本發(fā)明涉及壓鑄生產(chǎn)自動(dòng)化控制，尤其涉及一種壓鑄模溫智能跟隨控制系統(tǒng)及方法。

背景技術(shù)：

1、在壓鑄生產(chǎn)過(guò)程中，模具溫度是影響壓鑄件質(zhì)量和生產(chǎn)效率的關(guān)鍵因素之一。模具溫度過(guò)高，會(huì)導(dǎo)致金屬液冷卻緩慢，壓鑄件易產(chǎn)生縮孔、變形等缺陷；模具溫度過(guò)低，則會(huì)使金屬液流動(dòng)性變差，出現(xiàn)冷隔、澆不足等問(wèn)題。目前，壓鑄模溫控制主要依賴于傳統(tǒng)的溫控傳感器和簡(jiǎn)單的反饋調(diào)節(jié)系統(tǒng)。

2、然而，現(xiàn)有的模溫控制系統(tǒng)存在諸多問(wèn)題：

3、一方面，傳統(tǒng)溫控傳感器在長(zhǎng)期使用過(guò)程中，可能出現(xiàn)測(cè)量誤差增大、信號(hào)傳輸不穩(wěn)定等故障，但缺乏有效的故障診斷和預(yù)警機(jī)制，難以準(zhǔn)確判斷傳感器是否異常；

4、另一方面，對(duì)于冷卻管道內(nèi)部的堵塞情況以及液壓導(dǎo)葉的磨損狀態(tài)，現(xiàn)有技術(shù)往往無(wú)法進(jìn)行實(shí)時(shí)、精準(zhǔn)的檢測(cè)，導(dǎo)致冷卻效率下降和液壓系統(tǒng)性能降低，進(jìn)而影響模具溫度的穩(wěn)定性和壓鑄件的質(zhì)量。

5、此外，傳統(tǒng)模溫控制系統(tǒng)多采用單一參數(shù)控制，無(wú)法綜合考慮多個(gè)影響因素對(duì)模溫的協(xié)同作用，難以實(shí)現(xiàn)對(duì)壓鑄模溫的精準(zhǔn)、智能控制。

6、因此，需要一種壓鑄模溫智能跟隨控制系統(tǒng)及方法，來(lái)應(yīng)對(duì)上述所提出的問(wèn)題。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明的目的在于：為了解決上述問(wèn)題，而提出的一種壓鑄模溫智能跟隨控制系統(tǒng)及方法。

2、為了實(shí)現(xiàn)上述目的，本發(fā)明采用了如下技術(shù)方案：

3、一種壓鑄模溫智能跟隨控制系統(tǒng)，包括：

4、數(shù)據(jù)采集模塊：獲取壓鑄過(guò)程中溫控相關(guān)參數(shù)信息，包括溫控傳感器相關(guān)信息、冷卻管道相關(guān)信息和液壓導(dǎo)葉相關(guān)信息；

5、數(shù)據(jù)分析模塊：分別對(duì)溫控傳感器相關(guān)信息、冷卻管道相關(guān)信息和液壓導(dǎo)葉相關(guān)信息進(jìn)行分析后得到傳感器影響系數(shù)、管道阻塞系數(shù)和導(dǎo)葉損失系數(shù)；

6、綜合處理模塊：將傳感器影響系數(shù)、管道阻塞系數(shù)和導(dǎo)葉損失系數(shù)進(jìn)行綜合處理后，得到異常評(píng)估系數(shù)；

7、評(píng)估控制模塊：基于異常評(píng)估系數(shù)匹配對(duì)應(yīng)的異常等級(jí)，并依據(jù)異常等級(jí)進(jìn)行相應(yīng)的控制。

8、優(yōu)選地，所述數(shù)據(jù)采集模塊，具體包括：

9、溫控傳感器相關(guān)信息：包括溫控傳感器的監(jiān)測(cè)溫度數(shù)據(jù)，以及溫控傳感器的連接線纜相關(guān)溫度數(shù)據(jù)；

10、冷卻管道相關(guān)信息：包括管道內(nèi)部的各個(gè)區(qū)域的熒光值信息，管道進(jìn)出水流速信息；

11、液壓導(dǎo)葉相關(guān)信息：包括導(dǎo)葉的圖像信息。

12、優(yōu)選地，所述傳感器影響系數(shù)的獲取過(guò)程包括：

13、以預(yù)設(shè)的時(shí)間間隔獲取各個(gè)溫控傳感器所監(jiān)測(cè)到的溫度值，并將同一時(shí)間間隔獲取的所有的溫控傳感器的溫度值進(jìn)行均值計(jì)算，得到溫度均值；

14、依次將各個(gè)溫度值與溫度均值進(jìn)行差值計(jì)算，得到溫差值；

15、預(yù)設(shè)溫差值的允許波動(dòng)范圍，將不處于溫差值允許波動(dòng)范圍內(nèi)的溫差值記作異常溫差值；

16、依次統(tǒng)計(jì)在同一時(shí)間間隔獲取的所有異常溫差值所對(duì)應(yīng)的溫控傳感器；將在各個(gè)時(shí)間間隔的異常溫差值所對(duì)應(yīng)的溫控傳感器進(jìn)行比對(duì)，將出現(xiàn)次數(shù)在大于k次的溫控傳感器進(jìn)行標(biāo)記，并記作異常傳感器；

17、并對(duì)異常傳感器進(jìn)行分析后得到傳感器影響系數(shù)。

18、優(yōu)選地，所述還包括：

19、以預(yù)設(shè)的時(shí)間間隔獲取異常傳感器的線纜熱成像圖，并依據(jù)線纜的區(qū)域?qū)⑵鋭澐殖芍虚g區(qū)域和接頭區(qū)域；其中接頭區(qū)域有兩個(gè)，分別為線纜的兩端接頭區(qū)域；

20、將線纜中間區(qū)域的溫度標(biāo)記為參考溫度，將線纜接頭區(qū)域的溫度與參考溫度進(jìn)行差值計(jì)算，得到接頭溫度；

21、預(yù)設(shè)接頭溫度的允許波動(dòng)范圍，將不處于接頭溫度的允許波動(dòng)范圍內(nèi)的接頭溫度記作異常接觸溫度；

22、依次獲取所有的異常接觸溫度的數(shù)量后除以參考溫度的數(shù)量，將得到的值取二分之一，得到異常度；

23、將所有的異常接觸溫度按照數(shù)值大小進(jìn)行降序排列，并提取其中的最大異常接觸溫度和最小異常接觸溫度，及其對(duì)應(yīng)的時(shí)間點(diǎn)，獲取最大異常接觸溫度和最小異常接觸溫度之間的時(shí)間間隔，記作異常躍遷值；

24、將異常度和異常躍遷值進(jìn)行綜合處理后得到傳感器影響系數(shù)。

25、優(yōu)選地，所述管道阻塞系數(shù)的獲取過(guò)程包括：

26、以預(yù)設(shè)的時(shí)間間隔向冷卻管道內(nèi)部注入食品級(jí)熒光示蹤劑；并同時(shí)啟動(dòng)紫外燈照射冷卻管道外壁，以獲取冷卻管道的圖像信息；

27、將所有的冷卻管道圖像按照時(shí)間序列進(jìn)行排序，通過(guò)對(duì)冷卻管道圖像進(jìn)行分析，以提取冷卻管道圖像內(nèi)的灰度值，預(yù)設(shè)灰度值閾值，并將大于灰度值閾值的灰度值記作熒光值；

28、將熒光值所對(duì)應(yīng)的區(qū)域記作停留區(qū)域，從所有的冷卻管道圖像中獲取各個(gè)停留區(qū)域?qū)?yīng)的熒光值，并提取各個(gè)停留區(qū)域?qū)?yīng)的最大熒光值；

29、將各個(gè)停留區(qū)域的最大熒光值按照數(shù)值大小進(jìn)行降序排列，并提取其中最大的三個(gè)熒光值及其對(duì)應(yīng)的停留區(qū)域中心，以得到三個(gè)區(qū)域中心點(diǎn)，將三個(gè)區(qū)域中心點(diǎn)分別以直線連接，得到三角形模型，將三角形模型投影到冷卻管道的橫截面上，以得到投影三角形；

30、計(jì)算投影三角形的面積后除以冷卻管道的橫截面積，得到堵塞度；

31、獲取冷卻管道的進(jìn)水流速和出水流速，將進(jìn)水流速減去出水流速后除以進(jìn)水流速，得到流速降度；將各個(gè)時(shí)間間隔獲取的流速降度進(jìn)行均值計(jì)算，得到流速平均降度；

32、將堵塞度和流速平均降度進(jìn)行加權(quán)計(jì)算后得到管道阻塞系數(shù)。

33、優(yōu)選地，所述導(dǎo)葉損失系數(shù)的獲取過(guò)程包括：

34、獲取導(dǎo)葉在停轉(zhuǎn)時(shí)的圖像信息；

35、將導(dǎo)葉劃分為多個(gè)子區(qū)域，基于導(dǎo)葉所劃分的各子區(qū)域，獲取導(dǎo)葉對(duì)應(yīng)各子區(qū)域的圖像信息，并對(duì)獲取的各子區(qū)域圖像信息進(jìn)行預(yù)處理；

36、對(duì)導(dǎo)葉各子區(qū)域進(jìn)行特征提取，提取與磨損和腐蝕相關(guān)的特征，并對(duì)提取的特征進(jìn)行標(biāo)記，獲取磨損區(qū)域和腐蝕區(qū)域的邊緣輪廓，以得到磨損面積和腐蝕面積，將磨損面積和腐蝕面積進(jìn)行求和以得到磨蝕面積；

37、將磨蝕面積除以對(duì)應(yīng)的子區(qū)域面積，得到磨蝕比值；依次獲取各個(gè)子區(qū)域的磨蝕面積比值后，提取其中最大的磨蝕比值，記作異常磨蝕比；

38、獲取磨損區(qū)域和腐蝕區(qū)域的重疊區(qū)域，及其對(duì)應(yīng)的重疊區(qū)域面積；將各個(gè)子區(qū)域的重疊區(qū)域面積進(jìn)行累計(jì)得到重疊總面積；將重疊總面積除以導(dǎo)葉面積，得到重疊占比；

39、將異常磨蝕比和重疊占比進(jìn)行綜合處理后，得到導(dǎo)葉損失系數(shù)。

40、優(yōu)選地，所述將傳感器影響系數(shù)、管道阻塞系數(shù)和導(dǎo)葉損失系數(shù)進(jìn)行綜合處理后，得到異常評(píng)估系數(shù)，具體過(guò)程為：

41、將傳感器影響系數(shù)、管道阻塞系數(shù)和導(dǎo)葉損失系數(shù)進(jìn)行歸一化處理后，將傳感器影響系數(shù)和管道阻塞系數(shù)分別作為直角三角形的兩條直角邊，連接剩余的一條邊，以構(gòu)成完整的直角三角形，將導(dǎo)葉損失系數(shù)作為三角形的高，建立三棱錐模型，計(jì)算三棱錐模型的體積，記作異常評(píng)估系數(shù)。

42、優(yōu)選地，所述評(píng)估控制模塊，具體包括：

43、預(yù)設(shè)三組閾值的取值范圍，每組閾值的取值范圍對(duì)應(yīng)一個(gè)異常等級(jí)，將異常評(píng)估系數(shù)與三組閾值的取值范圍進(jìn)行匹配，得到異常評(píng)估系數(shù)對(duì)應(yīng)的異常等級(jí)；其中異常等級(jí)包括輕度異常、中度異常和重度異常；

44、當(dāng)異常等級(jí)為輕度異常時(shí)：自動(dòng)將異常參數(shù)的采樣頻率提升，并生成實(shí)時(shí)趨勢(shì)曲線；持續(xù)監(jiān)控溫控傳感器相關(guān)信息、冷卻管道相關(guān)信息和液壓導(dǎo)葉相關(guān)信息；

45、當(dāng)異常等級(jí)為中度異常時(shí)：增加模具活動(dòng)部件的潤(rùn)滑頻率，減少摩擦生熱；啟動(dòng)輔助冷卻設(shè)備，對(duì)模具高溫區(qū)域進(jìn)行強(qiáng)制風(fēng)冷；

46、當(dāng)異常等級(jí)為重度異常時(shí)：立即切斷壓鑄機(jī)加熱源，停止金屬液注入；啟動(dòng)模具應(yīng)急冷卻程序包括全開(kāi)冷卻水閥，啟用備用冷水機(jī)；執(zhí)行液壓系統(tǒng)泄壓，防止異常負(fù)載損壞導(dǎo)葉；自動(dòng)生成《重度異常停機(jī)報(bào)告》。

47、一種壓鑄模溫智能跟隨控制方法，包括：

48、數(shù)據(jù)采集與分析：獲取壓鑄過(guò)程中溫控相關(guān)參數(shù)信息，包括溫控傳感器相關(guān)信息、冷卻管道相關(guān)信息和液壓導(dǎo)葉相關(guān)信息；并分別對(duì)溫控傳感器相關(guān)信息、冷卻管道相關(guān)信息和液壓導(dǎo)葉相關(guān)信息進(jìn)行分析后得到傳感器影響系數(shù)、管道阻塞系數(shù)和導(dǎo)葉損失系數(shù)；

49、統(tǒng)一處理：將傳感器影響系數(shù)、管道阻塞系數(shù)和導(dǎo)葉損失系數(shù)進(jìn)行綜合處理后，得到異常評(píng)估系數(shù)；

50、異常等級(jí)評(píng)估與控制：基于異常評(píng)估系數(shù)匹配對(duì)應(yīng)的異常等級(jí)，并依據(jù)異常等級(jí)進(jìn)行相應(yīng)的控制。

51、綜上所述，由于采用了上述技術(shù)方案，本發(fā)明的有益效果是：

52、1、本發(fā)明通過(guò)數(shù)據(jù)采集模塊對(duì)溫控傳感器、冷卻管道和液壓導(dǎo)葉進(jìn)行全方位監(jiān)測(cè)，并在數(shù)據(jù)分析模塊中分別計(jì)算傳感器影響系數(shù)、管道阻塞系數(shù)和導(dǎo)葉損失系數(shù)；多維度協(xié)同監(jiān)測(cè)方式能夠全面捕捉壓鑄過(guò)程中的潛在異常；在冷卻管道監(jiān)測(cè)中，利用熒光示蹤技術(shù)和圖像分析，能夠直觀呈現(xiàn)管道內(nèi)部阻塞情況，相比傳統(tǒng)壓力或流量檢測(cè)更具空間分辨率；能夠在早期發(fā)現(xiàn)設(shè)備隱患，將故障預(yù)警時(shí)間提前，有效降低非計(jì)劃停機(jī)時(shí)間，提高生產(chǎn)效率。

53、2、本發(fā)明通過(guò)評(píng)估控制模塊基于異常評(píng)估系數(shù)實(shí)現(xiàn)分級(jí)控制，針對(duì)不同異常等級(jí)采取差異化應(yīng)對(duì)措施；輕度異常時(shí)提升監(jiān)測(cè)頻率，中度異常時(shí)啟動(dòng)工藝參數(shù)調(diào)整和輔助冷卻，重度異常時(shí)實(shí)施緊急停機(jī)和安全防護(hù)；分級(jí)控制策略既保證了系統(tǒng)對(duì)異常情況的及時(shí)響應(yīng)，又避免了過(guò)度干預(yù)導(dǎo)致的生產(chǎn)波動(dòng)；同時(shí)，系統(tǒng)與云端專家系統(tǒng)聯(lián)動(dòng)，能夠基于實(shí)時(shí)異常數(shù)據(jù)生成故障樹(shù)分析報(bào)告并推薦維修方案。