(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210634073.0 (22)申请日 2022.06.07 (65)同一申请的已公布的文献号 申请公布号 CN 114722080 A (43)申请公布日 2022.07.08 (73)专利权人 江苏邦润智能科技有限公司 地址 215600 江苏省苏州市张家港市塘桥 镇妙桥商城路100号 (72)发明人 张军　戴鹏飞　 (74)专利代理 机构 苏州润桐嘉 业知识产权代理 有限公司 32 261 专利代理师 吴筱娟 (51)Int.Cl. G06F 16/2455(2019.01) G06F 16/2458(2019.01)G06Q 50/04(2012.01) G08B 31/00(2006.01) G06F 16/21(2019.01) B21C 1/02(2006.01) (56)对比文件 CN 112560348 A,2021.0 3.26 CN 106199180 A,2016.12.07 CN 107159725 A,2017.09.15 CN 113312683 A,2021.08.27 李润春.拉丝 机机器压缩率的设定. 《金属制 品》 .2006,第32卷(第1期), 审查员 李雪晴 (54)发明名称 一种拉丝机的拉丝加工生产预警方法及系 统 (57)摘要 本发明公开了一种拉丝机的拉丝加工生产 预警方法及系统， 涉及数据处理领域。 所述方法 包括： 通过对拉丝机的历史加工数据进行采集， 同时对采集数据进行标准数据的筛选， 可获得拉 丝加工标准数据， 继而对其进行深度的特征提 取， 可获得决定加工标准数据的关键生产节点， 进而对拉丝过程中的钢材的进线参数和出线参 数进行逻辑运算， 可生成标准的钢材总压缩率， 继而根据钢材总压缩率和钢材拉拔过程中的所 受摩擦力以及拉拔速度等数据， 构建拉丝机的标 准参数控制逻辑关系， 以此根据标准的参数控 制， 对任一拉丝机的生产加工过程进行监控， 且 对参数控制范围之外的加工节 点进行预警。 达到 对影响参数进行精准控制， 避免对拉丝机产生一 定损伤的技 术效果。 权利要求书3页 说明书13页 附图4页 CN 114722080 B 2022.08.26 CN 114722080 B 1.一种拉丝 机的拉丝加工生产预警方法， 其特 征在于， 所述方法包括： 对目标物在第一时段的历史加工数据进行采集， 且对采集数据进行目标筛选， 获得历 史加工标准数据集 合； 对所述历史加工标准数据集 合进行特征提取， 获得生产关键节点 集合； 获得所述生产关键节点集合中的目标关键节点， 其中， 所述目标关键节点为对所述生 产关键节点 集合进行降序排列之后的序列首位对应的节点； 基于所述目标关键节点， 对目标物的进线数据和出线数据进行采集， 获得第一进线数 据均值、 第一出线数据均值； 对所述目标物在所述目标关键节点的受阻信 息和驱动信 息进行数据采集， 获得第 一摩 擦数据均值和第一拉拔数据均值； 根据所述第 一进线数据均值和所述第 一出线数据均值， 对所述目标物的总压缩率进行 逻辑运算， 获得第一标准总压缩率均值； 构建所述第 一标准总压缩率均值与 所述第一摩擦数据均值、 所述第 一拉拔数据均值之 间的第一逻辑关系， 且基于所述第一逻辑关系， 对后续目标物进行生产加工预警； 所述构建所述第 一标准总压缩率均值与 所述第一摩擦数据均值、 所述第 一拉拔数据均 值之间的第一逻辑关系， 包括： 获得所述目标物在第 二时段的第 二标准总压缩率均值、 第 二摩擦数据均值以及第 二拉 拔数据均值， 直至在第n时段的第n标准总压缩率均值、 第n摩擦数据均值以及第n拉拔数据 均值； 基于所述第 一摩擦数据均值、 所述第 二摩擦数据均值直至所述第n摩擦数据均值， 构建 第一逻辑关系自变量 集合X1； 基于所述第 一拉拔数据均值、 所述第 二拉拔数据均值直至所述第n拉拔数据均值， 构建 第二逻辑关系自变量 集合X2； 基于所述第一标准总压缩率均值、 所述第二标准总压缩率均值直至所述第n标准总压 缩率均值， 构建逻辑关系因变量 集合Y； 根据所述第一逻辑关系自变量集合X1、 所述第二逻辑关系自变量集合X2以及所述逻辑 关系因变量 集合Y， 构建所述第一逻辑关系。 2.如权利要求1所述的方法， 其特 征在于， 所述获得生产关键节点 集合， 包括： 根据所述采集数据， 获得历史加工残次数据集 合； 获得所述目标物在加工生产过程中的节点 集合； 将所述节点集合作为横坐标x轴、 将所述采集数据作为纵坐标y轴， 搭建空间数据差异 比对坐标系， 其中， 所述空间数据差异比对坐标系可对所述横坐标x轴上的任一节点 纵向对 应的所述历史加工标准数据集 合， 和/或所述历史加工残次数据集 合进行差值比对； 获得所述空间数据差异比对坐标系的任一节点纵向数据差值分布。 3.如权利要求2所述的方法， 其特 征在于， 所述方法包括： 根据所述节点 集合， 预设各节点 生产加工数据差值阈值分布； 基于所述各节点生产加工数据差值阈值分布， 对所述任一节点纵向数据差值分布进行 筛选， 获得目标筛选结果， 其中， 所述目标筛选结果为不满足所述各节点生产加工数据差值 阈值分布的插值分布；权　利　要　求　书 1/3 页 2 CN 114722080 B 2对所述目标筛选结果进行反向检索， 获得对应的横坐标节点集合， 并定义为所述生产 关键节点 集合。 4.如权利要求3所述的方法， 其特 征在于， 所述获得第一标准总压缩率均值， 包括： 根据所述第一进 线数据均值， 获得第一进 线直径均值D； 根据所述第一出线数据均值， 获得第一出线直径均值d； 根据公式： 获得所述第一标准总压缩率均值 Q。 5.如权利要求4所述的方法， 其特征在于， 所述对所述目标物的总压缩率进行逻辑运算 之前， 包括： 搭建多层网络数据 预处理模型， 其中， 所述多层网络数据预处理模型包括数据输入层、 数据输出层以及中间多重功能层， 且所述中间多重功能层嵌入有评 分逻辑层以及标识增强 层； 将所述第一进线数据均值和所述第 一出线数据均值作为输入数据， 通过所述数据输入 层， 输入至所述多层网络数据预处 理模型进行训练； 基于所述评分逻辑层对所述输入数据进行评分训练， 获得期望 评分结果； 根据所述标识增强层， 对所述期望评分结果进行增强标记， 且基于所述数据输出层， 对 标记结果进行有效输出。 6.如权利要求5所述的方法， 其特征在于， 所述基于所述评分逻辑层对所述输入数据进 行评分训练， 包括： 根据所述输入数据， 获得初始进 线数据集、 初始出线数据集； 基于第一评分逻辑， 对所述初始进线数据集进行逻辑检索， 获得第一众数信息、 第一中 位数信息以及第一均值信息； 分别计算所述第 一进线数据均值与 所述第一众数信 息、 第一中位数信 息以及第 一均值 信息之间的数据拟合度， 获得拟合度分布； 基于自定义评分机制， 对所述拟合度分布进行评分， 获得最优进线评分结果， 同样的， 根据所述第一评分逻辑， 对所述初始出线数据集进行评分， 获得最优出线评分结果。 7.一种拉丝 机的拉丝加工生产预警系统， 其特 征在于， 所述系统包括： 第一采集单元， 所述第一采集单元用于对目标物在第一时段的历史加工数据进行采 集， 且对采集数据进行目标筛 选， 获得历史加工标准数据集 合； 第一提取单元， 所述第一提取单元用于对所述历史加工标准数据集合进行特征提取， 获得生产关键节点 集合； 第一获得单元， 所述第一获得单元用于获得所述生产关键节点集合中的目标关键节 点， 其中， 所述目标关键节点为对所述生产关键节点集合进行降序排列之后的序列首位对 应的节点； 第二采集单元， 所述第二采集单元用于基于所述目标关键节点， 对目标物的进线数据 和出线数据进行采集， 获得第一进 线数据均值、 第一出线数据均值； 第三采集单元， 所述第 三采集单元用于对所述目标物在所述目标关键节点的受阻信 息 和驱动信息进行 数据采集， 获得第一摩擦数据均值和第一拉拔数据均值；权　利　要　求　书 2/3 页 3 CN 114722080 B 3