【技术实现步骤摘要】
本专利技术涉及电镀生产线控制，特别是一种十六线四滚筒电镀线生产控制方法。
技术介绍
1、传统的电镀生产线通常采用单一的电镀槽与少量的滚筒配置，这种配置方式在小规模生产中较为高效，但在大规模生产中，尤其是十六线四滚筒等多生产线并行工作的电镀线中，存在较为显著的技术瓶颈。
2、在十六线四滚筒电镀生产线中，确保每条线的电镀质量达到最优，并且能够实时调整电镀液的状态，是当前电镀
面临的一大挑战。
技术实现思路
1、鉴于上述现有存在的问题，提出了本专利技术。
2、因此，本专利技术提供了一种十六线四滚筒电镀线生产控制方法解决实时调整电镀液的状态问题。
3、为解决上述技术问题，本专利技术提供如下技术方案：
4、第一方面，本专利技术提供了一种十六线四滚筒电镀线生产控制方法，其包括，
5、在所有生产线上部署边缘节点，并利用传感器实时采集电镀液状态数据；
6、根据电镀液状态数据，利用机器学习算法，对电镀液的状态数据异常进行识别；
7、利用视觉传感器和红外感知设备采集电镀线的视觉图像数据和红外图像数据；
8、基于视觉图像数据和红外图像数据，通过图像处理算法对电镀线进行质量评估；
9、根据电镀液的异常状态和电镀线的质量评估结果，通过自适应算法对电镀液状态参数进行调整。
10、作为本专利技术所述十六线四滚筒电镀线生产控制方法的一种优选方案，其中：所述在所有生产线上部署边缘节点，并利用
11、利用边缘节点上的传感器，实时采集所有生产线上电镀液的状态数据；
12、在边缘节点上对实时采集的电镀液状态数据进行平滑和标准化处理。
13、作为本专利技术所述十六线四滚筒电镀线生产控制方法的一种优选方案，其中：所述根据电镀液状态数据，利用机器学习算法，对电镀液的状态数据异常进行识别，具体步骤如下，
14、根据电镀液状态数据，构建状态数据集；
15、根据生产线上对电镀液的状态数据设定的范围，将不在状态数据设定的范围内的数据贴上异常标签，对处于状态数据设定的范围内的数据贴上正常标签；
16、混合带有异常标签和正常标签的状态数据，并划分为训练集和测试集；
17、基于非线性支持向量机(svm)，在边缘节点上构建电镀液状态判断模型；
18、将训练集输入到电镀液状态判断模型中，计算目标损失函数；
19、将训练集划分为k个子集，使用如k折交叉验证，轮流使用其中一个子集作为验证集，其余作为训练集，进行训练与验证；
20、根据生产线上对电镀液的状态数据的范围设定，预设准确率、精度和召回率阈值；
21、每次训练与验证后，计算准确率、精度和召回率，当准确率、精度和召回率均大于准确率、精度和召回率阈值时，训练结束；
22、将测试集输入到电镀液状态判断模型，计算准确率、精度和召回率，当准确率、精度和召回率均大于准确率、精度和召回率阈值时，电镀液状态判断模型训练完成；
23、在电镀液状态判断模型中融入增量学习机制，对电镀液状态判断模型进行实时更新；
24、实时采集的电镀液的状态数据，利用边缘节点上的电镀液状态判断模型对生产线上电镀液的状态进行判断。
25、作为本专利技术所述十六线四滚筒电镀线生产控制方法的一种优选方案，其中：所述在电镀液状态判断模型中融入增量学习机制，对电镀液状态判断模型进行实时更新，具体步骤如下，
26、通过计算新采集的状态数据与电镀液状态判断模型的超平面的距离，判断新采集的状态数据对电镀液状态判断模型的影响程度；
27、将新采集的状态数据加入电镀液状态判断模型的支持向量集，根据新支持向量集更新超平面和决策函数。
28、作为本专利技术所述十六线四滚筒电镀线生产控制方法的一种优选方案，其中：所述利用视觉传感器和红外感知设备采集电镀线的视觉图像数据和红外图像数据，具体步骤如下，
29、利用视觉传感器采集电镀线的视觉图像数据；
30、利用红外感知设备采集电镀线的红外图像数据；
31、对视觉图像数据和红外图像数据进行处理。
32、作为本专利技术所述十六线四滚筒电镀线生产控制方法的一种优选方案，其中：所述对视觉图像数据和红外图像数据进行处理，具体步骤如下，
33、利用双边滤波法，对视觉图像数据进行去噪处理；
34、利用直方图均衡化方法，通过调整图像的亮度分布，提高图像的对比度；
35、利用非局部均值法，对图像中的相似像素进行加权平均，保持细节的同时去除噪声，调整红外图像的亮度和对比度。
36、作为本专利技术所述十六线四滚筒电镀线生产控制方法的一种优选方案，其中：所述基于视觉图像数据和红外图像数据，通过图像处理算法对电镀线进行质量评估，具体步骤如下，
37、根据红外感知设备的红外辐射强度与电镀层厚度之间的关系，计算电镀层的厚度；
38、通过图像分割方法提取电镀线的电镀层区域，计算每个区域内的电镀层厚度的标准差作为均匀性评估指标；
39、对视觉图像数据中的已知缺陷进行分类和标注(包括正常、裂纹、气泡、剥落)；
40、每张图像标注多个缺陷的类别，并为每个缺陷区域提供边界框；
41、基于卷积神经网络(cnn)，构建缺陷识别模型；
42、通过将已知缺陷进行分类和标注的视觉图像数据划分为训练集和验证集，并将训练集输入缺陷识别模型；
43、通过计算训练集中已知缺陷进行分类和标注的视觉图像的交叉熵损失函数，对输入缺陷识别模型进行训练；
44、使用梯度下降法最小化损失函数，并迭代优化网络权重，每次训练后，通过验证集评估模型的表现，调整超参数；
45、通过计算缺陷识别模型准确率和召回率，评估模型的性能；
46、利用训练好的缺陷识别模型对新采集的视觉图像数据进行缺陷检测；
47、通过综合考虑电镀层的厚度、均匀性、表面缺陷，对电镀层的整体质量进行评估。
48、作为本专利技术所述十六线四滚筒电镀线生产控制方法的一种优选方案，其中：所述根据电镀液的异常状态和电镀线的质量评估结果，通过自适应算法对电镀液状态参数进行调整，具体步骤如下，
49、将电镀液的异常数据与电镀线质量评估结果进行归一化处理；
50、采用基于强化学习的自适应控制算法，通过奖励函数指导电镀液状态数据的调整；
51、在强化学习训练过程中，通过策略梯度方法优化电镀液状态数据的调整过程；
52、通过反向传播算法逐步调整电镀液的控制参数；
53、通过在每次迭代时，根据当前状态数据和质量评估结果，调整电镀液状态数据并重新计算奖励函数；
54、当奖励函数达到最大值时，表示电镀液状态数据达到最佳，且电镀线的电本文档来自技高网...
【技术保护点】
1.一种十六线四滚筒电镀线生产控制方法，其特征在于：包括，
2.如权利要求1所述的十六线四滚筒电镀线生产控制方法，其特征在于：所述在所有生产线上部署边缘节点，并利用传感器实时采集电镀液状态数据，具体步骤如下，
3.如权利要求2所述的十六线四滚筒电镀线生产控制方法，其特征在于：所述根据电镀液状态数据，利用机器学习算法，对电镀液的状态数据异常进行识别，具体步骤如下，
4.如权利要求3所述的十六线四滚筒电镀线生产控制方法，其特征在于：所述在电镀液状态判断模型中融入增量学习机制，对电镀液状态判断模型进行实时更新，具体步骤如下，
5.如权利要求1所述的十六线四滚筒电镀线生产控制方法，其特征在于：所述利用视觉传感器和红外感知设备采集电镀线的视觉图像数据和红外图像数据，具体步骤如下，
6.如权利要求5所述的十六线四滚筒电镀线生产控制方法，其特征在于：所述对视觉图像数据和红外图像数据进行处理，具体步骤如下，
7.如权利要求6所述的十六线四滚筒电镀线生产控制方法，其特征在于：所述基于视觉图像数据和红外图像数据，通过图像处理算法
8.如权利要求7所述的十六线四滚筒电镀线生产控制方法，其特征在于：所述根据电镀液的异常状态和电镀线的质量评估结果，通过自适应算法对电镀液状态参数进行调整，具体步骤如下，
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于：所述处理器执行所述计算机程序时实现权利要求1～8任一所述的十六线四滚筒电镀线生产控制方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现权利要求1～8任一所述的十六线四滚筒电镀线生产控制方法的步骤。
...【技术特征摘要】
1.一种十六线四滚筒电镀线生产控制方法，其特征在于：包括，
2.如权利要求1所述的十六线四滚筒电镀线生产控制方法，其特征在于：所述在所有生产线上部署边缘节点，并利用传感器实时采集电镀液状态数据，具体步骤如下，
3.如权利要求2所述的十六线四滚筒电镀线生产控制方法，其特征在于：所述根据电镀液状态数据，利用机器学习算法，对电镀液的状态数据异常进行识别，具体步骤如下，
4.如权利要求3所述的十六线四滚筒电镀线生产控制方法，其特征在于：所述在电镀液状态判断模型中融入增量学习机制，对电镀液状态判断模型进行实时更新，具体步骤如下，
5.如权利要求1所述的十六线四滚筒电镀线生产控制方法，其特征在于：所述利用视觉传感器和红外感知设备采集电镀线的视觉图像数据和红外图像数据，具体步骤如下，
6.如权利要求5所述的十六线四滚筒电镀线生产控制...
【专利技术属性】
技术研发人员：付文学，郑协丰，沈康，尤家鑫，陈跃，
申请(专利权)人：江苏和亿智能科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。