智能玻璃加工输送线系统及能耗优化方法 |
|||||||
| 申请号 | CN202311552545.9 | 申请日 | 2023-11-17 | 公开(公告)号 | CN117519028B | 公开(公告)日 | 2024-05-10 |
| 申请人 | 蚌埠凯盛玻璃有限公司; | 发明人 | 刘志刚; 商长军; 曹慧; 王勇; 吕思稳; 陈德龙; 吴俊; | ||||
| 摘要 | 本 发明 公开了智能玻璃加工输送线系统及能耗优化方法，涉及工业自动化领域，包括运转参数采集模 块 、建模分析模块、比对分类模块、介入处理模块，运转参数采集模块用于采集智能玻璃加工输送线系统的 能量 消耗信息和输送线传送效率信息，建模分析模块用于利用 迭代 算法 优化周期传送速度，根据设定的能耗目标函数，结合 和声 搜索算法与 遗传算法 计算能耗目标函数的最优值，进行综合评估分析，比对分类模块根据评估分析结果比照预设的输送线能耗 水 平 阈值 ，介入处理模块用于根据比对结果进行 信号 分类，根据信号类型介入处理，本发明能够对智能玻璃加工输送线系统的能耗状态进行跟随监测与调整，并提示工作人员进行介入维护。 | ||||||
| 权利要求 | 1.智能玻璃加工输送线系统，其特征在于：包括运转参数采集模块、建模分析模块、比对分类模块、介入处理模块； |
||||||
| 说明书全文 | 智能玻璃加工输送线系统及能耗优化方法技术领域[0001] 本发明涉及工业自动化领域，更具体地说，本发明是智能玻璃加工输送线系统及能耗优化方法。 背景技术[0002] 智能玻璃加工输送线能耗优化通过采用各种技术和方法，以有效地减少玻璃加工生产线上所消耗的能源，从而提高能源利用效率、降低生产成本、减少对环境的影响。 [0003] 现有的能耗优化方法，按照优化算法或规划方法对各加工环节作业区域进行分配布置后，依靠能源管理系统对能耗表现进行监测，但缺乏基于优化模式且能跟随输送线实时状态浮动调整的控制逻辑，无法跟随调整智能玻璃加工输送线系统的能耗优化控制状态。 发明内容[0005] 本发明的目的是提供智能玻璃加工输送线系统及能耗优化方法，以解决背景技术中的不足。 [0006] 为实现上述目的，本发明提供如下技术方案：智能玻璃加工输送线系统，包括运转参数采集模块、建模分析模块、比对分类模块、介入处理模块； [0007] 运转参数采集模块用于采集智能玻璃加工输送线系统的能量消耗信息和输送线传送效率信息，并将智能玻璃加工输送线系统的能量消耗信息和输送线传送效率信息进行预处理后发送至建模分析模块； [0008] 建模分析模块用于利用迭代算法优化智能玻璃加工输送线系统的周期传送速度，并根据优化的周期传送速度计算输送线的传送速度分布程度，设定能耗目标函数并结合和声搜索算法与遗传算法计算能耗目标函数的最优值，并构建数学模型对输送线能耗水平进行评估分析； [0009] 比对分类模块根据对输送线能耗水平的评估分析结果，比照预设的输送线能耗水平阈值，并发送至介入处理模块； [0011] 在一个优选的实施方式中，能量消耗信息通过结合遗传算法与和声搜索算法进行获取的逻辑； [0012] 根据智能玻璃加工输送线系统各作业区域之间的能量消耗、传输频率、矩形距离建立能耗目标函数，并确定各作业区域的约束标准，按照遗传算法重复进行选择、交叉、变异操作，生成初始和声记忆库的解向量； [0013] 按照和声搜索算法流程对初始和声记忆库的解向量进行优化求解，直到达到预定的迭代次数，获取最优值。 [0014] 在一个优选的实施方式中，输送线传送效率信息为传输波动系数，传输波动系数的计算方法为； [0015] 以初始周期传输速度为 ，其中a为加工组件由第e个工艺环节作业区域向第个工艺环节作业区域传输的编号，其中 ，且 ，对更新后各个工艺环节作业区域之间的加工组件传输速度进行标记为 ，其中d为加工组件由第e个工艺环节作业区域向第 个工艺环节作业区域传输的编号，其中 ，且u为正整数，其中 ，且 ； [0016] 相邻 周期的智能 玻璃加工输 送线传输 速度迭代算 法表达式 为，式中，S为加工组件在初始周期内的位移， 为下周期传输速度， 为初始周期传输速度， 为初始周期传输时间，以此类推，更新下周期的智能玻璃加工输送线传输速度； [0017] 计算同一周期内各个工艺环节作业区域之间的加工组件更新传输速度标准差，根据标准差计算传输波动系数Ov，表达式为 。 [0018] 在一个优选的实施方式中，构建数学模型对输送线能耗水平进行评估分析的逻辑； [0019] 在一个运行周期内，运用逻辑回归方法计算能耗优化迭代指数Ei，其计算表达式为 ，式中 分别为优化算法最优值和传输波动系数的比例系数，且 均大于0。 [0020] 在一个优选的实施方式中，将输送线能耗水平的评估分析结果与预设的输送线能耗水平阈值进行比对，并进行分类处理的逻辑； [0021] 将计算所得的能耗优化迭代指数与预设的能耗优化迭代指数阈值进行比对，当计算所得的能耗优化迭代指数大于等于预设的能耗优化迭代指数阈值时，生成上行状态信号； [0022] 当计算所得的能耗优化迭代指数小于预设的能耗优化迭代指数阈值时，生成下行状态信号。 [0023] 在一个优选的实施方式中，对自检状态进行信号分类的方法； [0024] 获取到上行状态信号后标记当前智能玻璃加工输送线系统的加工工艺作业输送地运行处于能耗强度良性状态，不需要生成策略介入处理； [0025] 获取下行状态信号后标记当前智能玻璃加工输送线系统的加工工艺作业输送的运行处于能耗强度恶性状态，则发布预警信号，提示工作人员介入处理。 [0026] 智能玻璃加工输送线能耗优化方法，所述方法包括以下步骤； [0027] 采集智能玻璃加工输送线系统的能量消耗信息和输送线传送效率信息，并将智能玻璃加工输送线系统的能量消耗信息和输送线传送效率信息进行预处理后用于建模分析； [0028] 利用迭代算法优化智能玻璃加工输送线系统的周期传送速度，并根据优化的周期传送速度计算输送线的传送速度分布程度，设定能耗目标函数并结合和声搜索算法与遗传算法计算能耗目标函数的最优值，并构建数学模型对输送线能耗水平进行评估分析； [0029] 将输送线能耗水平的评估分析结果与预设的输送线能耗水平阈值进行比对； [0030] 根据输送线能耗水平的评估分析结果与预设的输送线能耗水平阈值的比对结果进行信号分类，并根据信号类型进行介入处理。 [0031] 在上述技术方案中，本发明提供的技术效果和优点： [0032] 本发明能够通过结合和声搜索算法和遗传算法，计算智能玻璃加工输送线系统能耗状态的最优值，利用迭代算法更新输送线的周期输送速度，对智能玻璃加工输送线系统的运行能耗进行监测优化，当智能玻璃加工输送线系统的运行能耗状态恶化时发出预警信息，提示工作人员对智能玻璃加工输送线系统的运行状态进行检验，基于优化模式并根据输送线实时状态浮动调整的能耗控制逻辑，以保持智能玻璃加工输送线系统的稳定能耗控制能力，避免因能耗过高导致的成本上升问题。附图说明 [0033] 为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。 [0034] 图1为本发明的系统模块图。 [0035] 图2为遗传算法生成初始和声记忆库流程图。 具体实施方式[0036] 下面将结合本发明实施例中的附图，对本发明实施例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，都属于本发明保护的范围。 [0037] 实施例1 [0038] 请参阅图1所示，本发明是智能玻璃加工输送线系统及能耗优化方法，所述系统包括运转参数采集模块、建模分析模块、比对分类模块、介入处理模块； [0039] 运转参数采集模块用于采集智能玻璃加工输送线系统的能量消耗信息和输送线传送效率信息，并将智能玻璃加工输送线系统的能量消耗信息和输送线传送效率信息进行预处理后发送至建模分析模块； [0040] 建模分析模块用于利用迭代算法优化输送线的周期传送速度，设定能耗目标函数并结合和声搜索算法与遗传算法计算能耗目标函数的最优值，构建数学模型对输送线能耗水平进行评估分析； [0041] 比对分类模块根据对输送线能耗水平的评估分析结果，比照预设的输送线能耗水平阈值； [0042] 介入处理模块用于根据智能玻璃加工输送线系统的标记类型进行自检分析，对自检状态进行信号分类，当获得下行状态信号后，进行系统预警处理。 [0043] 遗传算法是一种模拟自然选择和遗传机制的优化算法，来自于生物学中的进化论和遗传学理论，被广泛应用于求解优化、搜索、机器学习和参数优化等领域的复杂问题，遗传算法的优点之一是它能够在解空间中进行全局搜索，而不容易陷入局部最优解，缺点是计算后期收敛速度较慢且局部寻优速度不足，容易出现早熟现象； [0044] 和声搜索算法是一种基于音乐和声创作的启发式优化算法，将交响乐队演奏的乐器声调类比于优化问题的解向量，一场音乐包含有许多声调将乐师们对音乐和声的评价类比于目标函数，若当前声调和声不理想时，则通过选取和声记忆库中的内容替换当前乐队中的不和谐声调和声，使得当前效果优于之前效果，经过多次迭代，对每一次声调的和谐程度进行微调最终使得演奏达到最优状态，达成算法收敛，具有通用性强、收敛速度快、扩展性较强，易于与其他算法结合等优点，但是它的收敛精度比较低而且初始解是随机生成，结果受初始解影响大； [0045] 针对和声搜索算法随机产生初始解质量差这一缺点，将遗传算法与和声搜索算法相融合并，使得和声记忆库的初始解非随机产生，而是通过利用遗传算法中的选择、交叉和变异操作，经过一定的迭代次数后产生一个新种群作为和声记忆库的初始解，增加搜索最优解的概率，除此之外，引入遗传算法的交叉变异思想，使得算法具有更强的全局搜索能力，因此，采用结合了遗传算法与和声搜索算法的和声遗传算法，应用在输送线设备布局优化中能够取得满意的结果； [0046] 在对车间设备布局问题建立模型后，在和声搜索算法得基础上，利用遗传算法产生初始解，并且引入遗传算法的交叉、变异思想，结合遗传算法与和声搜索算法对输送线系统问题进行优化求解。 [0047] 实施例2 [0048] 针对智能玻璃加工输送线系统的加工输送逻辑布局，以实现能耗最小化，对输送线的各加工设备、运转通道进行合理分配，以降低生产耗能，提高生产效率，将能量消耗最小化作 为智 能玻璃 加工 输送线 系统 设计目 标，建立能 耗目标 函数 为，式中，Me为能量消耗最小值，n为加工输送线总作业区域数量， 为玻璃加工组件由区域i运输到区域j所消耗的能量， 为玻璃加工组件由区域i运输到区域j的转运频率， 为玻璃加工组件由区域i运输到区域j的矩形距离； [0049] 在能耗目标函数中， 能通过能量计量仪表设备和能源管理系统进行检测， 通过设备自身的运转状态模式进行频率获取，两者均为易于获取的信息，在能耗目标函数中视为已知参数； [0050] 计算智能玻璃加工输送线系统中的n阶能耗矩阵E，可表示为： [0051] [0052] 计算智能玻璃加工输送线系统中的n阶转运频率矩阵F，可表示为： [0053] [0054] 将n阶能耗矩阵E与n阶转运频率矩阵F相乘计算得出n阶能量强度矩阵C，即。 [0055] 加工作业区域划分标准为同一流程作业环节所用设备均划归为同一加工作业区域，按照典型玻璃加工流程，将智能玻璃加工输送线系统的加工工艺流程进行标记排序，依次为切割、开片、检验、定位、一次磨边、二次磨边、倒角、清洗，对上述各工艺环节进行编号为Pz，其中z为顺序编号且 ，对于加工工艺各环节所使用的各个加工输送设备，对同类工艺类型统一归为同一个加工作业区域； [0056] 需要说明的是，本实施例仅以典型玻璃加工作业流程为实例进行说明，对于未涉及的其他玻璃加工输送模式同样包括在本发明的保护范围之内； [0057] 根据玻璃加工工艺环节分类进行作业区域划分，标定各工艺环节作业区域为Ac，其中c为各工艺环节作业区域顺序编号且 ； [0058] 建立工作区域模型，以 为第c个工艺环节作业区域的长度和宽度，以为第c个工艺环节作业区域的中心坐标，以Q、W分别为智能玻璃加工输送线所在车间的长度和宽度，以 为第i个工艺环节作业区域和第j个工艺环节作业区域的x轴间距，以为第i个工艺环节作业区域和第j个工艺环节作业区域的y轴间距； [0059] 对于各个工艺环节作业区域之间的间距约束标准为： [0060] [0061] 各个工艺环节作业区域之间预留一定空间以满足作业人员和传送设施的作业空间； [0062] 对于各个工艺环节作业区域的固定位置约束标准为： [0063] [0064] 式中， 、 、 、 分别为工艺环节作业区域的角点的横坐标和纵坐标，且，式中， 为非可用工艺环节作业区域； [0065] 如图2所示，融合遗传算法与和声搜索算法，对智能玻璃加工输送线系统的作业区域分配进行迭代优化，以寻求能耗目标函数最优解，过程如下： [0066] 利用遗传算法随机生成解向量，并标定解向量为 ，其中h为正整数； [0067] 按锦标赛方法选择两个个体 ，若 优于 ，则保留 作为父代，否则保留作为父代，并将选择出的父代更新为 ； [0068] 选择个体更新为父代的过程中涉及到交叉操作与变异操作，具体步骤如下： [0069] 获取随机数r且 ，将随机数r与交叉概率PC进行比对，若随机数r小于交叉概率PC，则对锦标赛方法选择的两个个体执行交叉操作； [0070] 需要说明的是，交叉操作包括单点交叉、多点交叉、均匀交叉在内的不同交叉方式； [0071] 获取随机数f且 ，将随机数f与变异概率PM进行比对，若随机数f小于变异概率PM，则对交叉操作得到的两个个体执行变异操作； [0072] 需要说明的是，变异操作包括位变异、均匀变异、高斯变异在内的不同变异方式； [0073] 计算新个体的目标函数值，不断重复上述步骤并直至达到预定的迭代次数，获得新的种群； [0074] 需要说明的是，交叉概率PC和变异概率PM影响种群规模的质量，通过预先调整测试，以获得尽可能大的和声记忆库大小HMS为标准； [0075] 根据产生的新种群，取得最优的和声记忆库大小的个体数量作为初始和声记忆库的解向量； [0076] 按照和声搜索算法流程对初始和声记忆库的解向量进行优化求解，直到达到预定的迭代次数，获取最优值，并标定最优值为Be。 [0077] 实施例3 [0078] 智能玻璃加工输送线中各个加工工艺环节的作业复杂度不同，玻璃加工组件的传输速度随实际加工状态周期性调整，各个环节的传输速度差异越大，则能量的转换传输效率越低下，用于协调兼容而导致空耗的能量越多； [0079] 以初始周期传输速度为 ，其中a为加工组件由第e个工艺环节作业区域向第个工艺环节作业区域传输的编号，其中 ，且 ，对更新后各个工艺环节作业区域之间的加工组件传输速度进行标记为 ，其中d为加工组件由第e个工艺环节作业区域向第 个工艺环节作业区域传输的编号，其中 ，且u为正整数，其中 ，且 ； [0080] 初始周期后的智能玻璃加工输送线传输速度迭代算法表达式为，式中， 为加工组件在初始周期内的位移， 为下 周期传输速度， 为初始周期初始传输速度， 为初始周期传输时间，以此类推，更新下周期的智能玻璃加工输送线传输速度； 为初始周期内的平均速度。 [0081] 在同一周期内，计算各个工艺环节作业区域之间的加工组件更新传输速度标准差，即 ，式中 为各个工艺环节作业区域之间的加工组件更新传输速度的平均值，即 ； [0082] 计算传输波动系数Ov的表达式为 ； [0083] 由传输波动系数Ov的表达式可知，智能玻璃加工输送线系统中各个工艺环节作业区域之间的加工组件更新传输速度的标准差越大，则传输波动系数Ov。 [0084] 实施例4 [0085] 建立能耗模型对智能玻璃加工输送线系统进行综合评估，在一个运行周期内，计算能耗优化迭代指数Ei，其计算表达式为 ，式中 分别为优化算法最优值和传输波动系数的比例系数，且 均大于0； [0086] 将计算所得的能耗优化迭代指数与预设的能耗优化迭代指数阈值进行比对，当计算所得的能耗优化迭代指数大于等于预设的能耗优化迭代指数阈值时，生成上行状态信号，表明当前智能玻璃加工输送线系统的加工工艺作业输送的运行处于能耗强度良性状态，不需要生成策略介入处理； [0087] 当计算所得的能耗优化迭代指数小于预设的能耗优化迭代指数阈值时，生成下行状态信号，表明当前智能玻璃加工输送线系统的加工工艺作业输送的运行处于能耗强度恶性状态，则发布预警信号，提示工作人员介入处理。 [0088] 本发明能够通过结合和声搜索算法和遗传算法，计算智能玻璃加工输送线系统能耗状态的最优值，利用迭代算法更新输送线的周期输送速度，对智能玻璃加工输送线系统的运行能耗进行监测优化，当智能玻璃加工输送线系统的运行能耗状态恶化时发出预警信息，提示工作人员对智能玻璃加工输送线系统的运行状态进行检验，基于优化模式并根据输送线实时状态浮动调整的能耗控制逻辑，以保持智能玻璃加工输送线系统的稳定能耗控制能力，避免因能耗过高导致的成本上升问题。 [0090] 上述实施例，可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时，上述实施例可以全部或部分地以计算机程序货物的形式实现。所述计算机程序货物包括一个或多个计算机指令或计算机程序。在计算机上加载或执行所述计算机指令或计算机程序时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以为通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集合的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质。半导体介质可以是固态硬盘。 [0091] 应理解，在本申请的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。 [0092] 本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。 [0093] 所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。 [0094] 所述功能如果以软件功能单元的形式实现并作为独立的货物销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件货物的形式体现出来，该计算机软件货物存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(read‑only memory，ROM)、随机存取存储器(random access memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。 [0095] 以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。 |
||||||
