阶段是从塑料熔体充满模具型腔开始，直至螺杆撤回。保压补缩阶段中，塑料熔体因冷却而发生收缩，但是由于塑料熔体仍然处于螺杆的稳压下，料简内的塑料熔体会被继续注入模具型腔内以弥补收缩，使得模腔内熔体被压缩和增密，逐渐形成制品。保压补缩阶段对于降低收缩、提高制品密度和克服制品表面质量缺陷都有影响。
47.冷却定型阶段从保压阶段结束开始，直到制品从模腔中顶出。这一阶段模腔内塑料继续冷却，以使制品在脱模时具有足够的刚度而不发生扭曲变形。具体的，在冷却定型阶段，虽无塑料从浇口流出或流入，但模腔内还有少量的塑料流动，因此依然能产生少量的分子定向。
48.进一步的，工艺时序参数还包括与注塑设备运行状态关联性较强的最大的储料压力、储料速度、储料时间、关模压力、关模速度、开模压力、开模速度、托模压力、托模速度、射出压力、射退速度、射退温度等参数。
49.这样设置的好处在于可以实时采取注塑设备的运行参数，以便根据注塑设备的实时性数据确定注塑设备是否存在故障。
50.s102、将各工艺时序参数、各工艺参数特征和运行参数特征输入异常检测模型，并基于异常检测模型输出的检测结果确定注塑设备是否存在异常。
51.其中，异常检测模型可以理解为一个根据注塑设备的各工艺时序参数、各工艺参数特征和运行参数特征等工作参数确定注塑设备是否存在故障的算法。检测结果可以理解为包含注塑设备检测结论的数据。
52.具体的，当注塑设备存在异常时，执行s103步骤，否则，执行s101步骤。示例性的，检测结果可以是注塑设备的检测值，将注塑设备的各工艺时序参数、各工艺参数特征和运行参数特征等工作参数输入异常检测模型后，异常检测模型会根据注塑设备的工作参数对注塑设备进行评估，并输出评估分数。进一步的，当注塑设备的评估分数合理时，认为注塑设备不存在异常，否则，认为注塑设备存在异常。
53.评估分数的评判标准可根据注塑设备的性能、工艺制品的生产指标等数据进行设定和调整，本实施例对此不进行限定。
54.这样设置的好处在于可以量化注塑设备的运行信息，精准的确定注塑设备是否存在故障。
55.工艺时序参数、工艺时序参数的工艺参数特征和运行参数特征之间有较强的依赖关系，适用于异常检测算法中异常检测统计概率函数对多个变量之间的依赖关系进行建模，工艺时序参数、工艺时序参数的工艺参数特征和运行参数特征三者与异常检测算法模型是一种有益结合。具体的，工艺时序参数、工艺时序参数的工艺参数特征和运行参数特征三类特征数据可以用异常检测算法中的异常检测统计概率函数进行多维累计分布建模。经过实验发现，三种特征数据融合预处理的方式相比于传统方式(使用一种工艺相关时序特征原数据)，可以大幅度的提升异常检测模型的精度，提高注塑设备的故障检测的准确度。
56.s103、基于检测结果生成异常报告。
57.其中，检测结果可以理解为注塑设备的评估结论，例如，注塑设备未存在故障、注塑设备存在x类故障及设备故障的产生因素等，异常报告可以理解为包含设备异常数据的说明性信息，本实施例对此不进行限定。
58.具体的，检测结果还包括设备异常值和各工艺时序参数的异常权重，若设备异常值小于或者等于预设异常阈值，则认为注塑设备未存在故障，继续监测设备的运行情况，即执行步骤s101，若设备异常值大于预设异常阈值，则认为注塑设备存在故障，并基于各工艺时序参数的异常权重确定注塑设备产生的故障、产生故障的原因和故障解决方案。
59.示例性的，基于各工艺时序参数的异常权重确定注塑设备产生的故障包括对各工艺时序参数的异常权重进行排序，基于异常权重最大的一个或多个工艺时序参数确定设备产生的故障。具体的，产生故障的原因和故障解决方案亦与异常权重最大的一个或多个工艺时序参数相关。
60.这样设置的好处在于可以根据注塑设备的运行数据和预先训练好的异常检测模型快速、简捷、准确、高效的对注塑设备进行检测和故障确定。
61.可选的，本发明的基于工业互联网的注塑设备检测方法还包括：基于预先设定的模型更新条件、注塑设备的当前工艺参数、当前工艺参数特征、当前运行参数、当前运行参数特征和当前检测结果，更新异常检测模型，并确定更新后的异常检测模型的检测结果；其中，预先设定的模型更新条件包括预设时间和预设模型使用率。
62.其中，当前工艺参数、当前工艺参数特征、当前运行参数、当前运行参数特征和当前检测结果可以理解为异常检测模型符合模型更新条件时注塑设备的实时数据。具体的，在异常检测模型使用一定时间或者使用一定次数时，根据注塑设备的实时工艺参数、实时工艺参数特征、实时运行参数、实时运行参数特征和模型的检测结果对模型进行更新。这样设置的好处在于可以定期以最新的注塑设备的运行信息和诊断结果优化异常检测模型，保证模型的实时性，提升注塑设备异常检测的准确度。其次，本发明还会在更新模型后对模型的检测效果进行评估，旨在监控模型的更新方向是否合理，可以提升注塑设备的故障检测的准确度。
63.本实施例的技术方案，通过确定注塑设备的工艺参数、工艺参数特征和运行参数特征，其中，工艺参数包括至少一个工艺时序参数，工艺参数特征与工艺时序参数一一对
应；将各工艺时序参数、各工艺参数特征和运行参数特征输入异常检测模型，并基于异常检测模型输出的检测结果确定注塑设备是否存在异常；当注塑设备存在异常时，基于检测结果生成异常报告。可以基于注塑设备的各工艺时序参数、工艺参数特征、运行参数特征和异常检测模型的处理逻辑确定注塑设备是否存在异常，能够对由运行参数和至少一个工艺时序参数引起的异常进行检测，异常检测效率高，且检测结果全面和准确。解决了现有技术中的异常检测方案只能检测出单一变量引起的异常，不能识别由多个变量共同引起的异常，以及基于操作人员的经验确定设备是否存在异常，异常检测的准确度和检测效率均较为低下的问题。
64.实施例二
65.图2是实施例二提供的一种基于工业互联网的注塑设备检测方法的流程示意图，本实施例可适用于注塑设备的异常检测及异常原因确定等情况，该方法可以由本发明提供的基于工业互联网的注塑设备检测装置来执行，该装置可以采用硬件和/或软件的形式实现，在一个具体的实施例中，该装置可以集成在电子设备中。以下实施例将以该装置集成在电子设备中为例进行说明，参考图2，该方法具体包括如下步骤：
66.s201、基于信息采集器获取注塑设备的工艺参数和运行参数。
67.其中，信息采集器可以理解为采集注塑设备运行信息的仪器，包括工艺参数采集器和振动信息采集器，工艺参数采集器用于采集注塑设备的工艺参数，振动信息采集器用于采集注塑设备的运行信息。
68.具体的，基于信息采集器获取注塑设备的工艺参数和运行参数可以理解为基于振动信息采集器获取注塑设备运行时的振动信号以及基于工艺参数采集器获取注塑设备在预塑计量阶段的料筒温度、喷嘴温度、螺杆转速、螺杆行程和预塑背压，注射充模阶段的熔体温度、注塑力和填充时间，保压补缩阶段的保压压力和保压时间，冷却定型阶段的冷却时间，设备运行过程中的最大的储料压力、储料速度、储料时间、关模压力、关模速度、开模压力、开模速度、托模压力、托模速度、射出压力、射退速度、射退温度等参数。
69.进一步的，信息采集器还可以获取与注塑设备运行状态关联性较强的最大的储料压力、储料速度、储料时间、关模压力、关模速度、开模压力、开模速度、托模压力、托模速度、射出压力、射退速度、射退温度等工艺参数。
70.值得注意的是本技术的技术方案会对传感器采集的数据进行筛选，去除重复数据、设备停机和检修时的工艺参数。这样设置的好处在于可以减少错误数据对诊断结果的影响。
71.s202、基于加窗傅里叶gabor变换和工艺参数确定各工艺时序参数对应的工艺参数特征。
72.其中，工艺参数特征与工艺时序参数一一对应，工艺参数特征为对应的工艺时序参数的变化形式(线性递增、线性递减等)、工艺时序参数的曲线的振幅、频率和波长等结构特征信息。工艺参数特征可以理解为工艺时序参数对应的gabor变换值，gabor变换值实质是工艺时序参数在变换时间点之前的一段时间窗口取得的特征序列经过gabor变换得到的参数值，因此，任意一个工艺时序参数可以包括一个工艺参数特征，也可以包括多个工艺参数特征，本实施例对此不进行限定。
73.示例性的，工艺时序参数a进行加窗傅里叶gabor变换后得到工艺参数特征a，工艺
参数特征a的数量是大于1的整数，进一步的，工艺参数特征的具体数量与工艺时序参数的变换需求、gabor变换逻辑、注塑设备的检测需求等信息相关。
74.具体的，基于加窗傅里叶gabor变换和工艺参数确定各工艺时序参数对应的工艺参数特征，包括：分别对各工艺时序参数进行gabor变换；基于各工艺时序参数的gabor变换结果，确定各工艺时序参数的结构特征信息。
75.工艺时序参数是一种时序数据，gabor变换可以用来分析时序信号的短时频谱，即信号在时间上的短时频率特性。进一步的，gabor变换不仅可以解析信号的瞬时频率、相位和振幅等特性，还可以检测信号的瞬态和周期性成分。
76.这样设置的好处在于可以得到每一个工艺时序参数的参数特征，丰富模型训练和故障检测的数据集，提升设备异常检测的准确度。
77.s203、基于运行参数的混沌特性确定运行参数特征。
78.其中，混沌特性可以理解为运行参数的曲线的振动形式。
79.注塑过程涉及多种物理因素的相互作用，往往会出现非线性的复杂动力学行为，即混沌振动。混沌振动是由多种因素的相互作用导致的，产生混沌振动的因素包括摩擦力、惯性力、控制系统的误差和噪声、流体力学效应等。由于混沌振动会影响注塑设备的运行，因此，需要对混沌振动进行控制和管理。
80.具体的，混沌振动可以根据注塑设备的运行参数的混沌特性进行确定，若运行参数的振动曲线是规律的，则确定注塑设备的工作系统不是混沌的，若运行参数的振动曲线是不规律的，则确定注塑设备的工作系统是混沌的。
81.进一步的，可以用lyapunov指数表示运行参数特征，若注塑设备的工作系统是混沌的，则lyapunov指数为正，若注塑设备的工作系统不是混沌的，则lyapunov指数为负。
82.基于运行参数的混沌特性确定运行参数特征，包括：确定运行参数的运行参数曲线；基于运行参数曲线的混沌特性确定运行参数曲线是否满足规律振动条件；当运行参数曲线满足规律振动条件时，确定运行参数特征为第一运行特征；否则，确定运行参数特征为第二运行特征。
83.具体的，第一运行特征可以理解为lyapunov指数为负，即注塑设备的工作系统不是混沌的；第二运行特征可以理解为lyapunov指数为正，即注塑设备的工作系统是混沌的。
84.进一步的，确定了各工艺时序参数、各工艺参数特征、运行参数和运行参数特征之后，还可以对各工艺时序参数、各工艺参数特征、运行参数和运行参数特征进行归一化处理，这样设置的好处在于可以减小各参数的不均衡性，降低注塑设备异常值的计算误差，还可以加速异常检测模型的训练和收敛，提高模型的准确性和稳定性。
85.s204、将各工艺时序参数、各工艺参数特征和运行参数特征输入异常检测模型，并基于异常检测模型输出的检测结果确定注塑设备是否存在异常。
86.具体的，当注塑设备存在异常时，执行s205步骤，否则，执行s201步骤。
87.基于异常检测模型输出的检测结果确定注塑设备是否存在异常，包括：确定异常值是否小于或者等于设备异常阈值；当异常值小于或者等于设备异常阈值时，确定注塑设备不存在异常；当异常值大于设备异常阈值时，确定注塑设备存在异常。
88.其中，设备异常阈值可以理解为衡量设备是否发生故障的依据，具体的，当异常值小于或者等于设备异常阈值时，认为注塑设备不存在异常；当异常值大于设备异常阈值时，
认为注塑设备存在异常，需要基于各工艺时序参数的异常权重进一步确定注塑设备产生的故障、产生故障的原因和故障解决方案。
89.工艺时序参数、工艺时序参数的工艺参数特征和运行参数特征之间有较强的依赖关系，适用于异常检测算法中异常检测统计概率函数对多个变量之间的依赖关系进行建模，工艺时序参数、工艺时序参数的工艺参数特征和运行参数特征三者与异常检测算法模型是一种有益结合。具体的，工艺时序参数、工艺时序参数的工艺参数特征和运行参数特征三类特征数据可以用异常检测算法中的异常检测统计概率函数进行多维累计分布建模。经过实验发现，三种特征数据融合预处理的方式相比于传统方式(使用一种工艺相关时序特征原数据)，可以大幅度的提升异常检测模型的精度，提高注塑设备的故障检测的准确度。
90.其中，工艺参数特征实质是工艺时序参数经gabor变换后的数据，运行参数特征实质是lyapunov指数。
91.s205、基于检测结果生成异常报告。
92.其中，检测结果可以理解为注塑设备的评估结论，检测结果还包括设备异常值和各工艺时序参数的异常权重，异常报告可以理解为包含设备异常数据的说明性信息。
93.基于检测结果生成异常报告可以理解为基于注塑设备的评估结论确定注塑设备是否存在故障，当注塑设备存在故障时，确定故障类型、故障产生的原因和故障解决方案，并基于故障类型、故障产生的原因和故障解决方案生成异常报告。进一步的，当注塑设备未存在故障时，继续监测设备的运行情况，即执行步骤s201。
94.在一实施方式中，s205具体可以包括：基于各工艺时序参数的异常权重和异常权重评定条件确定目标异常权重和目标异常权重对应的目标工艺时序参数；基于目标异常权重和目标工艺时序参数生成异常报告。
95.其中，工艺时序参数的异常权重可以理解为工艺时序参数的维度在设备异常值中所占的比例，具体的，异常检测模型可以输出注塑设备的异常值和各工艺时序参数对应的维度的异常权重。目标工艺时序参数可以理解为造成注塑设备异常的工艺时序参数，目标异常权重可以理解为目标工艺时序参数对应的异常权重，异常权重评定条件可以理解为评定异常产生原因的依据，例如，当异常权重超过x或者异常权重为所有异常权重中最大的权重时，认为该异常权重为目标异常权重，该异常权重对应的工艺时序参数为目标工艺时序参数。
96.具体的，可以确定一个或多个异常权重为目标异常权重，确定一个或多个工艺时序参数为目标工艺时序参数，具体的评定依据与注塑设备的性能和工艺品的制作需求相关，本实施例对此不进行限定。
97.图3是实施例二提供的一种注塑设备的检测结果示意图；图4是实施例二提供的另一种注塑设备的检测结果示意图；图5是实施例二提供的又一种注塑设备的检测结果示意图。具体的，图3是设备检测值随时间的变化曲线，图中的黑点为设备可能存在异常的时刻，需要进一步分析异常产生的原因，针对开始阶段的异常状态进行分析，得到图4，图4为设备拖模时间工艺时序参数随时间的变化曲线，因此可以认定开始阶段产生异常的因素是托模时间；针对后期阶段的异常状态进行分析，得到图5，图5为设备储料时间工艺时序参数随时间的变化曲线，因此可以认定后期阶段产生异常的因素是储料时间。
98.本实施例的技术方案，通过基于信息采集器获取注塑设备的工艺参数和运行参
数；基于加窗傅里叶gabor变换和工艺参数确定各工艺时序参数对应的工艺参数特征；基于运行参数的混沌特性确定运行参数特征；将各工艺时序参数、各工艺参数特征和运行参数特征输入异常检测模型，并基于异常检测模型输出的检测结果确定注塑设备是否存在异常；当注塑设备存在异常时，基于检测结果生成异常报告。可以对各工艺时序参数进行gabor变换得到各工艺时序参数对应的工艺参数特征，基于注塑设备的各工艺时序参数、工艺参数特征、运行参数、运行参数特征和异常检测模型的处理逻辑确定注塑设备是否存在异常，能够对由运行参数和至少一个工艺时序参数引起的异常进行检测，异常检测效率高，且检测结果全面和准确。解决了现有技术中的异常检测方案只能检测出单一变量引起的异常，不能识别由多个变量共同引起的异常，以及基于操作人员的经验确定设备是否存在异常，异常检测的准确度和检测效率均较为低下的问题。
99.实施例三
100.图6是实施例三提供的一种基于工业互联网的注塑设备检测装置的结构示意图。如图6所示，该装置包括：获取模块601、确定模块602和执行模块603。
101.获取模块601，用于确定注塑设备的工艺参数、工艺参数特征和运行参数特征，其中，工艺参数包括至少一个工艺时序参数，工艺参数特征与工艺时序参数一一对应。
102.确定模块602，用于将各工艺时序参数、各工艺参数特征和运行参数特征输入异常检测模型，并基于异常检测模型输出的检测结果确定注塑设备是否存在异常。
103.执行模块603，用于当注塑设备存在异常时，基于检测结果生成异常报告。
104.可选的，获取模块601，具体用于基于信息采集器获取注塑设备的工艺参数和运行参数；基于加窗傅里叶gabor变换和工艺参数确定各工艺时序参数对应的工艺参数特征；基于运行参数的混沌特性确定运行参数特征。
105.可选的，工艺参数特征为对应的工艺时序参数的结构特征信息。
106.可选的，获取模块601，具体用于分别对各工艺时序参数进行gabor变换；基于各工艺时序参数的gabor变换结果，确定各工艺时序参数的结构特征信息。
107.可选的，获取模块601，具体用于确定运行参数的运行参数曲线；基于运行参数曲线的混沌特性确定运行参数曲线是否满足规律振动条件；当运行参数曲线满足规律振动条件时，确定运行参数特征为第一运行特征；否则，确定运行参数特征为第二运行特征。
108.可选的，检测结果包括注塑设备的异常值。
109.可选的，确定模块602，具体用于确定异常值是否小于或者等于设备异常阈值；当异常值小于或者等于设备异常阈值时，确定注塑设备不存在异常；当异常值大于设备异常阈值时，确定注塑设备存在异常。
110.可选的，检测结果还包括各工艺时序参数的异常权重。
111.可选的，执行模块603，具体用于基于各工艺时序参数的异常权重和异常权重评定条件确定目标异常权重和目标异常权重对应的目标工艺时序参数；基于目标异常权重和目标工艺时序参数生成异常报告。
112.可选的，执行模块603，还用于基于预先设定的模型更新条件、注塑设备的当前工艺参数、当前工艺参数特征、当前运行参数、当前运行参数特征和当前检测结果，更新异常检测模型，并确定更新后的异常检测模型的检测结果；其中，预先设定的模型更新条件包括预设时间和预设模型使用率。
113.本实施例所提供的基于工业互联网的注塑设备检测装置可执行本发明任意实施例所提供的基于工业互联网的注塑设备检测方法，具备执行方法相应的功能模块和有益效果。
114.实施例四
115.图7是实施例四提供的一种电子设备的结构示意图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。
116.如图7所示，电子设备10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器(rom)12、随机访问存储器(ram)13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器(rom)12中的计算机程序或者从存储单元18加载到随机访问存储器(ram)13中的计算机程序，来执行各种适当的动作和处理。在ram 13中，还可存储电子设备10操作所需的各种程序和数据。处理器11、rom 12以及ram 13通过总线14彼此相连。输入/输出(i/o)接口15也连接至总线14。
117.电子设备10中的多个部件连接至i/o接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
118.处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(cpu)、图形处理单元(gpu)、各种专用的人工智能(ai)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(dsp)以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理，例如基于工业互联网的注塑设备检测方法。
119.在一些实施例中，基于工业互联网的注塑设备检测方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由rom 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到ram 13并由处理器11执行时，可以执行上文描述的基于工业互联网的注塑设备检测方法的一个或多个步骤。备选地，在其他实施例中，处理器11可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行基于工业互联网的注塑设备检测方法。
120.本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统的系统(soc)、负载可编程逻辑设备(cpld)、计算机硬件、固件、软件和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置和该至少一个输出装置。
121.用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
122.在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备或上述内容的任何合适组合。
123.为了提供与用户的交互，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
124.可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)或者包括中间件部件的计算系统(例如，应用服务器)或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)或者包括这种后台部件、中间件部件或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)、区块链网络和互联网。
125.计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与vps服务中，存在的管理难度大，业务扩展性弱的缺陷。
126.应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。
127.上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

技术特征：
1.一种基于工业互联网的注塑设备检测方法，其特征在于，包括：确定注塑设备的工艺参数、工艺参数特征和运行参数特征，其中，所述工艺参数包括至少一个工艺时序参数，所述工艺参数特征与所述工艺时序参数一一对应；将各所述工艺时序参数、各所述工艺参数特征和所述运行参数特征输入异常检测模型，并基于所述异常检测模型输出的检测结果确定所述注塑设备是否存在异常；当所述注塑设备存在异常时，基于所述检测结果生成异常报告。2.根据权利要求1所述的方法，其特征在于，所述确定注塑设备的工艺参数、工艺参数特征和运行参数特征，包括：基于信息采集器获取所述注塑设备的所述工艺参数和运行参数；基于加窗傅里叶gabor变换和所述工艺参数确定各所述工艺时序参数对应的工艺参数特征；基于所述运行参数的混沌特性确定所述运行参数特征。3.根据权利要求2所述的方法，其特征在于，所述工艺参数特征为对应的所述工艺时序参数的结构特征信息；所述基于加窗傅里叶gabor变换和所述工艺参数确定各所述工艺时序参数对应的工艺参数特征，包括：分别对各所述工艺时序参数进行gabor变换；基于各所述工艺时序参数的gabor变换结果，确定各所述工艺时序参数的结构特征信息。4.根据权利要求3所述的方法，其特征在于，所述基于所述运行参数的混沌特性确定所述运行参数特征，包括：确定所述运行参数的运行参数曲线；基于所述运行参数曲线的混沌特性确定所述运行参数曲线是否满足规律振动条件；当所述运行参数曲线满足规律振动条件时，确定所述运行参数特征为第一运行特征；否则，确定所述运行参数特征为第二运行特征。5.根据权利要求3所述的方法，其特征在于，所述检测结果包括所述注塑设备的异常值；所述基于所述异常检测模型输出的检测结果确定所述注塑设备是否存在异常，包括：确定所述异常值是否小于或者等于设备异常阈值；当所述异常值小于或者等于所述设备异常阈值时，确定所述注塑设备不存在异常；当所述异常值大于所述设备异常阈值时，确定所述注塑设备存在异常。6.根据权利要求5所述的方法，其特征在于，所述检测结果还包括各所述工艺时序参数的异常权重；所述基于所述检测结果生成异常报告，包括：基于各所述工艺时序参数的异常权重和异常权重评定条件确定目标异常权重和所述目标异常权重对应的目标工艺时序参数；基于所述目标异常权重和所述目标工艺时序参数生成所述异常报告。7.根据权利要求1所述的方法，其特征在于，还包括：基于预先设定的模型更新条件、所述注塑设备的当前工艺参数、当前工艺参数特征、当
前运行参数、当前运行参数特征和当前检测结果，更新所述异常检测模型，并确定更新后的异常检测模型的检测结果；其中，预先设定的模型更新条件包括预设时间和预设模型使用率。8.一种基于工业互联网的注塑设备检测装置，其特征在于，包括：获取模块，用于确定注塑设备的工艺参数、工艺参数特征和运行参数特征，其中，所述工艺参数包括至少一个工艺时序参数，所述工艺参数特征与所述工艺时序参数一一对应；确定模块，用于将各所述工艺时序参数、各所述工艺参数特征和所述运行参数特征输入异常检测模型，并基于所述异常检测模型输出的检测结果确定所述注塑设备是否存在异常；执行模块，用于当所述注塑设备存在异常时，基于所述检测结果生成异常报告。9.一种电子设备，其特征在于，所述电子设备包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1至7中任一所述的基于工业互联网的注塑设备检测方法。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1至7中任一所述的基于工业互联网的注塑设备检测方法。

技术总结
本发明公开了一种基于工业互联网的注塑设备检测方法、装置、设备及介质。本发明涉及异常检测技术领域，该方法包括确定注塑设备的工艺参数、工艺参数特征和运行参数特征，其中，工艺参数包括至少一个工艺时序参数，工艺参数特征与工艺时序参数一一对应；将各工艺时序参数、各工艺参数特征和运行参数特征输入异常检测模型，并基于异常检测模型输出的检测结果确定注塑设备是否存在异常；当注塑设备存在异常时，基于检测结果生成异常报告。基于注塑设备的各工艺时序参数、工艺参数特征、运行参数特征和异常检测模型的处理逻辑确定注塑设备是否存在异常，能够对由运行参数和至少一个工艺时序参数引起的异常进行检测，提升了检测结果的准确度和效率。的准确度和效率。的准确度和效率。


技术研发人员：展波 肖人文 谢海琴 何梁
受保护的技术使用者：卡奥斯工业智能研究院（青岛）有限公司
技术研发日：2023.06.16
技术公布日：2023/9/13