[发明专利]一种多物理量监控以进行工业生产优化的方法

摘要

本发明公开了一种多物理量监控以进行工业生产优化的方法，采用监控系统对环境的温度和湿度数据进行采集，并进行去噪处理，同时对生产的合金部件的气孔和针孔含量进行测定，通过对上述整理后的温度和湿度物理量检测数据，与对应的部件的缺陷率数据进行配比，形成温湿度物理量与缺陷率的数据库，并基于此数据库训练神经网络，从而分别建立不同的缺陷率和环境温度与湿度的映射关系，利用训练好的神经网络，输入允许的缺陷率数值，将该临界缺陷率映射到环境的允许湿度，并根据该湿度要求，对生产车间的环境湿度进行相应设置。

主权项

1.一种多物理量监控以进行工业生产优化的方法，其特征在于，采用监控系统进行数据采集，本发明采用的监控系统包括处理器、存储器、温度计和湿度计；其中温度计和湿度计分别与处理器连接，并将测得的环境温度和环境湿度数据传送给处理器，处理器将处理后的数据保存到存储器；具体包括如下步骤：(1)选取环境湿度和温度发生明显变化的不同时间段进行数据采集，建立环境温度和湿度的数据库，具体数据采集方式为：利用温度计和湿度计对环境温度和湿度进行采集，并传送给处理器，处理器对数据进行整理，采用正态分布的方法进行数据去噪，所用到的正态分布公式如下式所述：式中，u为单个的温度或湿度数据，u₀为每组数据的算术平均值，α为每组数据的标准差；选择去噪后的多组环境温度和湿度数据；(2)对上述时间段内生产的合金部件的气孔和针孔含量进行测定，具体计算公式为：式中σ为表示气孔和针孔含量的缺陷率，m为部件重量，m₀为部件的理论重量，获得对应的缺陷率数据；(3)通过对上述整理后的温度和湿度物理量检测数据，与对应的部件的缺陷率数据进行配比，形成温湿度物理量与缺陷率的数据库，并基于此数据库,建立人工神经网络系统，使用采集的缺陷率，训练神经网络，从而分别建立不同的缺陷率和环境温度与湿度的映射关系；(4)利用训练好的神经网络，输入允许的缺陷率数值，将该临界缺陷率映射到环境的允许湿度，并根据该湿度要求，对生产车间的环境湿度进行相应设置。