基于人工智能的預制梁場環形生產線智能加工管控方法

楊洋

（中鐵十一局集團第二工程有限公司，廣東 江門 529000）

1 引言

當今社會經濟高速發展，人力成本逐年上升，推動制造業及相關技術迅速發展。最具代表性的要屬預制梁場環形生產線加工結構。此種生產線日常應用相對較為廣泛，具有較強的加工針對性和完整性，對產品的處理較為細致，結合生產加工的實際需求，綜合提升管控質量及效率。預制梁場環形生產線在應用時為確保加工結果的可靠性，需要采用動態化的智能加工管控方法進行輔助支持，李智[1-2]等設定傳統PLC 環形生產線智能加工管控方法、傳統環形生產線智能加工管控環形生產線智能加工管控方法。這一類方法雖然可以實現預期的管控目標，但是較容易受到外部環境的影響及特定條件的限制，導致最終獲取的管控結果并不可靠、穩定，為此提出對基于人工智能的預制梁場環形生產線智能加工管控方法的設計與分析。

人工智能技術的應用遍布社會中的各個領域，相關的技術主要包括機器人技術、語言識別技術、自然語言處理技術、圖像識別技術及專家系統處理等[3]。將上述智能化控制形式與預制梁場環形生產線智能加工管控工作進行融合，綜合實際的管控需求及標準，構建更為靈活、多變的管控結構，從多個角度展開管理調節[4]。與此同時，在相關人工智能技術的輔助之下，綜合環形生產線的加工背景，進行實際生產形式的創新和模擬，結合日常的生產加工任務逐步調節管控的標準，對所生產的產品進行線上檢測，反饋質量到上位機內部，形成循環性的環形生產線智能加工管控結構，為后續對應關聯生產工作的執行與搭接奠定基礎環境[5]。

2 設計環形生產線人工智能加工管控方法

2.1 管控初始數據采集及需求分析

傳統的預制梁場環形生產線在加工的過程中多為單向處理，以設定的管控目標作為引導，構建定向化的管控結構，形成穩定可控的管理體系[6]。但是這種形式的生產線管控在實際應用的過程中也存在特定的弊端，例如：管控范圍常受到限制，管控標準不一致，管控的需求較多等，為此，在設計管控方法之前，需要采用人工智能技術中的數字孿生、多傳感信息融合、數據挖掘和加權平均法，實現對管控初始數據的采集，對管控需求進行有效分析。

綜合實際的生產線管控目標，首先采用數字孿生技術，將環形生產線的設備進行連接，與數據采集系統進行搭接關聯，逐步形成動態化的傳輸路徑，便于后期的數據信息轉換和傳輸處理。然后需要在相關的設備中安裝傳感器裝置，通過多傳感信息融合技術將采集到的生產線運行環境、運行狀態數據進行采集，使用數據挖掘技術，從原始數據中提取出數據特征。最后采用加權平均法融合來自多個傳感器的數據[7]，并結合已融合數據內容，對管控需求進行有效分析。設置集成采集指標，見表1。

表1 集成采集指標設置表

根據表1，完成對集成采集指標的設置。需要注意的是，在基礎性的數據采集過程中，需要根據實際的采集需求及標準，設定對應的集成采集階段，并構建應對型的數據采集目標，過程中需要進行管控需求的分析。這部分主要是針對日常的管控任務及管控指令作出對應的劃分，逐步形成循環性的管控結構，為后期智能生產線的創新及升級提供參考依據。

2.2 部署單元管控節點

預制梁場環形生產線在實際應用的過程中，存在一定的針對性和穩定性，同時在與其他應用設備進行關聯時，可以創造更大的控制范圍及空間，逐步形成多維的管控結構，綜合實際的管控需求及標準，進行單元管控節點的部署[8]。通常情況下，環形生產線在環境及需求的限制下，存在一定的應用特征，能夠更好地獲取產品不同維度的數據、信息，進而建立一個完備的信息程序，同時具備海量性、動態性、異構性、協同性及實時性等特點，所以在部署管控節點的過程中，需要綜合人工智能技術中的大數據技術和計算機視覺技術，構建動態化的管控點位結構，如圖1 所示。

圖1 人工智能下動態化管控點位結構圖示

綜合圖1，完成對人工智能下動態化管控點位結構的設計與分析。通過計算機視覺技術實現環形生產線視頻數據識別采集，應用大數據技術對采集數據進行存儲、分析、處理，創建Hadoop 數據庫，將采集到的數據存儲在Hadoop 數據庫中，綜合構建的點位框架，在對應的位置上設定管控節點。但是需要注意的是，為提升生產線的加工質量及效率，可以將不同區域的節點進行定向常態化關聯，逐步形成一個穩定、可靠的區域，各個區域之間針對環形生產線的加工情況，設定對應的管控標準。綜合上述獲取的數據以及信息，測算出節點對環形生產線的定向管控范圍：

式中，H表示環形生產線的定向管控范圍，λ表示單向覆蓋距離，π表示跨越等效控制區域，i表示處理次數，ζ表示定向偏差，ν表示環形轉換范圍。根據上述測算，實現對環形生產線控制范圍的測算，將其設定為管控節點的可控范圍標準，為后續生產線的智能加工管控奠定基礎。

2.3 建立多維虛擬管控框架

與傳統的預制梁場環形生產線管控方式及需求不同的是，綜合人工智能技術，所構建的多維虛擬管控框架相對更為靈活、多變，管控范圍及針對性會更強一些，一定程度上增加了一些輔助性的管控功能。環形生產線的管控框架多維定向型的，管控區域時常轉換，所以，需要依據設定的管控目標作為引導，構建對應的多維虛擬管控層級，主要分為物理管控層、感知管控層、集成管控層、應用管控層及用戶管控層幾部分。

融合人工智能技術中的計算機視覺技術，構建多維度的虛擬管控空間。通過計算機視覺技術，可以獲取目標在三維空間中的位置和姿態等信息，并將其投影到虛擬管控空間中進行可視化呈現。虛擬管控空間可以包含多種類型的信息，如環境拓撲結構、傳感器網絡、設備位置和人員活動軌跡等，這些信息可以通過計算機視覺技術進行實時更新，提供全面、實時的管控信息，方便從不同的角度觀察和分析管控信息，實現智能化的生產線加工管控。

依據管控內容，將物理管控層、感知管控層劃定為基礎管控層級，與周圍部署的節點關聯，集成管控層、應用管控層劃定為項目處理層級，用戶管控層則為輔助層級。不同的管控層級分管對應的管控任務及目標，具體的多維虛擬管控框架如圖2 所示。

圖2 多維虛擬管控框架結構圖示

根據圖2，完后對多維虛擬管控框架結構的設計與分析。依據上述劃定的管控框架，調整日常的管控任務及目標，形成循環性的動態管控框架，逐步形成虛擬的三維模型構架。

2.4 構建人工智能動態化生產線智能加工管控模型

當前的預制梁場環形生產線智能加工方法雖然可以實現預期的處理目標及任務，但是較容易受到外部環境及特定因素的影響，導致最終獲取的管控結果無法達到預期的標準，形成較為嚴重的關聯性問題。為此綜合人工智能技術，構建動態化生產線智能加工管控模型。通過部署的智能化管控節點，采集各個區域環形生產線的管控加工數據、信息，設計定向的初始管控結構，進行模型基礎指標參數的設定，見表2。

表2 生產線智能加工管控模型指標參數設定表

根據表2，完成對生產線智能加工管控模型指標參數的設定。綜合人工智能技術中的大數據技術、計算機視覺技術，構建一個定向的管控程序，結合多傳感信息數據融合技術，形成多維加工管控邏輯，測算出此時的環形生產線標準運行效率：

式中，N表示環形生產線標準運行效率，O表示全覆蓋范圍，σ表示堆疊距離，υ表示同步加載值，e表示加載次數，ζ表示運行幀率。綜合上述測算，完成對環形生產線標準運行效率的測算，將其設定為模型初始的運行標準，融合所構建的多維虛擬管控框架，增設大數據輔助程序，實現人工智能動態化生產線智能加工管控模型的設計。

2.5 人工智能輔助修正調度實現智能加工管控處理

輔助修正調度實際上是針對實際的管控需求及標準的變動，對所下達的錯誤指令進行定向調節與修正的一種校正程序。隨著車間、生產線逐漸智能化、數字化，生產過程中客戶的需求在不斷變化，導致指令下達常常出現問題，嚴重的甚至會形成不可控的關聯性生產事故，為此采用模糊邏輯方法對環形生產線指令調度問題進行輔助修正。模糊邏輯可以用于建立決策規則，在面對復雜和不確定的生產線指令時，模糊邏輯可以提供靈活的解決方案。通過定義合適的模糊集和模糊規則，輔助生產線指令的度，衡量不確定性和風險，從而更好地應對生產線調度指令進行輔助修正，降低日常的生產事故率。

控制設備中安裝傳感器，形成定向的傳感覆蓋范圍，與部署的節點搭接，設計修正原理，如圖3 所示。

圖3 人工智能輔助修正調度原理圖示

綜合圖3，完成對人工智能輔助修正調度原理的設計。利用設計的修正調度原理，實現基礎性管控目標及任務，最大程度加強對管控問題的控制，強化綜合環形生產線加工管控的能力，推動該項技術實現進一步的創新、升級。

3 方法測試

此次主要是對基于人工智能的預制梁場環形生產線智能加工管控方法的實際應用效果進行分析與研究驗證?？紤]到最終測試結果的真實性與可靠性，采用對比的方式展開分析。選定黃茅?？绾Ｍǖ繲6 段作為測試的主要背景環境，綜合真實的管控測試需求及標準，對最終獲取的測試結果比照驗證研究，接下來，綜合實際的管控要求，進行基礎性測試環境的關聯搭建。

3.1 測試準備

綜合人工智能等相關技術，搭建預制梁場環形生產線智能加工管控方法測試的基礎性測試環境。針對黃茅?？绾Ｍǖ繲6 段工程的5 條預制梁環形生產線進行測試。在管控模型之中構建可視化控制模塊和過程輔助控制模塊，與部署的節點形成定向的關聯搭接之后，在生產線上營造穩定、安全的測試環境。

選定3 批次產品作為測定的目標對象，預設50 條管控任務，綜合設計工程建設的需求及標準，進行相關測定指標數值的調整，見表3。

表3 測試管控指標數值調整表

綜合表3，實現對測試管控指標數值的設置與調整。結合預設的管控任務及目標的執行需求標準，完成基礎測試環境的搭建，接下來，綜合人工智能技術，進行具體的驗證與分析。

3.2 測試過程及結果分析

在上述搭建的測試環境之中，結合人工智能化技術，對該種環形生產線加工管控方法進行具體的測驗分析。在基礎的控制系統中輸入50 條預設的管控任務及目標，針對標定的5 條預制梁環形生產線進行加工管控。分三個階段對三個批次的產品加工處理，設定實際的管控周期為1.5h，每一個管控周圍需要利用節點采集對應的數據、信息，匯總整合，以待后續使用。測定初始的環形生產線平均加工管控時間，作為比照的標準，基于此，測算平均加工管控時間：

式中，P表示平均加工管控時間，h表示加工定時偏差，t表示重復加工次數，δ表示定向加工頻率，η表示設定加工范圍，φ表示目標函數，y表示調度次數。綜合上述測定，完成對測試結果的對比分析，如圖4 所示。

圖4 測試結果對比分析圖示

綜合圖4，完成對測試結果的對比分析：針對5 條預制梁環形生產線，測試得出的平均加工管控時間最終被較好地控制在1.5s 以下，這說明該種生產線加工管控方法效果更佳，管控范圍得到了進一步的擴大，日常的管控誤差可控，具有實際的應用創新價值。

4 結束語

通過對基于人工智能的預制梁場環形生產線智能加工管控方法的設計與驗證分析，對比傳統的生產線管控方法，此次綜合人工智能附屬的相關技術，所構建的管控結構變得更為靈活、多變，生產線自身的管控針對性也得到了進一步的提升。此外，人工智能技術還可以更好地擴大實際的管控范圍，通過現場安裝、調試以及運行等測定方式，充分發揮出人工智能生產線管控的優勢，日常的管控效率及質量也大幅度提升，逐步形成了同時具有開放性質、穩定性、完整性、靈活性的生產線管控結構，推動我國智能化制造實現全面發展。