一种基于云计算的智能制造工业软件调试系统的制作方法

1.本发明属于智能制造技术领域，具体是一种基于云计算的智能制造工业软件调试系统。


背景技术：

2.智能制造，源于人工智能的研究，一般认为智能是知识和智力的总和，前者是智能的基础，后者是指获取和运用知识求解的能力。
3.专利公开号为cn115328054a的发明公开了一种基于云计算的智能制造工业软件调试系统，属于智能制造技术领域，该系统通过分析获取设备老化与损坏对生产的影响，从而有利于辅助智能制造工业软件在工作过程中对非设备因素进行准确的评价，也有利于及时发现设备生产中异常的生产效率偏低、生产良品率偏低的问题，快速锁定并进行维护保养，也有利于发现设备生产中异常的生产效率偏高、生产良品率偏高的情况，从而发现有利于生产良好进展，有利于用户及时调整整体生产环境，充分利用有利于生产效率与良品率的因素；本发明能够在工业软件上线时，能够根据其实际运行时间与维修状况对其部分参数进行准确的预测，降低工业软件上线初期的运行误差，提升准确性。
4.针对于智能制造设备运行监测过程中，一般根据具体设备的运行参数，将对应的制造设备标记为异常设备，后续再调遣人员对异常设备进行维护调试，保障异常设备可正常运行，但在实际操作过程中，此种方式，并不能及时确认属于该异常设备的最佳运行参数，且过于耗损人力，后续还是会出现设备异常的情况发生。


技术实现要素：

5.本发明旨在至少解决现有技术中存在的技术问题之一；为此，本发明提出了一种基于云计算的智能制造工业软件调试系统，用于解决并不能及时确认属于该异常设备的最佳运行参数，且过于耗损人力的技术问题。
6.为实现上述目的，根据本发明的第一方面的实施例提出一种基于云计算的智能制造工业软件调试系统，包括数据获取端、软件调试中心以及展示单元；
7.所述软件调试中心包括数据自适应分析单元、异常设备确认单元、设备参数测试单元、设备调试单元、存储单元、产能监视单元以及分析处理单元；
8.所述数据获取端，用于对智能制造业的不同设备的工作参数进行获取，并将所获取的工作参数传输至软件调试中心内，其中工作参数包括设备产量参数以及设备运行参数；
9.所述数据自适应分析单元，根据所获取的工作参数，对不同的设备进行自适应分析，并根据分析结果生成异常信号，并将所生成的异常信号传输至异常设备确认单元内，具体方式为：
10.确定一组监测周期t，且t为预设值，并对此监测周期t内不同设备的设备产能参数标记为csi，其中i代表不同的设备；
11.将若干组设备产能参数csi进行均值处理，得到待处理均值jz；
12.将若干组设备产能参数csi与待处理均值jz进行差值处理，得到若干个待处理差值czi；
13.将若干组待处理差值czi与预设参数y1进行比对，其中y1为预设值，当czi≤y1时，不进行任何处理，反之，生成异常信号，并将所生成的异常信号传输至异常设备确认单元内；
14.所述异常设备确认单元，根据数据自适应分析单元所发送的异常信号，将指定的设备标记为异常设备；
15.所述设备参数测试单元，确定所标记的异常设备，对此异常设备进行分功率测试，并从存储单元内提取预设的功率测试区间，根据测试数据，确认能源转换比，根据能源转换比，确认最佳功率测试区间，具体方式为：
16.从存储单元内提取预设的不同功率测试区间，且不同功率测试区间内包括有若干个不同的输入功率测试值，向异常设备随机输入对应功率测试区间的输入功率测试值，并将输入功率测试值标记为sri，并记录对应异常设备所输出的功率参数，并将其标记为sci；
17.采用nyi＝sci÷
sri得到对应设备输入功率测试值的能源转换比nyi，再对此功率测试区间的若干组能源转换比nyi进行确认，确认完毕后，将属于同一区间的若干组能源转换比nyi进行捆绑，得到区间捆绑数据包；
18.后续再对其他功率测试区间进行测试，得到属于不同区间的区间捆绑数据包；
19.对不同区间的区间捆绑数据包内部的能源转换比nyi均进行均值处理，得到待处理转换比均值jk，其中k代表不同的区间捆绑数据包，再从不同待处理转换比均值jk内提取最大值j
kmax
，并将待处理转换比均值j
kmax
所对应的功率测试区间进行确认，并将所确认的功率测试区间传输至设备调试单元内；
20.所述设备调试单元，根据所确认的最佳功率测试区间，对指定异常设备的输入功率进行调试，根据调试结果，确认最佳的运行输入功率值，具体方式为：
21.根据所确认的功率测试区间，并限定一组监测周期p；
22.对功率测试区间内部的功率测试值依次进行限定，并记录对应的功率输出值，并根据所确认的监测周期p，分析功率输出值在此监测周期p内所出现的波动次数，并提取波动次数最小值所对应的功率测试值；
23.若所确定的功率测试值只存在一组，则直接将其标记为最佳运行输入功率值；
24.若所确定的功率测试值存在多组，则从多组功率测试值内提取最大值，并将其标记为最佳运行输入功率值；
25.将所确认的最佳运行输入功率值作为对应异常设备的运行参数，并对此异常设备的运行参数进行调试。
26.优选的，所述产能监视单元，将完成调试后的若干组异常设备进行产能监视，并将所监视的异常设备产能参数传输至分析处理单元内。
27.优选的，所述分析处理单元，根据所监视的异常设备产能参数，对单位时间内所确定的异常设备产能参数进行确认，完成确认后，并与存储单元内预设值进行比对，并根据比对结果，生成对应的处理信号，具体方式为：
28.将单位时间内异常设备的产能参数标记为cnm，其中m代表不同的异常设备；
29.从存储单元内提取预设值y2，当cnm＜y2时，生成维护信号，并传输至展示单元内进行展示，反之，不进行任何处理。
30.与现有技术相比，本发明的有益效果是：根据所获取的工作参数，确认异常设备，后续再对异常设备进行参数测试，从存储单元内提取不同的预设测试区间，根据不同的预设测试区间，确认不同的输出参数，再根据输出参数，确认能源转换比，确认最佳的测试区间后，再对测试区间内部的功率数值进行再测试，从而确认一组最佳的运行输入功率值，后续再采用此运行输入功率值，对异常设备进行调试，以此达到最佳的异常设备处理效果，使异常设备能正常运行，后续，再根据运行结果，判定异常设备是否需要进行维修，以此提升整个工业设备的整体调试效果。
附图说明
31.图1为本发明原理框架示意图。
具体实施方式
32.下面将结合实施例对本发明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它实施例，都属于本发明保护的范围。
33.实施例一
34.请参阅图1，本技术提供了一种基于云计算的智能制造工业软件调试系统，包括数据获取端、软件调试中心以及展示单元；
35.所述数据获取端与软件调试中心输入端电性连接，所述软件调试中心与展示单元输入端电性连接；
36.所述软件调试中心包括数据自适应分析单元、异常设备确认单元、设备参数测试单元、设备调试单元、存储单元、产能监视单元以及分析处理单元，所述数据自适应分析单元与异常设备确认单元输入端电性连接，所述异常设备确认单元与设备参数测试单元输入端电性连接，所述设备参数测试单元与设备调试单元输入端电性连接，所述设备参数测试单元与存储单元之间双向连接，所述设备调试单元与产能监视单元输入端电性连接，所述产能监视单元与分析处理单元输入端电性连接；
37.所述数据获取端，用于对智能制造业的不同设备的工作参数进行获取，并将所获取的工作参数传输至软件调试中心内，其中工作参数包括设备产量参数以及设备运行参数；
38.所述数据自适应分析单元，根据所获取的工作参数，对不同的设备进行自适应分析，并根据分析结果生成异常信号，并将所生成的异常信号传输至异常设备确认单元内，其中，进行自适应分析的具体方式为：
39.确定一组监测周期t，其中t一般取值24h，且t为预设值，其具体取值由操作人员根据经验拟定，并对此监测周期t内不同设备的设备产能参数标记为csi，其中i代表不同的设备；
40.将若干组设备产能参数csi进行均值处理，得到待处理均值jz；
41.将若干组设备产能参数csi与待处理均值jz进行差值处理，得到若干个待处理差值czi；
42.将若干组待处理差值czi与预设参数y1进行比对，其中y1为预设值，其具体取值由操作人员根据经验拟定，当czi≤y1时，不进行任何处理，反之，生成异常信号，并将所生成的异常信号传输至异常设备确认单元内。
43.所述异常设备确认单元，根据数据自适应分析单元所发送的异常信号，将指定的设备标记为异常设备；
44.所述设备参数测试单元，确定所标记的异常设备，对此异常设备进行分功率测试，并从存储单元内提取预设的功率测试区间，根据测试数据，确认能源转换比，根据能源转换比，确认最佳的功率测试区间，其中，进行分功率测试的具体方式为：
45.从存储单元内提取预设的不同功率测试区间，且不同功率测试区间内包括有若干个不同的输入功率测试值，并采用不同的功率测试区间对异常设备进行功率测试，向异常设备随机输入对应功率测试区间的输入功率测试值，并将输入功率测试值标记为sri，并记录对应异常设备所输出的功率参数，并将其标记为sci，在实际应用过程中，对应设备在使用时，一般存在输入参数以及输出参数；
46.采用nyi＝sci÷
sri得到对应设备输入功率测试值的能源转换比nyi，再对此功率测试区间的若干组能源转换比nyi进行确认，确认完毕后，将属于同一区间的若干组能源转换比nyi进行捆绑，得到区间捆绑数据包；
47.后续再对其他功率测试区间进行测试，得到属于不同区间的区间捆绑数据包；
48.对不同区间的区间捆绑数据包内部的能源转换比nyi均进行均值处理，得到待处理转换比均值jk，其中k代表不同的区间捆绑数据包，再从不同待处理转换比均值jk内提取最大值j
kmax
，并将待处理转换比均值j
kmax
所对应的功率测试区间进行确认，并将所确认的功率测试区间传输至设备调试单元内。
49.所述设备调试单元，根据所确认的功率测试区间，对指定异常设备的输入功率进行调试，根据调试结果，确认最佳的运行输入功率值，其中，进行调试的具体方式为：
50.根据所确认的功率测试区间，并限定一组监测周期p，其中p为预设值，其具体取值由操作人员根据经验拟定，且p一般取值2min；
51.对功率测试区间内部的功率测试值依次进行限定，并记录对应的功率输出值，并根据所确认的监测周期p，分析功率输出值在此监测周期p内所出现的波动次数，并提取波动次数最小值所对应的功率测试值；
52.若所确定的功率测试值只存在一组，则直接将其标记为最佳运行输入功率值；
53.若所确定的功率测试值存在多组，则从多组功率测试值内提取最大值，并将其标记为最佳运行输入功率值；
54.将所确认的最佳运行输入功率值作为对应异常设备的运行参数，并对此异常设备的运行参数进行调试。
55.实施例二
56.本实施例在具体实施过程中，相较于实施例一，且包括实施例一，其具体区别在于：
57.所述产能监视单元，将完成调试后的若干组异常设备进行产能监视，并将所监视
的异常设备产能参数传输至分析处理单元内；
58.所述分析处理单元，根据所监视的异常设备产能参数，对单位时间内所确定的异常设备产能参数进行确认，完成确认后，并与存储单元内预设值进行比对，并根据比对结果，生成对应的处理信号，其中，进行比对的具体方式为：
59.将单位时间内异常设备的产能参数标记为cnm，其中m代表不同的异常设备，其中单位时间具体取值由操作人员根据经验拟定；
60.从存储单元内提取预设值y2，且y2的具体取值由操作人员根据经验拟定，当cnm＜y2时，生成维护信号，并传输至展示单元内进行展示，反之，不进行任何处理。
61.所述展示单元，根据维护信号，对指定的异常设备进行维护，对异常设备所产生的设备参数进行再调试或维修。
62.上述公式中的部分数据均是去除量纲取其数值计算，公式是由采集的大量数据经过软件模拟得到最接近真实情况的一个公式；公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者通过大量数据模拟获得。
63.本发明的工作原理：预先根据所获取的工作参数，确认异常设备，后续再对异常设备进行参数测试，从存储单元内提取不同的预设测试区间，根据不同的预设测试区间，确认不同的输出参数，再根据输出参数，确认能源转换比，确认最佳的测试区间后，再对测试区间内部的功率数值进行再测试，从而确认一组最佳的运行输入功率值，后续再采用此运行输入功率值，对异常设备进行调试，以此达到最佳的异常设备处理效果，使异常设备能正常运行，后续，再根据运行结果，判定异常设备是否需要进行维修，以此提升整个工业设备的整体调试效果。
64.以上实施例仅用以说明本发明的技术方法而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方法进行修改或等同替换，而不脱离本发明技术方法的精神和范围。

技术特征：
1.一种基于云计算的智能制造工业软件调试系统，其特征在于，包括数据获取端、软件调试中心以及展示单元；所述软件调试中心包括数据自适应分析单元、异常设备确认单元、设备参数测试单元、设备调试单元、存储单元、产能监视单元以及分析处理单元；所述数据获取端，用于对智能制造业的不同设备的工作参数进行获取，并将所获取的工作参数传输至软件调试中心内，其中工作参数包括设备产量参数以及设备运行参数；所述数据自适应分析单元，根据所获取的工作参数，对不同的设备进行自适应分析，并根据分析结果生成异常信号，并将所生成的异常信号传输至异常设备确认单元内；所述异常设备确认单元，根据数据自适应分析单元所发送的异常信号，将指定的设备标记为异常设备；所述设备参数测试单元，确定所标记的异常设备，对此异常设备进行分功率测试，并从存储单元内提取预设的功率测试区间，根据测试数据，确认能源转换比，根据能源转换比，确认最佳功率测试区间；所述设备调试单元，根据所确认的最佳功率测试区间，对指定异常设备的输入功率进行调试，根据调试结果，确认最佳的运行输入功率值。2.根据权利要求1所述的一种基于云计算的智能制造工业软件调试系统，其特征在于，所述数据自适应分析单元，对不同的设备进行自适应分析的具体方式为：确定一组监测周期t，且t为预设值，并对此监测周期t内不同设备的设备产能参数标记为cs
i
，其中i代表不同的设备；将若干组设备产能参数cs
i
进行均值处理，得到待处理均值jz；将若干组设备产能参数cs
i
与待处理均值jz进行差值处理，得到若干个待处理差值cz
i
；将若干组待处理差值cz
i
与预设参数y1进行比对，其中y1为预设值，当cz
i
≤y1时，不进行任何处理，反之，生成异常信号，并将所生成的异常信号传输至异常设备确认单元内。3.根据权利要求2所述的一种基于云计算的智能制造工业软件调试系统，其特征在于，所述设备参数测试单元，对异常设备进行分功率测试的具体方式为：从存储单元内提取预设的不同功率测试区间，且不同功率测试区间内包括有若干个不同的输入功率测试值，向异常设备随机输入对应功率测试区间的输入功率测试值，并将输入功率测试值标记为sr
i
，并记录对应异常设备所输出的功率参数，并将其标记为sc
i
；采用ny
i
＝sc
i
÷
sr
i
得到对应设备输入功率测试值的能源转换比ny
i
，再对此功率测试区间的若干组能源转换比ny
i
进行确认，确认完毕后，将属于同一区间的若干组能源转换比ny
i
进行捆绑，得到区间捆绑数据包；后续再对其他功率测试区间进行测试，得到属于不同区间的区间捆绑数据包；对不同区间的区间捆绑数据包内部的能源转换比ny
i
均进行均值处理，得到待处理转换比均值j
k
，其中k代表不同的区间捆绑数据包，再从不同待处理转换比均值j
k
内提取最大值j
kmax
，并将待处理转换比均值j
kmax
所对应的功率测试区间进行确认，并将所确认的功率测试区间传输至设备调试单元内。4.根据权利要求3所述的一种基于云计算的智能制造工业软件调试系统，其特征在于，所述设备调试单元，对指定异常设备的输入功率进行调试的具体方式为：根据所确认的功率测试区间，并限定一组监测周期p；
对功率测试区间内部的功率测试值依次进行限定，并记录对应的功率输出值，并根据所确认的监测周期p，分析功率输出值在此监测周期p内所出现的波动次数，并提取波动次数最小值所对应的功率测试值；若所确定的功率测试值只存在一组，则直接将其标记为最佳运行输入功率值；若所确定的功率测试值存在多组，则从多组功率测试值内提取最大值，并将其标记为最佳运行输入功率值；将所确认的最佳运行输入功率值作为对应异常设备的运行参数，并对此异常设备的运行参数进行调试。5.根据权利要求4所述的一种基于云计算的智能制造工业软件调试系统，其特征在于，所述产能监视单元，将完成调试后的若干组异常设备进行产能监视，并将所监视的异常设备产能参数传输至分析处理单元内。6.根据权利要求1所述的一种基于云计算的智能制造工业软件调试系统，其特征在于，所述分析处理单元，根据所监视的异常设备产能参数，对单位时间内所确定的异常设备产能参数进行确认，完成确认后，并与存储单元内预设值进行比对，并根据比对结果，生成对应的处理信号。7.根据权利要求6所述的一种基于云计算的智能制造工业软件调试系统，其特征在于，所述分析处理单元，将异常设备产能参数与存储单元内预设值进行比对的具体方式为：将单位时间内异常设备的产能参数标记为cn
m
，其中m代表不同的异常设备；从存储单元内提取预设值y2，当cn
m
＜y2时，生成维护信号，并传输至展示单元内进行展示，反之，不进行任何处理。

技术总结
本发明公开了一种基于云计算的智能制造工业软件调试系统，涉及智能制造技术领域，解决了并不能及时确认属于该异常设备的最佳运行参数，且过于耗损人力的技术问题，根据所获取的工作参数，确认异常设备，后续再对异常设备进行参数测试，从存储单元内提取不同的预设测试区间，根据不同的预设测试区间，再根据输出参数，确认能源转换比，确认最佳的测试区间后，再对测试区间内部的功率数值进行再测试，从而确认一组最佳的运行输入功率值，后续再采用此运行输入功率值，对异常设备进行调试，以此达到最佳的异常设备处理效果，使异常设备能正常运行，后续，再根据运行结果，判定异常设备是否需要进行维修，以此提升整个工业设备的整体调试效果。体调试效果。体调试效果。


技术研发人员：杨锐 张世财
受保护的技术使用者：广西领源科技发展有限公司
技术研发日：2023.05.16
技术公布日：2023/8/13