一种用于生产吊挂系统的集成控制方法及系统与流程

1.本发明涉及智能控制领域，具体涉及一种用于生产吊挂系统的集成控制方法及系统。


背景技术：

2.生产吊挂系统是许多工业领域的关键设备，其主要由多个提升臂组成，用于完成物料的提升、转运和放置等作业。现有的生产吊挂系统通常采用单臂控制模式，即每个提升臂由一个控制系统独立控制，导致对提升臂的整体控制性能低下，难以保证提升臂作业的稳定性和生产效率低下。


技术实现要素：

3.本技术通过提供了一种用于生产吊挂系统的集成控制方法及系统，旨在解决现有技术中提升臂控制性能低下，难以保证提升臂稳定性的技术问题的。
4.鉴于上述问题，本技术提供了一种用于生产吊挂系统的集成控制方法及系统。
5.本技术公开的第一个方面，提供了一种用于生产吊挂系统的集成控制方法，该方法包括：连接生产吊挂系统，获得生产吊挂系统的m个提升臂，且，m为大于1的正整数；基于m个提升臂，构建提升臂集成网络，其中，提升臂集成网络包括m个提升臂拓扑节点；连接生产吊挂系统，基于提升臂集成网络，获得提升臂控制记录集；基于提升臂控制记录集，根据提升臂集成网络，构建模糊控制决策模型，并基于模糊控制决策模型对吊挂作业需求进行匹配，获得多个提升臂控制方案；连接数字孪生模块，基于提升臂集成网络，构建提升臂孪生模型，并基于提升臂孪生模型对多个提升臂控制方案进行吊挂仿真模拟，获得多组吊挂仿真模拟工况集；基于多组吊挂仿真模拟工况集对多个提升臂控制方案进行寻优分析，获得最优提升臂控制方案，并基于最优提升臂控制方案对生产吊挂系统进行集成控制。
6.本技术公开的另一个方面，提供了一种用于生产吊挂系统的集成控制系统，该系统包括：提升臂获取模块，用于连接生产吊挂系统，获得生产吊挂系统的m个提升臂，且，m为大于1的正整数；提升臂集成网络模块，基于m个提升臂，构建提升臂集成网络，其中，提升臂集成网络包括m个提升臂拓扑节点；提升臂控制记录模块，用于连接生产吊挂系统，基于提升臂集成网络，获得提升臂控制记录集；提升臂控制方案模块，基于提升臂控制记录集，根据提升臂集成网络，构建模糊控制决策模型，并基于模糊控制决策模型对吊挂作业需求进行匹配，获得多个提升臂控制方案；吊挂仿真工况模块，基于提升臂集成网络，构建提升臂孪生模型，并基于提升臂孪生模型对多个提升臂控制方案进行吊挂仿真模拟，获得多组吊挂仿真模拟工况集；控制方案寻优模块，基于多组吊挂仿真模拟工况集对多个提升臂控制方案进行寻优分析，获得最优提升臂控制方案，并基于最优提升臂控制方案对生产吊挂系统进行集成控制。
7.本技术中提供的一个或多个技术方案，至少具有如下技术效果或优点：
8.由于采用了先获得生产吊挂系统的多个提升臂，基于这些提升臂构建提升臂集成
网络，实现对多个提升臂的建模和表达；连接生产吊挂系统，基于提升臂集成网络获得多个提升臂的控制记录，构成提升臂控制记录集，为后续提供数据支持；再基于提升臂控制记录集和提升臂集成网络，构建模糊控制决策模型，实现根据吊挂作业需求，获得多个提升臂控制方案；基于提升臂集成网络构建提升臂孪生模型，实现对多个提升臂控制方案进行吊挂仿真模拟，获得多组吊挂仿真模拟工况集；基于多组吊挂仿真模拟工况集对多个提升臂控制方案进行寻优分析，获得最优提升臂控制方案；然后，基于最优提升臂控制方案实现对生产吊挂系统的集成控制的技术方案，实现多个提升臂的协同控制和优化控制，解决现有技术中提升臂控制性能低下，难以保证提升臂稳定工作的技术问题，达到提高提升臂作业的稳定性和生产效率的技术效果。
9.上述说明仅是本技术技术方案的概述，为了能够更清楚了解本技术的技术手段，而可依照说明书的内容予以实施，并且为了让本技术的上述和其它目的、特征和优点能够更明显易懂，以下特举本技术的具体实施方式。
附图说明
10.图1为本技术实施例提供了一种用于生产吊挂系统的集成控制方法可能的流程示意图；
11.图2为本技术实施例提供了一种用于生产吊挂系统的集成控制方法中获取提升臂控制算力系数可能的流程示意图；
12.图3为本技术实施例提供了一种用于生产吊挂系统的集成控制方法中构建模型控制决策模型可能的流程示意图；
13.图4为本技术实施例提供了一种用于生产吊挂系统的集成控制系统可能的结构示意图。
14.附图标记说明：提升臂获取模块11，提升臂集成网络模块12，提升臂控制记录模块13，提升臂控制方案模块14，吊挂仿真工况模块15，控制方案寻优模块16。
具体实施方式
15.本技术提供的技术方案总体思路如下：
16.本技术实施例提供了一种用于生产吊挂系统的集成控制方法及系统，先获取生产吊挂系统中的多个提升臂，并基于多个提升臂构建提升臂集成网络，实现提升臂间的信息交互；连接生产吊挂系统，基于提升臂集成网络获得多个提升臂的控制记录，构成提升臂控制记录集，为后续建模和分析提供数据基础；然后，基于提升臂控制记录集和提升臂集成网络，构建模糊控制决策模型，实现吊挂作业需求的匹配和多个提升臂控制方案的获得；之后，连接数字孪生模块，基于提升臂集成网络构建提升臂孪生模型，实现对多个提升臂控制方案的仿真模拟，获得多组吊挂仿真模拟工况集；最后，基于多组吊挂仿真模拟工况集对多个提升臂控制方案进行寻优分析，获得最优提升臂控制方案，基于最优提升臂控制方案实现对生产吊挂系统的集成控制。本技术实施例通过提升臂集成网络实现提升臂间的协同，通过决策模型和数字孪生获得最优控制方案，并最终实现对生产吊挂系统的集成智能控制，提高对提升臂的控制性能，进而提高提升臂的稳定性和声场效率。
17.在介绍了本技术基本原理后，下面将结合说明书附图来具体介绍本技术的各种非
限制性的实施方式。
18.实施例一
19.如图1所示，本技术实施例提供了一种用于生产吊挂系统的集成控制方法，该方法包括：
20.步骤s1000：连接生产吊挂系统，获得所述生产吊挂系统的m个提升臂，且，m为大于1的正整数；
21.具体而言，连接生产吊挂系统，该生产吊挂系统包括多个提升臂，这些提升臂用于完成物料的提升和移运任务。获取生产吊挂系统中全部提升臂的数量，定义为m，其中m是一个大于1的正整数，表示生产系统中所包含的提升臂数量。提升臂是生产吊挂系统中用于完成物料提升和移运任务的机械臂，每个提升臂由电机、减速器、电控系统等组成。生产吊挂系统通过安装多个提升臂，实现物料的空间移动和定位，完成生产过程中物料提升与装运的任务。
22.通过获取生产吊挂系统中所包含的全部提升臂，为利用这些提升臂构建提升臂集成网络提供支持，从而实现生产吊挂系统的集成控制。
23.步骤s2000：基于所述m个提升臂，构建提升臂集成网络，其中，所述提升臂集成网络包括m个提升臂拓扑节点；
24.具体而言，获取生产吊挂系统中m个提升臂后，基于这m个提升臂构建提升臂集成网络。提升臂集成网络是由多个提升臂拓扑节点组建的网络拓扑结构，每个提升臂拓扑节点对应生产吊挂系统中的一个提升臂。提升臂拓扑节点是提升臂集成网络中的基础网络单元，包含对应提升臂的全部信息。通过构建m个提升臂拓扑节点，将m个提升臂在信息上的联系与互动关系通过网络表达，构成提升臂集成网络。
25.构建m个提升臂拓扑节点，首先，获取对应提升臂的基本信息，如提升臂的运动学参数、动力学参数、控制参数等，这些参数描述提升臂的运动学结构、动力学性能和控制特性。其次，获取对应提升臂的状态信息，如执行任务信息、运行模式信息等，这些信息描述提升臂的运行状态和工作情况。然后，将上述信息与对应提升臂建立映射关系，构成提升臂拓扑节点，包含对应提升臂的全部信息，实现对提升臂的数据表达。
26.通过m个提升臂拓扑节点构建提升臂集成网络，首先，确定提升臂集成网络的基础拓扑结构，可以采用星形网络、环形网络、树形网络等结构，决定网络的扩展性和连通性。其次，基于提升臂参数分析、控制性能分析和协同关系分析，确定提升臂拓扑节点之间的关联度，以表示两个提升臂拓扑节点之间的紧密程度。然后，根据提升臂拓扑节点的关联度，在基础拓扑结构上构建提升臂集成网络，其中，将关联度高的提升臂拓扑节点构建为网络中的相邻节点，形成网络中节点的连接关系。
27.通过构建提升臂拓扑节点和提升臂集成网络，实现对生产吊挂系统中全部提升臂的有效管理与集成控制，为提高生产吊挂系统对提升臂控制的稳定性提供网络基础。
28.步骤s3000：连接所述生产吊挂系统，基于所述提升臂集成网络，获得提升臂控制记录集；
29.具体而言，生产吊挂系统是用于控制提升臂以完成物料提升和装运任务的机电系统，系统中连接有多台提升臂。提升臂控制记录集是生产吊挂系统中所有提升臂的控制记录汇总。
30.在构建提升臂集成网络后，首先，通过再次连接生产吊挂系统，获取生产吊挂系统中所有提升臂的历史控制记录，其记录了提升臂在过去生产过程中所执行的控制命令和产生的响应信息。其次，对获取的全部控制记录进行预处理，去除异常记录，提取有效信息，获得提升臂标准控制记录集。然后，根据提升臂集成网络的结构，将标准控制记录集划分为多个子记录集。每个子记录集对应网络中的一个提升臂拓扑节点，包含对应提升臂的控制记录。接着，在提升臂集成网络的协助下，识别每个子记录集中提升臂控制记录之间的内在关联性，将关联度高的控制记录集中放在同一个子记录集内。之后，计算每个子记录集的信息量，并与网络中对应提升臂拓扑节点的控制能力进行重复匹配，逐渐优化子记录集与拓扑节点之间的匹配程度，获得信息表达更加准确的提升臂控制记录集。再基于划分后的子记录集，提取每个提升臂控制记录集的特征参数，如控制频次、协同次数、稳定性指数等。根据特征参数和网络结构，计算每个提升臂控制记录集的集成度，并基于集成度对所有子记录集进行融合，获得提升臂集成网络级的提升臂控制记录集。
31.通过连接生产吊挂系统，基于提升臂集成网络获得提升臂控制记录集，可以了解提升臂控制规律，为后续的提升臂智能控制与优化算法提供了数据基础。
32.步骤s4000：基于所述提升臂控制记录集，根据所述提升臂集成网络，构建模糊控制决策模型，并基于所述模糊控制决策模型对吊挂作业需求进行匹配，获得多个提升臂控制方案；
33.具体而言，在获得提升臂控制记录集后，本发明基于此控制记录集和构建的提升臂集成网络，构建模糊控制决策模型。模糊控制决策模型是一种基于模糊理论的多目标决策模型，根据提升臂集成网络的拓扑结构，为网络中的每个提升臂拓扑节点构建一个模糊控制决策子模型，多个子模型构成整个模糊控制决策模型。
34.首先，确定子模型的输入因子和输出因子，输入因子来自对应的提升臂控制记录集，输出因子为提升臂的控制指令。然后，根据输入因子和输出因子确定语言变量及其相关的术语集，包括输入因子和输出因子的各种取值。同时，根据专家经验和提升臂控制原理，构建子模型的模糊控制规则矩阵，定义了输入因子和输出因子之间的匹配关系。然后，采用mamdani推理方法或larsen推理方法，在规则矩阵的指导下获得输入因子相应的输出因子的值。接着，采用最大中心法或平均法则法等去模糊化方法将输出因子的模糊值转化为精确的数值。构建好各个子模型后，将其集成在提升臂集成网络上，形成模糊控制决策模型。
35.将吊挂作业要求信息输入模块控制决策模型中，模糊控制决策模型根据吊挂作业要求信息获取多个提升臂控制方案，其中需求信息是指当前提升运输任务的具体要求，如物料信息、起运位置、目的位置等。
36.通过历史的提升臂控制记录集和提升臂集成网络，构建模块控制决策模型，实现可以根据吊挂作业的需求实时输出多个提升臂的控制方案，为后续对多个控制方案进行寻优提供方案支持。
37.步骤s5000：连接数字孪生模块，基于所述提升臂集成网络，构建提升臂孪生模型，并基于所述提升臂孪生模型对所述多个提升臂控制方案进行吊挂仿真模拟，获得多组吊挂仿真模拟工况集；
38.具体而言，数字孪生模块是仿真模拟平台，其与提升臂集成网络连接，数字孪生模块可以读取提升臂集成网络中每个提升臂拓扑节点的数据，并基于这些数据构建该节点对
应的提升臂子模型，多个子模型构成提升臂孪生模型。提升臂孪生模型是数字孪生模块生成的提升臂的虚拟模型，包含提升臂的几何参数、运动学参数和动力学参数，可以准确地模拟提升臂的物理行为。
39.在获得多个提升臂控制方案后，连接数字孪生模块，基于提升臂集成网络构建提升臂孪生模型，并利用该模型对控制方案进行吊挂仿真模拟，获得多组吊挂仿真模拟工况集。首先，选择一个提升臂控制方案，将其切分为提升臂集成网络各节点对应的提升臂控制序列；其次，将控制序列输入对应提升臂子模型，子模型根据控制序列的指令执行吊挂动作，分析子模型的运动过程，判断吊挂过程是否发生碰撞或异常，并计算如加速度、承载指数等关键参数。接着，汇总各个子模型的仿真结果，获得当前控制方案的吊挂仿真模拟工况，工况信息为方案效果评价提供数据支撑。然后，对所有提升臂控制方案都进行仿真模拟，获得多组吊挂仿真模拟工况集。
40.通过数字孪生模块对提升臂构建提升臂孪生模型，再基于提升臂孪生模型进行仿真模拟，生成多组吊挂仿真模拟工况集，可以深入了解提升臂控制方案的作用效果，实现对方案的评估与筛选，从而提高生产吊挂系统对提升臂的控制性能，提高提升臂的稳定性。
41.步骤s6000：基于所述多组吊挂仿真模拟工况集对所述多个提升臂控制方案进行寻优分析，获得最优提升臂控制方案，并基于所述最优提升臂控制方案对所述生产吊挂系统进行集成控制。
42.具体而言，寻优分析是指多目标优化决策方法。在获得多组吊挂仿真模拟工况集后，基于此工况集对多个提升臂控制方案进行寻优分析，获得最优提升臂控制方案，并基于该方案对生产吊挂系统进行集成控制。首先，根据具体的吊挂作业需求选择执行效率、稳定性、安全性等作为寻优目标；采用遗传算法、粒子群算法、模拟退火算法等作为适合寻优目标的算法模型，用于在工况集约束下搜索最优控制方案。其次，编写算法模型所需要的初始参数，如种群大小、进化代数等；将工况集输入算法模型，模型根据目标函数和初始参数进行搜索与优化迭代，进而得到多个局部最优或全局最优控制方案。接着，从最优控制方案中选择一个或多个方案作为候选方案；最后，通过专家评审和寻优结果排序对候选方案进行最终评审，选择最优提升臂控制方案用于生产吊挂系统的集成控制。获得最优提升臂控制方案后，将其发送至生产吊挂系统对应的各个提升臂拓扑节点中，各个节点根据控制方案内包含的提升臂控制序列，实现提升臂的协同运动，完成吊挂作业的执行任务。
43.通过寻优分析获得最优方案，实现了对多个提升臂控制方案的智能优选，更加符合吊挂作业需求的控制策略，进而实现生产吊挂系统的智能集成控制，达到提高生产吊挂系统对提升臂的控制稳定性和提升臂的生产效率的技术效果。
44.进一步的，本技术实施例还包括：
45.步骤s2100：基于所述m个提升臂，获得m个基础拓扑节点；
46.步骤s2200：基于所述m个提升臂，获得m个基础参数集合和m个控制指标集合；
47.步骤s2300：基于所述m个提升臂进行控制算力分析匹配，获得m个提升臂控制算力系数；
48.步骤s2400：基于所述m个提升臂进行关联关系分析，获得提升臂-协同关系；
49.步骤s2500：基于所述m个基础拓扑节点，根据所述m个基础参数集合、m个控制指标集合、所述m个提升臂控制算力系数和所述提升臂-协同关系，生成所述提升臂集成网络。
50.具体而言，获取生产吊挂系统中m个提升臂的信息后，对m个提升臂进行编码编号与空间定位，在网络图内生成m个节点，这m个节点的编号对应代表提升臂的编号，这m个节点为基础拓扑节点，与m个提升臂一一对应，并包含提升臂相应的基本信息。读取每个提升臂的参数配置文件，获取其中的机械参数、动力学参数和运动学参数，这些参数构成m个基础参数集合，描述提升臂的物理特征与运动规律；读取每个提升臂的历史控制记录，统计其控制频次、协同次数、稳定性指数等信息，这些信息构成m个控制指标集合，评价提升臂的控制水平与控制积累。
51.通过匹配算法基于m个提升臂进行控制算力分析匹配，获得m个提升臂控制算力系数。然后，访问每个提升臂的控制记录，统计与其他提升臂的协同次数，协同次数越多，关联越紧密；计算每个提升臂与其他提升臂的空间距离。距离越近，控制关联越高；判断每个提升臂的控制区域与其他提升臂的区域是否存在重叠或邻近；区域关联越强，控制依赖性越大；读取每个提升臂的控制权限，判断是否可以实现对其他提升臂的控制，控制权限越大，关联越紧密；综合协同次数、空间距离、区域关联和控制权限，得出每个提升臂与其他提升臂的综合关联度。将综合关联度大于关联度阈值的提升臂确定为具有协同控制关系，从而获得提升臂-协同关系；
52.将m个基础拓扑节点按空间位置关系配置，构成初始网络结构，形成了各提升臂的运动学特征和控制区域；根据m个基础参数集合，为每个节点配置相应的控制参数，包括控制精度、稳定性、动力学约束等；根据m个控制指标集合，为每个节点配置控制效率、控制频率和协调控制指标等；根据m个提升臂控制算力系数和提升臂-协同关系，在初始网络中添加信息传递通路，设置各节点之间的控制连接权重，权重值越大，表示两个节点之间的控制协调性越强，构建出反映m个提升臂控制特征的集成网络。
53.通过构建能够准确表达生产吊挂系统中提升臂之间相互关系与控制特征的提升臂集成网络，为后续提升臂智能控制提供模型基础，有助于生成提升臂控制方案。
54.进一步的，如图2所示，本技术实施例还包括：
55.步骤s2310：连接所述生产吊挂系统，获得预设历史时区内的提升臂巡检记录集；
56.步骤s2320：基于所述m个提升臂对所述提升臂巡检记录集进行聚类分析，获得m组提升臂巡检记录；
57.步骤s2330：基于所述m组提升臂巡检记录对所述m个提升臂进行状态评估，获得m个提升臂状态指数；
58.步骤s2340：遍历所述m个提升臂状态指数进行调和相对计算，获得所述m个提升臂控制算力系数。
59.具体而言，连接生产吊挂系统，获取其中存储的提升臂的历史巡检记录。预设历史时区是获取巡检记录的时间范围，根据生产线的控制周期与提升臂的故障平均修复时长等因素进行设置，一般设置为1年。提升臂巡检记录集是在预定时区内的全部巡检记录的集合，包括巡检时间、巡检项目、巡检结果、运行参数等。
60.使用聚类分析技术，基于m个提升臂对提升臂巡检记录集进行分组，每组提升臂巡检记录对应同一个提升臂，最终获得m组提升臂巡检记录。使用模糊评价法、统计学评估法等方法，基于每组提升臂巡检记录来判断对应提升臂的运行状态，并量化为提升臂状态指数，每组提升臂巡检记录对应一个提升臂状态指数，最终获得m个提升臂状态指数。
61.对m个提升臂状态指数进行标准化，映射到[0，1]区间，得到标准化状态指数；选择m个提升臂状态指数的中位数或最大值作为基准状态指数，计算各提升臂标准化状态指数与基准状态指数的比值，作为初步的提升臂控制算力系数；对初步的提升臂控制算力系数进行标准化调整，使之和为1。根据m个提升臂的性能参数，设置提升臂控制算力阈值，如果小于该阈值，则该提升臂控制算力系数无效，将其剔除后重新调整其他提升臂控制算力系数，使之和为1。对有效的提升臂控制算力系数进行正态分布变换，得到最终的m个提升臂控制算力系数。
[0062]
通过获取m个提升臂控制算力系数，为提升臂集成控制的各个环节提供重要数据支持，确保集成控制方案的最优实施和各提升臂状态的正常工作，从而实现高效、稳定的生产吊挂系统集成控制。
[0063]
进一步的，如图3所示，本技术实施例还包括：
[0064]
步骤s4100：基于所述提升臂集成网络，构建所述模糊控制决策模型的基础网络结构，其中，所述基础网络结构包括m个提升臂控制决策节点；
[0065]
步骤s4200：基于所述m个提升臂控制决策节点对所述提升臂控制记录集进行聚类分析，获得m个决策节点控制记录集；
[0066]
步骤s4300：基于所述m个决策节点控制记录集对所述m个提升臂控制决策节点进行有监督训练，获得m个提升臂控制决策单元；
[0067]
步骤s4400：基于所述m个提升臂控制决策单元，获得所述模糊控制决策模型。
[0068]
具体而言，根据提升臂集成网络中的提升臂数量m，在基础网络结构中设置m个提升臂控制决策节点，每个节点对应一个提升臂。
[0069]
具体而言，确定模糊控制系统的输入和输出，输入可以包括提升臂的位置、速度、负载等信息，输出可以包括提升臂的控制指令，根据输入和输出设计每个提升臂控制决策节点的结构，一般包括模糊化、规则库、解模糊化等模块，其中，包含m个提升臂控制决策节点。建立模糊控制规则库，包括模糊控制变量、模糊集合、模糊关系和控制规则等，确定每个提升臂控制决策节点的输入变量和输出变量，以构建基础网络结构。
[0070]
获取提升臂控制记录集后，包括提升臂的位置、速度、负载和控制指令等信息，利用聚类算法对提升臂控制记录集进行聚类分析，将提升臂控制记录集划分为m个决策节点控制记录集。将每个决策节点控制记录集分为训练集和测试集，对每个提升臂控制决策节点进行有监督训练，以获得对应的控制决策单元，针对每个决策单元进行测试，验证其能否准确地根据输入数据输出正确的控制指令，以获得m个提升臂控制决策单元。
[0071]
将每个决策单元的输出映射到模糊控制系统的输出，根据每个提升臂控制决策单元的输出和模糊控制规则库，设计模糊控制系统的输入变量和输出变量。然后对模糊控制系统进行参数调整和优化，从而获得所述模糊控制决策模型。
[0072]
通过构建基础网络结构，聚类控制记录，训练控制决策节点，最终获得集成控制需求的模糊控制决策模型，可以提高多个提升臂的控制决策能力，为提升生产吊挂系统控制性能提供决策支持。
[0073]
进一步的，本技术实施例还包括：
[0074]
步骤s6100：遍历所述多组吊挂仿真模拟工况集进行特征识别，获得多组模拟工况特征集；
[0075]
步骤s6200：遍历所述多组模拟工况特征集进行控制适应度评估，获得多个控制适应度；
[0076]
步骤s6300：基于所述多个控制适应度，获得最大控制适应度；
[0077]
步骤s6400：基于所述最大控制适应度对所述多个提升臂控制方案进行匹配，获得所述最优提升臂控制方案。
[0078]
具体而言，遍历获取的多组吊挂仿真模拟工况集，采用机器学习中的特征提取方法获取得到每个工况场景下的特征参数，进而形成多组模拟工况特征集。控制适应度评估是对不同控制方案在各个工况场景下的适应性进行评价，可以采用专家评价法或基于模糊评价的方法。遍历多组模拟工况特征集，对每个特征集进行控制适应度评估，最终得到多个控制适应度，每个适应度对应一个控制方案在一个工况场景下的评价值。
[0079]
从多个控制适应度中选取评价值最大的一个，作为最大控制适应度。该最大控制适应度对应的控制方案即为在所有工况场景下评价最高的方案。由于已经对所有工况场景下的控制方案进行了评价，最大控制适应度对应的控制方案是在所有工况下表现最优的方案，所以将其作为最优提升臂控制方案。
[0080]
通过对不同控制方案在多工况场景下的仿真评估，选取全局最大控制适应度对应的控制方案作为最优提升臂控制方案，实现了多目标最优化控制方案的选择。
[0081]
进一步的，本技术实施例还包括：
[0082]
步骤s6110：遍历所述多组模拟工况特征集，获得第一组模拟工况特征集；
[0083]
步骤s6120：基于所述提升臂集成网络对所述第一组模拟工况特征集进行聚类分析，获得m个节点模拟工况特征集合；
[0084]
步骤s6130：基于所述提升臂集成网络，构建工况正态分析模型；
[0085]
步骤s6140：基于所述工况正态分析模型对所述m个节点模拟工况特征集合进行异常标识，获得m个标识模拟工况特征集合；
[0086]
步骤s6150：基于节点控制适应度评估模型对所述m个标识模拟工况特征集合进行分析，获得m个节点控制适应度；
[0087]
步骤s6160：遍历所述m个节点控制适应度进行适应度均衡计算，获得第一控制适应度，并将所述第一控制适应度添加至所述多个控制适应度。
[0088]
具体而言，从多组模拟工况特征集中选取其中一个特征集作为第一组模拟工况特征集。提升臂集成网络包含m个节点，针对第一组模拟工况特征集中的各个特征参数，可以采用k－均值聚类等方法进行聚类，获得m个聚类，每个聚类中的特征参数对应于提升臂集成网络的一个节点，得到m个节点模拟工况特征集合。通过提升臂集成网络的拓扑结构以及节点参数构建工况正态分析模型，用于判断某一节点的参数是否在正常工况范围内。
[0089]
采用工况正态分析模型对m个节点模拟工况特征集合进行判断，如果某节点特征参数超出正常范围，则对该节点模拟工况特征集合进行异常标识。完成所有节点判断后，得到m个标识模拟工况特征集合。节点控制适应度评估模型用于评估每个节点在当前工况下的控制适应度。对被异常标识的节点模拟工况特征集合采用该模型进行评估，得到异常节点的控制适应度。未被标识的节点直接取默认最大适应度。得到m个节点控制适应度。m个节点控制适应度反映了不同节点在当前工况下的控制适应性，采用均衡计算方法，综合考虑各节点的控制适应度，得到第一控制适应度，作为当前工况场景下的控制方案评估值，添加
到多个控制适应度中。
[0090]
通过获取多个控制适应度，实现了在第一组模拟工况特征集对应的工况场景下，对提升臂集成网络的控制适应度进行评估，为后续选取最优控制方案提供了依据。
[0091]
进一步的，本技术实施例还包括：
[0092]
步骤s6151：构建所述节点控制适应度评估模型，其中，所述节点控制适应度评估模型包括多维控制适应度评估指标，所述多维控制适应度评估指标包括负载适应度、控制稳定性和控制时效性；
[0093]
步骤s6152：基于所述节点控制适应度评估模型对所述m个标识模拟工况特征集合进行评价，获得m个节点控制适应度评估数据；
[0094]
步骤s6153：基于所述多维控制适应度评估指标，获得多维适应度评估权重约束；
[0095]
步骤s6154：基于所述多维适应度评估权重约束，遍历所述m个节点控制适应度评估数据进行加权融合，获得所述m个节点控制适应度。
[0096]
具体而言，节点控制适应度评估模型采用多维指标进行评估，包括负载适应度、控制稳定性和控制时效性。负载适应度评估节点是否能够适应当前负载要求，控制稳定性评估节点控制的稳定性，控制时效性评估节点响应的时效性。采用构建的节点控制适应度评估模型，对m个标识模拟工况特征集合分别进行评估，对每个特征集合得到负载适应度、控制稳定性和控制时效性3个指标的评估值，这3个评估值构成一个节点的控制适应度评估数据，得到m个节点控制适应度评估数据。
[0097]
多维控制适应度评估指标中，负载适应度、控制稳定性和控制时效性的重要性并不相同，需要确定适当的权重约束。可以采用专家评定法或ahp方法确定3个指标的权重，以此作为多维适应度评估权重约束。根据得到的多维适应度评估权重约束，对m个节点控制适应度评估数据中的3个指标评估值进行加权求和，便得到每个节点的综合控制适应度，这m个综合控制适应度即为m个节点控制适应度。
[0098]
通过构建了节点控制适应度评估模型，采用多维指标对节点控制适应度进行评估，并基于权重约束实现了多指标评估值的融合，得到了每个节点的控制适应度，为最终的控制方案选择提供参考依据。
[0099]
综上所述，本技术实施例所提供的一种用于生产吊挂系统的集成控制方法具有如下技术效果：
[0100]
连接生产吊挂系统，获得生产吊挂系统的m个提升臂，实现对控制对象的获取，即生产吊挂系统中的多个提升臂；基于m个提升臂，构建提升臂集成网络，建立对多个提升臂的抽象表达，实现提升臂间的信息交互；连接生产吊挂系统，基于提升臂集成网络，获得提升臂控制记录集，为后续建模和分析提供数据基础；基于提升臂控制记录集，根据提升臂集成网络，构建模糊控制决策模型，并基于模糊控制决策模型对吊挂作业需求进行匹配，获得多个提升臂控制方案，构建实现吊挂作业需求匹配和多方案获得的决策模型，以支持多个提升臂控制方案的产生；连接数字孪生模块，基于提升臂集成网络，构建提升臂孪生模型，并基于提升臂孪生模型对多个提升臂控制方案进行吊挂仿真模拟，获得多组吊挂仿真模拟工况集，实现对多个提升臂控制方案的模拟仿真；基于多组吊挂仿真模拟工况集对多个提升臂控制方案进行寻优分析，获得最优提升臂控制方案，并基于最优提升臂控制方案对生产吊挂系统进行集成控制，基于仿真结果分析获得最优控制方案，并实现对生产吊挂系统
的集成控制，从而实现了生产吊挂系统多个提升臂的信息交互、建模分析、最优控制方案获得和集成控制，达到协调多个提升臂运作的目的，提高提升臂的作业稳定性和生产效率。
[0101]
实施例二
[0102]
基于与前述实施例中一种用于生产吊挂系统的集成控制方法相同的发明构思，如图4所示，本技术实施例提供了一种用于生产吊挂系统的集成控制系统，该系统包括：
[0103]
提升臂获取模块，所述提升臂获取模块用于连接生产吊挂系统，获得所述生产吊挂系统的m个提升臂，且，m为大于1的正整数；
[0104]
提升臂集成网络模块，所述提升臂集成网络模块基于所述m个提升臂，构建提升臂集成网络，其中，所述提升臂集成网络包括m个提升臂拓扑节点；
[0105]
提升臂控制记录模块，所述提升臂控制记录模块用于连接所述生产吊挂系统，基于所述提升臂集成网络，获得提升臂控制记录集；
[0106]
提升臂控制方案模块，所述提升臂控制方案模块基于所述提升臂控制记录集，根据所述提升臂集成网络，构建模糊控制决策模型，并基于所述模糊控制决策模型对吊挂作业需求进行匹配，获得多个提升臂控制方案；
[0107]
吊挂仿真工况模块，所述连接数字孪生模块，基于所述提升臂集成网络，构建提升臂孪生模型，并基于所述提升臂孪生模型对所述多个提升臂控制方案进行吊挂仿真模拟，获得多组吊挂仿真模拟工况集；
[0108]
控制方案寻优模块，所述控制方案寻优模块基于所述多组吊挂仿真模拟工况集对所述多个提升臂控制方案进行寻优分析，获得最优提升臂控制方案，并基于所述最优提升臂控制方案对所述生产吊挂系统进行集成控制。
[0109]
进一步的，本技术实施例还包括：
[0110]
基础拓扑节点模块，基于所述m个提升臂，获得m个基础拓扑节点；
[0111]
参数集合获取模块，基于所述m个提升臂，获得m个基础参数集合和m个控制指标集合；
[0112]
控制算力系数模块，基于所述m个提升臂进行控制算力分析匹配，获得m个提升臂控制算力系数；
[0113]
关联关系分析模块，基于所述m个提升臂进行关联关系分析，获得提升臂-协同关系；
[0114]
提升臂集成网络模块，基于所述m个基础拓扑节点，根据所述m个基础参数集合、m个控制指标集合、所述m个提升臂控制算力系数和所述提升臂-协同关系，生成所述提升臂集成网络。
[0115]
进一步的，本技术实施例还包括：
[0116]
历史巡检记录模块，用于连接所述生产吊挂系统，获得预设历史时区内的提升臂巡检记录集；
[0117]
巡检记录分析模块，基于所述m个提升臂对所述提升臂巡检记录集进行聚类分析，获得m组提升臂巡检记录；
[0118]
提升臂状态指数模块，基于所述m组提升臂巡检记录对所述m个提升臂进行状态评估，获得m个提升臂状态指数；
[0119]
算力系数获取模块，用于遍历所述m个提升臂状态指数进行调和相对计算，获得所
述m个提升臂控制算力系数。
[0120]
进一步的，本技术实施例还包括：
[0121]
基础网络结构模块，基于所述提升臂集成网络，构建所述模糊控制决策模型的基础网络结构，其中，所述基础网络结构包括m个提升臂控制决策节点；
[0122]
决策节点控制模块，基于所述m个提升臂控制决策节点对所述提升臂控制记录集进行聚类分析，获得m个决策节点控制记录集；
[0123]
控制决策单元模块，基于所述m个决策节点控制记录集对所述m个提升臂控制决策节点进行有监督训练，获得m个提升臂控制决策单元；
[0124]
控制决策模型模块，基于所述m个提升臂控制决策单元，获得所述模糊控制决策模型。
[0125]
进一步的，本技术实施例还包括：
[0126]
模拟工况特征模块，用于遍历所述多组吊挂仿真模拟工况集进行特征识别，获得多组模拟工况特征集；
[0127]
控制适应度模块，用于遍历所述多组模拟工况特征集进行控制适应度评估，获得多个控制适应度；
[0128]
最大控制适应度模块，基于所述多个控制适应度，获得最大控制适应度；
[0129]
最优控制方案模块，基于所述最大控制适应度对所述多个提升臂控制方案进行匹配，获得所述最优提升臂控制方案。
[0130]
进一步的，本技术实施例还包括：
[0131]
模拟工况特征模块，基于所述提升臂集成网络对所述第一组模拟工况特征集进行聚类分析，获得m个节点模拟工况特征集合；
[0132]
正态分析模型模块，基于所述提升臂集成网络，构建工况正态分析模型；
[0133]
标识工况特征模块，基于所述工况正态分析模型对所述m个节点模拟工况特征集合进行异常标识，获得m个标识模拟工况特征集合；
[0134]
节点控制适应度模块，基于节点控制适应度评估模型对所述m个标识模拟工况特征集合进行分析，获得m个节点控制适应度；
[0135]
适应度均衡计算模块，用于遍历所述m个节点控制适应度进行适应度均衡计算，获得第一控制适应度，并将所述第一控制适应度添加至所述多个控制适应度。
[0136]
进一步的，本技术实施例还包括：
[0137]
评估模型构建模块，构建所述节点控制适应度评估模型，其中，所述节点控制适应度评估模型包括多维控制适应度评估指标，所述多维控制适应度评估指标包括负载适应度、控制稳定性和控制时效性；
[0138]
评估数据获取模块，基于所述节点控制适应度评估模型对所述m个标识模拟工况特征集合进行评价，获得m个节点控制适应度评估数据；
[0139]
评估权重约束模块，基于所述多维控制适应度评估指标，获得多维适应度评估权重约束；
[0140]
适应度获取模块，基于所述多维适应度评估权重约束，遍历所述m个节点控制适应度评估数据进行加权融合，获得所述m个节点控制适应度。
[0141]
综上所述的方法的任意步骤都可作为计算机指令或者程序存储在不设限制的计
算机存储器中，并可以被不设限制的计算机处理器调用识别用以实现本技术实施例中的任一项方法，在此不做多余限制。
[0142]
进一步的，综上所述的第一或第二可能不止代表次序关系，也可能代表某项特指概念，和/或指的是多个元素之间可单独或全部选择。显然，本领域的技术人员可以对本技术进行各种改动和变型而不脱离本技术的范围。这样，倘若本技术的这些修改和变型属于本技术及其等同技术的范围之内，则本技术意图包括这些改动和变型在内。

技术特征：
1.一种用于生产吊挂系统的集成控制方法，其特征在于，所述方法包括：连接生产吊挂系统，获得所述生产吊挂系统的m个提升臂，且，m为大于1的正整数；基于所述m个提升臂，构建提升臂集成网络，其中，所述提升臂集成网络包括m个提升臂拓扑节点；连接所述生产吊挂系统，基于所述提升臂集成网络，获得提升臂控制记录集；基于所述提升臂控制记录集，根据所述提升臂集成网络，构建模糊控制决策模型，并基于所述模糊控制决策模型对吊挂作业需求进行匹配，获得多个提升臂控制方案；连接数字孪生模块，基于所述提升臂集成网络，构建提升臂孪生模型，并基于所述提升臂孪生模型对所述多个提升臂控制方案进行吊挂仿真模拟，获得多组吊挂仿真模拟工况集；基于所述多组吊挂仿真模拟工况集对所述多个提升臂控制方案进行寻优分析，获得最优提升臂控制方案，并基于所述最优提升臂控制方案对所述生产吊挂系统进行集成控制。2.如权利要求1所述的方法，其特征在于，基于所述m个提升臂，构建提升臂集成网络，包括：基于所述m个提升臂，获得m个基础拓扑节点；基于所述m个提升臂，获得m个基础参数集合和m个控制指标集合；基于所述m个提升臂进行控制算力分析匹配，获得m个提升臂控制算力系数；基于所述m个提升臂进行关联关系分析，获得提升臂-协同关系；基于所述m个基础拓扑节点，根据所述m个基础参数集合、m个控制指标集合、所述m个提升臂控制算力系数和所述提升臂-协同关系，生成所述提升臂集成网络。3.如权利要求2所述的方法，其特征在于，基于所述m个提升臂进行控制算力分析匹配，获得m个提升臂控制算力系数，包括：连接所述生产吊挂系统，获得预设历史时区内的提升臂巡检记录集；基于所述m个提升臂对所述提升臂巡检记录集进行聚类分析，获得m组提升臂巡检记录；基于所述m组提升臂巡检记录对所述m个提升臂进行状态评估，获得m个提升臂状态指数；遍历所述m个提升臂状态指数进行调和相对计算，获得所述m个提升臂控制算力系数。4.如权利要求1所述的方法，其特征在于，构建模糊控制决策模型，包括：基于所述提升臂集成网络，构建所述模糊控制决策模型的基础网络结构，其中，所述基础网络结构包括m个提升臂控制决策节点；基于所述m个提升臂控制决策节点对所述提升臂控制记录集进行聚类分析，获得m个决策节点控制记录集；基于所述m个决策节点控制记录集对所述m个提升臂控制决策节点进行有监督训练，获得m个提升臂控制决策单元；基于所述m个提升臂控制决策单元，获得所述模糊控制决策模型。5.如权利要求1所述的方法，其特征在于，基于所述多组吊挂仿真模拟工况集对所述多个提升臂控制方案进行寻优分析，获得最优提升臂控制方案，包括：遍历所述多组吊挂仿真模拟工况集进行特征识别，获得多组模拟工况特征集；
遍历所述多组模拟工况特征集进行控制适应度评估，获得多个控制适应度；基于所述多个控制适应度，获得最大控制适应度；基于所述最大控制适应度对所述多个提升臂控制方案进行匹配，获得所述最优提升臂控制方案。6.如权利要求5所述的方法，其特征在于，遍历所述多组模拟工况特征集进行控制适应度评估，获得多个控制适应度，包括：遍历所述多组模拟工况特征集，获得第一组模拟工况特征集；基于所述提升臂集成网络对所述第一组模拟工况特征集进行聚类分析，获得m个节点模拟工况特征集合；基于所述提升臂集成网络，构建工况正态分析模型；基于所述工况正态分析模型对所述m个节点模拟工况特征集合进行异常标识，获得m个标识模拟工况特征集合；基于节点控制适应度评估模型对所述m个标识模拟工况特征集合进行分析，获得m个节点控制适应度；遍历所述m个节点控制适应度进行适应度均衡计算，获得第一控制适应度，并将所述第一控制适应度添加至所述多个控制适应度。7.如权利要求6所述的方法，其特征在于，基于节点控制适应度评估模型对所述m个标识模拟工况特征集合进行分析，获得m个节点控制适应度，包括：构建所述节点控制适应度评估模型，其中，所述节点控制适应度评估模型包括多维控制适应度评估指标，所述多维控制适应度评估指标包括负载适应度、控制稳定性和控制时效性；基于所述节点控制适应度评估模型对所述m个标识模拟工况特征集合进行评价，获得m个节点控制适应度评估数据；基于所述多维控制适应度评估指标，获得多维适应度评估权重约束；基于所述多维适应度评估权重约束，遍历所述m个节点控制适应度评估数据进行加权融合，获得所述m个节点控制适应度。8.一种用于生产吊挂系统的集成控制系统，其特征在于，所述系统包括：提升臂获取模块，所述提升臂获取模块用于连接生产吊挂系统，获得所述生产吊挂系统的m个提升臂，且，m为大于1的正整数；提升臂集成网络模块，所述提升臂集成网络模块基于所述m个提升臂，构建提升臂集成网络，其中，所述提升臂集成网络包括m个提升臂拓扑节点；提升臂控制记录模块，所述提升臂控制记录模块用于连接所述生产吊挂系统，基于所述提升臂集成网络，获得提升臂控制记录集；提升臂控制方案模块，所述提升臂控制方案模块基于所述提升臂控制记录集，根据所述提升臂集成网络，构建模糊控制决策模型，并基于所述模糊控制决策模型对吊挂作业需求进行匹配，获得多个提升臂控制方案；吊挂仿真工况模块，所述连接数字孪生模块，基于所述提升臂集成网络，构建提升臂孪生模型，并基于所述提升臂孪生模型对所述多个提升臂控制方案进行吊挂仿真模拟，获得多组吊挂仿真模拟工况集；
控制方案寻优模块，所述控制方案寻优模块基于所述多组吊挂仿真模拟工况集对所述多个提升臂控制方案进行寻优分析，获得最优提升臂控制方案，并基于所述最优提升臂控制方案对所述生产吊挂系统进行集成控制。

技术总结
本发明公开了一种用于生产吊挂系统的集成控制方法及系统，属于智能控制领域，所述方法包括：获得生产吊挂系统的M个提升臂；构建提升臂集成网络；连接生产吊挂系统，获得提升臂控制记录集；构建模糊控制决策模型，并基于该模型对吊挂作业需求进行匹配，获得多个提升臂控制方案；构建提升臂孪生模型，并基于提升臂孪生模型对多个提升臂控制方案进行吊挂仿真模拟，获得多组吊挂仿真模拟工况集；对多个提升臂控制方案进行寻优分析，获得最优提升臂控制方案，并对生产吊挂系统进行集成控制。本申请解决了现有技术中提升臂控制性能低下，难以保证提升臂稳定工作的技术问题，达到了提高提升臂作业的稳定性和生产效率的技术效果。升臂作业的稳定性和生产效率的技术效果。升臂作业的稳定性和生产效率的技术效果。


技术研发人员：李佳乐 夏志峰
受保护的技术使用者：浙江链捷数字科技有限公司
技术研发日：2023.06.15
技术公布日：2023/10/15