CN115601313A - 一种钢化玻璃生产工艺可视化监控管理*** - Google Patents
一种钢化玻璃生产工艺可视化监控管理*** Download PDFInfo
- Publication number
- CN115601313A CN115601313A CN202211209205.1A CN202211209205A CN115601313A CN 115601313 A CN115601313 A CN 115601313A CN 202211209205 A CN202211209205 A CN 202211209205A CN 115601313 A CN115601313 A CN 115601313A
- Authority
- CN
- China
- Prior art keywords
- target
- toughened glass
- bending
- glass
- roller way
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Re-Forming, After-Treatment, Cutting And Transporting Of Glass Products (AREA)
Abstract
本发明涉及钢化玻璃生产工艺可视化监控技术领域,具体公开一种钢化玻璃生产工艺可视化监控管理***,包括辊道状态检测分析模块、玻璃生产过程分析处理模块、电炉加热过程监控分析模块、电炉压弯过程监控分析模块、成品玻璃质量检测分析模块和成品玻璃质量显示终端,通过对目标钢化玻璃对应的辊道质量、加热过程和压弯过程进行针对性的可视化监控,若目标钢化玻璃对应的辊道质量、加热过程或压弯过程处于异常状态,则对异常状态的过程进行相应的处理,避免了钢化玻璃对应的某一生产过程出现异常状态,确保成品钢化玻璃的质量不受影响,不仅在很大程度上避免了成品钢化玻璃原材料浪费的问题,同时还降低了一定的人工成本。
Description
技术领域
本发明涉及钢化玻璃生产工艺可视化监控技术领域,具体而言,涉及一种钢化玻璃生产工艺可视化监控管理***。
背景技术
众所周知,钢化玻璃属于安全玻璃,因其具备良好的安全性、热稳定性和高效的抗弯强度被广泛应用于各行各业,而钢化玻璃的生产工艺与钢化玻璃的良好性能息息相关,由此凸显了对钢化玻璃生产工艺进行可视化监控的重要性。
当前对钢化玻璃的生产工艺进行可视化监控通常通过人工对生产工艺流程进行监控管理或者通过摄像头捕捉到的监控画面对钢化玻璃的生产工艺进行监控和管理,缺乏智能性,其具体体现在以下方面:1.当前对钢化玻璃进行生产制造之前,往往忽略了对钢化玻璃的辊道状态进行检测分析,进而对后续钢化玻璃的生产效果产生了一定的影响,降低了成品钢化玻璃对应的生产质量和生产效率。
2.当前对钢化玻璃的加热过程和压弯过程进行监控和分析时,通常是通过人工对加热温度、加热时长、压弯次数和压弯面积进行设置并执行,没有对钢化玻璃的尺寸进行监测,无法基于钢化玻璃的尺寸对加热温度、加热时长、压弯次数和压弯面积进行调控,进而无法确保钢化玻璃生产工艺的精准性和贴合性,不仅降低了钢化玻璃生产的质量,同时还造成了一定的资源浪费和成本损耗。
发明内容
为了克服背景技术中的缺点,本发明实施例提供了一种钢化玻璃生产工艺可视化监控管理***,能够有效解决上述背景技术中涉及的问题。
本发明的目的可以通过以下技术方案来实现:
一种钢化玻璃生产工艺可视化监控管理***,包括:辊道状态检测分析模块,用于对目标钢化玻璃对应电炉工作前的辊道质量进行检测,得到目标钢化玻璃对应的辊道质量参数集合,由此对目标钢化玻璃对应的辊道状态进行分析,若目标钢化玻璃对应的辊道状态为异常状态,则进行相应的处理,反之则执行预估加热过程参数和预估压弯过程参数的分析与处理。
玻璃生产过程分析处理模块,用于对目标钢化玻璃对应的厚度和表面积进行检测,由此对目标钢化玻璃对应的预估加热过程参数和预估压弯过程参数进行分析和调控,得到目标钢化玻璃对应的预估加热过程参数和预估压弯过程参数。
电炉加热过程监控分析模块,用于对目标钢化玻璃对应的加热过程进行实时监控,得到目标钢化玻璃对应的实际加热过程参数,进而对目标钢化玻璃对应的加热状态进行分析,若目标钢化玻璃对应的加热状态为异常状态,则进行相应的处理,反之,则执行压弯过程监控分析。
电炉压弯过程监控分析模块,用于对目标钢化玻璃对应的压弯过程进行实时监控,得到目标钢化玻璃对应的压弯过程参数,并对目标钢化玻璃对应的压弯状态进行分析,若目标钢化玻璃对应的压弯状态为异常状态,则进行相应的处理,反之,则执行成品玻璃质量检测分析。
成品玻璃质量检测分析模块,用于对目标钢化玻璃完成制作工艺后的成品玻璃进行质量检测和分析,得到成品玻璃对应的质量评估系数。
成品玻璃质量显示终端,用于对成品玻璃对应的质量评估系数进行显示。
作为本发明的进一步改进,所述对目标钢化玻璃对应电炉工作前的辊道质量进行检测,其具体检测方式如下:将目标钢化玻璃对应电炉工作前的辊道按照预设的划分方式划分为各辊道子区域,并按照预设顺序依次编号为1,2,...,i,...,n;
对各辊道子区域对应的辊道表面轮廓和表观图像进行检测,得到各辊道子区域对应的表面轮廓数据集合、体积和中心线位置,由此构建目标钢化玻璃对应的辊道质量参数集合。
作为本发明的进一步改进,所述对目标钢化玻璃对应的辊道状态进行分析,其具体分析过程如下:从目标钢化玻璃对应的辊道质量参数集合中提取各辊道子区域对应的表面轮廓数据集合,并将各辊道子区域对应的表面轮廓数据集合按照从大到小的顺序依次进行排列,同时从中获取各辊道子区域中表面轮廓数据对应的峰值、谷值、均值、众值,分别记为i表示为各辊道子区域的编号,i=1,2,......,n,通过计算得到各辊道子区域对应的表面轮廓平整评估指数
从目标钢化玻璃对应的辊道质量参数集合中提取各辊道子区域对应的体积,记为Vi,同时从中提取各辊道子区域对应的中心线位置,并将各辊道子区域对应的中心线位置与设定的各辊道子区域对应的参考中心线位置进行重合对比,得到各辊道子区域对应中心线的偏移角度,记为θi,通过计算得到各辊道子区域对应的表观重合评估指数
将目标钢化玻璃对应的辊道状态评估系数与设定的辊道状态评估系数阈值进行对比,若目标钢化玻璃对应的辊道状态评估系数小于辊道状态评估系数阈值,则判定目标钢化玻璃对应的辊道状态为异常状态,反正,则为正常状态。
作为本发明的进一步改进,所述各辊道子区域对应的表面轮廓平整评估指数,其具体计算公式为:ΔQ表示为设定的允许表面轮廓数据差,Q′表示为设定的表面轮廓数据参考值,a1、a2、a3、a4分别表示为设定的峰值、谷值、均值、众值对应的影响因子。
作为本发明的进一步改进,所述各辊道子区域对应的表观重合评估指数,其具体计算公式为: 表示为对数函数,V′表示为设定的辊道子区域对应的参考体积,ΔV表示为设定的允许体积差,θ′表示为设定的允许偏移角度,a5、a6分别表示为设定的体积、偏移角度对应的影响因子。
作为本发明的进一步改进,所述对目标钢化玻璃对应的预估加热过程参数和预估压弯过程参数进行分析和调控,其具体分析过程为:依据公式计算出目标钢化玻璃对应的外观影响指数η,H、S分别表示为目标钢化玻璃对应的厚度、表面积,H′、S′分别表示为目标钢化玻璃对应的参考厚度、参考表面积,b1、b2分别表示为设定的厚度、表面积对应的影响因子。
将目标钢化玻璃对应的外观影响指数与设定的各种加热等级对应的外观影响指数进行匹配,得到目标钢化玻璃对应的加热等级,并将其与设定的各种加热等级对应预估加热过程参数进行匹配,得到目标钢化玻璃对应的预估加热过程参数。
将目标钢化玻璃对应的外观影响指数与设定的各种压弯等级对应的外观影响指数进行匹配,得到目标钢化玻璃对应的压弯等级,并将其与设定的各种压弯等级对应的预估压弯参数进行匹配,得到目标钢化玻璃对应的预估压弯过程参数。
对目标钢化玻璃对应的加热过程和压弯过程按照预估加热过程参数和预估压弯过程参数进行调控。
作为本发明的进一步改进,所述对目标钢化玻璃对应的加热状态进行分析,其具体分析过程如下:从目标钢化玻璃对应的实际加热过程参数中提取目标钢化玻璃对应各采集时间点的实际加热温度,记为Tj,j表示为各采集时间点的编号,j=1,2,......,m,并从目标钢化玻璃对应的预估加热过程参数中提取目标钢化玻璃对应各采集时间点的预估加热温度,记为Tj′。
将目标钢化玻璃对应各采集时间点的预估加热温度按照从小到大的顺序依次进行排列,并对相同预估加热温度进行归类筛选,得到各加热温度区间,同时基于各加热温度区间对应的采集时间点对各加热温度区间的预估加热时长进行获取,得到目标钢化玻璃对应各加热温度区间的预估加热时长,记为t′f,f表示为各加热温度区间的编号,f=1,2,......,g。
按照目标钢化玻璃对应的各加热温度区间对目标钢化玻璃对应各采集时间点的实际加热温度进行分析,得到目标钢化玻璃对应各加热温度区间的实际加热时长,记为tf。
依据公式计算出目标钢化玻璃对应的加热状态评估系数,λ表示为目标钢化玻璃对应的加热状态评估系数,ΔT、Δt分别表示为设定的允许加热温度差、允许加热时长差,b3、b4分别表示为设定的加热温度、加热时长对应的影响因子。
将目标钢化玻璃对应的加热状态评估系数与设定的加热状态评估系数阈值进行对比,若目标钢化玻璃对应的加热状态评估系数小于加热状态评估系数阈值,则判定目标钢化玻璃对应的加热状态为异常状态,反之,则为正常状态。
作为本发明的进一步改进,所述对目标钢化玻璃对应的压弯过程进行实时监控,其具体监控方式为:通过智能摄像头对目标钢化玻璃对应的实际压弯次数和实际压弯面积进行监控,得到目标钢化玻璃对应的实际压弯次数和各次实际压弯的面积,同时对各次实际压弯对应的上模和下模之间的间距进行获取,记为指定间距。
由目标钢化玻璃对应的实际压弯次数、各次实际压弯的面积和各次实际压弯的指定间距构成目标钢化玻璃对应的实际压弯过程参数。
作为本发明的进一步改进,所述对目标钢化玻璃对应的压弯状态进行分析,其具体分析方式为:从目标钢化玻璃对应的预估压弯过程参数中提取目标钢化玻璃对应的预估压弯次数、各次预估压弯的参考面积、各次预估压弯的指定间距,分别记为N′、Sk′、Hk′,k表示为各次压弯的编号,k=1,2,......,p。
从目标钢化玻璃对应的实际压弯过程参数中提取目标钢化玻璃对应的实际压弯次数、各次实际压弯的面积和各次实际压弯的指定间距,分别记为N、Sk和Hk。
将目标钢化玻璃对应的压弯状态评估系数与设定的压弯状态评估系数阈值进行对比,若目标钢化玻璃对应的压弯状态评估系数小于压弯状态评估系数阈值,则判定目标钢化玻璃对应的压弯状态为异常状态,反正,则为正常状态。
作为本发明的进一步改进,所述对目标钢化玻璃完成制作工艺后的成品玻璃进行质量检测和分析,其具体执行过程如下:通过智能摄像头对成品玻璃对应的整体图像进行采集,得到成品玻璃对应的整体图像,并从中提取成品玻璃对应的表面划痕长度和表面辊印面积,并通过计算得到成品玻璃对应的表观质量达标指数。
从成品玻璃对应的整体图像中提取成品玻璃对应的玻璃厚度图像,并在成品玻璃对应的玻璃厚度图像上进行检测点均匀布设,得到成品玻璃中各检测点对应的玻璃厚度,进而计算出成品玻璃对应的厚度均匀指数。
从成品玻璃对应的整体图像中提取成品玻璃对应的弯曲度图像,并从中获取成品玻璃对应各标记点的距离,进而计算出成品玻璃对应的弯曲度达标指数。
对成品玻璃对应的表观质量达标指数、厚度均匀指数和弯曲度达标指数进行综合分析,得到成品玻璃对应的质量评估系数。
相对于现有技术,本发明的实施例至少具有如下优点或有益效果:
1、本发明通过触针式粗糙度测量仪和智能摄像头对目标钢化玻璃对应电炉工作前的辊道质量进行检测和分析,得到目标钢化玻璃对应辊道的表面平整评估指数和表观重合评估指数,并综合分析得到目标钢化玻璃对应的辊道状态评估系数,弥补了当前对钢化玻璃辊道状态分析的不足,避免了因辊道状态对后续成品钢化玻璃的表面造成辊印的痕迹,在一定程度上提高了成品钢化玻璃对应的生产质量和生产效率。
2、本发明通过对目标钢化玻璃对应的厚度和表面积进行检测,并由此对目标钢化玻璃对应的预估加热过程参数和预估压弯过程参数进行分析,实现了基于目标钢化玻璃的厚度和表面积对目标钢化玻璃对应的预估加热过程和预估压弯过程进行调整,在很大程度上提高了钢化玻璃生产工艺的精准性和贴合性,大大提高了钢化玻璃良好的热稳定性和高效的抗弯强度。
3、本发明通过对目标钢化玻璃的加热过程和压弯过程进行实时监控,并由此对目标钢化玻璃对应的加热状态评估系数和压弯状态评估系数进行分析,进而评估目标钢化玻璃对应的加热状态和压弯状态,若目标钢化玻璃对应的加热状态或压弯状态为异常状态,则进行相应的处理,不仅在很大程度上提升了钢化玻璃的生产质量,同时还在最大限度降低了资源浪费和成本损耗。
4、本发明通过对目标钢化玻璃对应的辊道质量、加热过程和压弯过程进行针对性的可视化监控,若目标钢化玻璃对应的辊道质量、加热过程或压弯过程处于异常状态,则对异常状态的过程进行相应的处理,避免了钢化玻璃对应某一生产过程出现异常的现象,确保成品钢化玻璃的质量不受影响,不仅在很大程度上避免了成品钢化玻璃原材料浪费的问题,同时还降低了一定的人工成本。
附图说明
利用附图对本发明作进一步说明,但附图中的实施例不构成对本发明的任何限制,对于本领域的普通技术人员,在不付出创造性劳动的前提下,还可以根据以下附图获得其它的附图。
图1为本发明***模块连接示意图。
图2为本发明辊道分布图。
图3为本发明偏移角度示意图。
图4为本发明标记距离示意图。
具体实施方式
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。
参照图1所示,本发明提供一种钢化玻璃生产工艺可视化监控管理***,包括辊道状态检测分析模块、玻璃生产过程分析处理模块、电炉加热过程监控分析模块、电炉压弯过程监控分析模块、成品玻璃质量检测分析模块和成品玻璃质量显示终端。
所述辊道状态检测分析模块和玻璃生产过程分析处理模块连接,玻璃生产过程分析处理模块分别与电炉加热过程监控分析模块和电炉压弯过程监控分析模块连接,电炉加热过程监控分析模块和电炉压弯过程监控分析模块连接,电炉压弯过程监控分析模块和成品玻璃质量检测分析模块连接,成品玻璃质量检测分析模块和成品玻璃质量显示终端连接。
辊道状态检测分析模块,用于对目标钢化玻璃对应电炉工作前的辊道质量进行检测,得到目标钢化玻璃对应的辊道质量参数集合,由此对目标钢化玻璃对应的辊道状态进行分析,并对目标钢化玻璃对应电炉工作前的辊道进行相应的处理。
作为本发明的进一步改进,所述对目标钢化玻璃对应电炉工作前的辊道质量进行检测,其具体检测方式如下:将目标钢化玻璃对应电炉工作前的辊道按照预设的划分方式划分为各辊道子区域,并按照预设顺序依次编号为1,2,...,i,...,n。
需要说明的是,参考图2所示,将目标钢化玻璃对应电炉工作前的辊道按照预设的划分方式划分为各辊道子区域,其具体划分方式为:按照各根辊道的分布划分为各辊道子区域。
通过触针式粗糙度测量仪对各辊道子区域对应的辊道表面轮廓进行检测,得到触针式粗糙度测量仪在各辊道子区域表面轮廓的移动轨迹,并基于各辊道子区域表面轮廓的移动轨迹构建各辊道子区域对应的表面轮廓数据集合。
需要说明的是,触针式粗糙度测量仪通常用于对待测工件表面的粗糙度进行测量,触针垂直于待测工件表面,并在待测工件表面进行上下移动,由此得到触针式粗糙度测量仪的上下移动轨迹。
各辊道子区域对应的表面轮廓数据集合具体构建方式为:将触针式粗糙度测量仪在各辊道子区域表面轮廓的上下移动轨迹通过电子装置进行信号放大,得到触针式粗糙度测量仪在各辊道子区域表面轮廓的各次移动高度,由此构成各辊道子区域对应的表面轮廓数据集合。
通过智能摄像头对各辊道子区域对应的表观图像进行采集,并基于各辊道子区域对应的表观图像构建各辊道子区域对应的三维图像,同时从中获取各辊道子区域对应的体积。
从各辊道子区域对应的表观图像中获取各辊道子区域对应的中心线位置,由各辊道子区域对应的表面轮廓数据集合、体积和中心线位置构成目标钢化玻璃对应的辊道质量参数集合。
作为本发明的进一步改进,所述对目标钢化玻璃对应的辊道状态进行分析,其具体分析过程如下:从目标钢化玻璃对应的辊道质量参数集合中提取各辊道子区域对应的表面轮廓数据集合,并将各辊道子区域对应的表面轮廓数据集合按照从大到小的顺序依次进行排列,同时从中获取各辊道子区域中表面轮廓数据对应的峰值、谷值、均值、众值,分别记为i表示为各辊道子区域的编号,i=1,2,......,n,通过计算得到各辊道子区域对应的表面轮廓平整评估指数
需要说明的是,各辊道子区域中表面轮廓数据对应的峰值、谷值、均值、众值分别为最大值,最小值,平均值和众数。
若某辊道子区域中表面轮廓数据对应的众数为一个,则将其记为众值,若某辊道子区域中表面轮廓数据对应的众数为多个,则取其平均值作为该辊道子区域中表面轮廓数据对应的众值。
作为本发明的进一步改进,所述各辊道子区域对应的表面轮廓平整评估指数,其具体计算公式为:ΔQ表示为设定的允许表面轮廓数据差,Q′表示为设定的表面轮廓数据参考值,a1、a2、a3、a4分别表示为设定的峰值、谷值、均值、众值对应的影响因子。
从目标钢化玻璃对应的辊道质量参数集合中提取各辊道子区域对应的体积,记为Vi,同时从中提取各辊道子区域对应的中心线位置,并将各辊道子区域对应的中心线位置与设定的各辊道子区域对应的参考中心线位置进行重合对比,得到各辊道子区域对应中心线的偏移角度,记为θi,通过计算得到各辊道子区域对应的表观重合评估指数
需要说明是,参照图3所示,各辊道子区域对应中心线的偏移角度具体为:各辊道子区域对应的中心线位置与设定的各辊道子区域对应的参考中心线位置之间形成的角度。
作为本发明的进一步改进,:所述各辊道子区域对应的表观重合评估指数,其具体计算公式为: 表示为对数函数,V′表示为设定的辊道子区域对应的参考体积,ΔV表示为设定的允许体积差,θ′表示为设定的允许偏移角度,a5、a6分别表示为设定的体积、偏移角度对应的影响因子。
在一个具体的实施例中,本发明通过触针式粗糙度测量仪和智能摄像头对目标钢化玻璃对应电炉工作前的辊道质量进行检测和分析,得到目标钢化玻璃对应辊道的表面平整评估指数和表观重合评估指数,并综合分析得到目标钢化玻璃对应的辊道状态评估系数,弥补了当前对钢化玻璃辊道状态分析的不足,避免了因辊道状态对后续成品钢化玻璃的表面造成辊印的痕迹,在一定程度上提高了成品钢化玻璃对应的生产质量和生产效率。
将目标钢化玻璃对应的辊道状态评估系数与设定的辊道状态评估系数阈值进行对比,若目标钢化玻璃对应的辊道状态评估系数小于辊道状态评估系数阈值,则判定目标钢化玻璃对应的辊道状态为异常状态,反正,则为正常状态。
在一个具体的实施例中,对目标钢化玻璃对应电炉工作前的辊道进行相应的处理,其具体处理方式如下:若目标钢化玻璃对应的辊道状态为异常,则进行相应的处理,同时重新对目标钢化玻璃对应电炉工作前的辊道质量进行检测,重复执行目标钢化玻璃对应的辊道状态分析,直至目标钢化玻璃对应的辊道状态为正常状态,反之,则执行目标钢化玻璃对应的预估加热过程参数和预估压弯过程参数的分析与处理。
玻璃生产过程分析处理模块,用于对目标钢化玻璃对应的厚度和表面积进行检测,由此对目标钢化玻璃对应的预估加热过程参数和预估压弯过程参数进行分析,得到目标钢化玻璃对应的预估加热过程参数和预估压弯过程参数,并对目标钢化玻璃对应的加热过程和压弯过程进行相应的处理。
作为本发明的进一步改进,所述对目标钢化玻璃对应的预估加热过程参数和预估压弯过程参数进行分析,其具体分析过程为:依据公式计算出目标钢化玻璃对应的外观影响指数η,H、S分别表示为目标钢化玻璃对应的厚度、表面积,H′、S′分别表示为目标钢化玻璃对应的参考厚度、参考表面积,b1、b2分别表示为设定的厚度、表面积对应的影响因子。
在一个具体的实施例中,本发明通过对目标钢化玻璃对应的厚度和表面积进行检测,并由此对目标钢化玻璃对应的预估加热过程参数和预估压弯过程参数进行分析,实现了基于目标钢化玻璃的厚度和表面积对目标钢化玻璃对应的预估加热过程和预估压弯过程进行调整,在很大程度上提高了钢化玻璃生产工艺的精准性和贴合性,大大提高了钢化玻璃良好的热稳定性和高效的抗弯强度。
将目标钢化玻璃对应的外观影响指数与设定的各种加热等级对应的外观影响指数进行匹配,得到目标钢化玻璃对应的加热等级,并将其与设定的各种加热等级对应预估加热过程参数进行匹配,得到目标钢化玻璃对应的预估加热过程参数。
需要说明的是,目标钢化玻璃对应的预估加热过程参数具体为:目标钢化玻璃对应各采集时间点的预估加热温度。
将目标钢化玻璃对应的外观影响指数与设定的各种压弯等级对应的外观影响指数进行匹配,得到目标钢化玻璃对应的压弯等级,并将其与设定的各种压弯等级对应的预估压弯参数进行匹配,得到目标钢化玻璃对应的预估压弯过程参数。
需要说明的是,目标钢化玻璃对应的预估压弯过程参数具体包括:目标钢化玻璃对应的预估压弯次数、各次预估压弯的参考面积和各次预估压弯的指定间距。
在一个具体的实施例中,对目标钢化玻璃对应的加热过程和压弯过程进行相应的处理,具体为:对目标钢化玻璃对应的加热过程和压弯过程按照预估加热过程参数和预估压弯过程参数进行调控。
电炉加热过程监控分析模块,用于对目标钢化玻璃对应的加热过程进行实时监控,得到目标钢化玻璃对应的实际加热过程参数,进而对目标钢化玻璃对应的加热状态进行分析,并对目标钢化玻璃对应的加热过程进行相应的处理。
作为本发明的进一步改进,所述对目标钢化玻璃对应的加热状态进行分析,其具体分析过程如下:
从目标钢化玻璃对应的实际加热过程参数中提取目标钢化玻璃对应各采集时间点的实际加热温度,记为Tj,j表示为各采集时间点的编号,j=1,2,......,m,并从目标钢化玻璃对应的预估加热过程参数中提取目标钢化玻璃对应各采集时间点的预估加热温度,记为Tj′;
将目标钢化玻璃对应各采集时间点的预估加热温度按照从小到大的顺序依次进行排列,并对相同预估加热温度进行归类筛选,得到各加热温度区间,同时基于各加热温度区间对应的采集时间点对各加热温度区间的预估加热时长进行获取,得到目标钢化玻璃对应各加热温度区间的预估加热时长,记为t′f,f表示为各加热温度区间的编号,f=1,2,......,g;
按照目标钢化玻璃对应的各加热温度区间对目标钢化玻璃对应各采集时间点的实际加热温度进行分析,得到目标钢化玻璃对应各加热温度区间的实际加热时长,记为tf;
依据公式计算出目标钢化玻璃对应的加热状态评估系数,λ表示为目标钢化玻璃对应的加热状态评估系数,ΔT、Δt分别表示为设定的允许加热温度差、允许加热时长差,b3、b4分别表示为设定的加热温度、加热时长对应的影响因子;
将目标钢化玻璃对应的加热状态评估系数与设定的加热状态评估系数阈值进行对比,若目标钢化玻璃对应的加热状态评估系数小于加热状态评估系数阈值,则判定目标钢化玻璃对应的加热状态为异常状态,反之,则为正常状态。
需要说明的是,对目标钢化玻璃对应的加热过程进行相应的处理,其具体处理方式为:若目标钢化玻璃对应的加热状态为异常状态,则重复执行目标钢化玻璃对应的加热过程,并进行相应的提示,同时重新执行对目标钢化玻璃的加热状态分析,直至目标钢化玻璃对应的加热状态为正常状态,若目标钢化玻璃对应的加热状态为正常状态,则执行压弯过程监控分析。
电炉压弯过程监控分析模块,用于对目标钢化玻璃对应的压弯过程进行实时监控,得到目标钢化玻璃对应的压弯过程参数,并对目标钢化玻璃对应的压弯状态进行分析,同时对目标钢化玻璃对应的压弯过程进行相应的处理。
作为本发明的进一步改进,所述对目标钢化玻璃对应的压弯过程进行实时监控,其具体监控方式为:通过智能摄像头对目标钢化玻璃对应的实际压弯次数和实际压弯面积进行监控,得到目标钢化玻璃对应的实际压弯次数和各次实际压弯的面积,同时对各次实际压弯对应的上模和下模之间的间距进行获取,记为指定间距。
由目标钢化玻璃对应的实际压弯次数、各次实际压弯的面积和各次实际压弯的指定间距构成目标钢化玻璃对应的实际压弯过程参数。
作为本发明的进一步改进,所述对目标钢化玻璃对应的压弯状态进行分析,其具体分析方式为:从目标钢化玻璃对应的预估压弯过程参数中提取目标钢化玻璃对应的预估压弯次数、各次预估压弯的参考面积、各次预估压弯的指定间距,分别记为N′、Sk′、Hk′,k表示为各次压弯的编号,k=1,2,......,p。
从目标钢化玻璃对应的实际压弯过程参数中提取目标钢化玻璃对应的实际压弯次数、各次实际压弯的面积和各次实际压弯的指定间距,分别记为N、Sk和Hk。
将目标钢化玻璃对应的压弯状态评估系数与设定的压弯状态评估系数阈值进行对比,若目标钢化玻璃对应的压弯状态评估系数小于压弯状态评估系数阈值,则判定目标钢化玻璃对应的压弯状态为异常状态,反正,则为正常状态。
在一个具体的实施例中,本发明通过对目标钢化玻璃的加热过程和压弯过程进行实时监控,并由此对目标钢化玻璃对应的加热状态评估系数和压弯状态评估系数进行分析,进而评估目标钢化玻璃对应的加热状态和压弯状态,若目标钢化玻璃对应的加热状态或压弯状态为异常状态,则进行相应的处理,不仅在很大程度上提升了钢化玻璃的生产质量,同时还在最大限度降低了资源浪费和成本损耗。
需要说明的是,对目标钢化玻璃对应的压弯过程进行相应的处理,其具体处理方式为:若目标钢化玻璃对应的压弯状态为异常状态,则进行相应的提示,并重复执行目标钢化玻璃对应的加热过程和压弯过程,同时重新对目标钢化玻璃的加热状态和压弯状态进行分析,直至目标钢化玻璃对应的加热状态和压弯状态均为正常状态,若目标钢化玻璃对应的压弯状态为正常状态,则执行成品玻璃质量检测分析。
在一个具体的实施例中,本发明通过对目标钢化玻璃对应的辊道质量、加热过程和压弯过程进行针对性的可视化监控,若目标钢化玻璃对应的辊道质量、加热过程或压弯过程处于异常状态,则对异常状态的过程进行相应的处理,避免了钢化玻璃对应某一生产过程出现异常的现象,确保成品钢化玻璃的质量不受影响,不仅在很大程度上避免了成品钢化玻璃原材料浪费的问题,同时还降低了一定的人工成本。
成品玻璃质量检测分析模块,用于对目标钢化玻璃完成制作工艺后的成品玻璃进行质量检测和分析,得到成品玻璃对应的质量评估系数。
作为本发明的进一步改进,所述对目标钢化玻璃完成制作工艺后的成品玻璃进行质量检测和分析,其具体执行过程如下:通过智能摄像头对成品玻璃对应的整体图像进行采集,得到成品玻璃对应的整体图像,并从中提取成品玻璃对应的表面划痕长度和表面辊印面积,并通过计算得到成品玻璃对应的表观质量达标指数。
需要说明的是,依据公式计算出成品玻璃对应的表观质量达标指数BG,L、M分别表示为成品玻璃对应的表面划痕长度、表面辊印面积,L′、M′分别表示为设定的允许表面划痕长度、允许表面辊印面积,ε1、ε2分别表示为设定的表面划痕长度、表面辊印面积对应的影响因子。
从成品玻璃对应的整体图像中提取成品玻璃对应的玻璃厚度图像,并在成品玻璃对应的玻璃厚度图像上进行检测点均匀布设,得到成品玻璃中各检测点对应的玻璃厚度,进而计算出成品玻璃对应的厚度均匀指数。
从成品玻璃对应的整体图像中提取成品玻璃对应的弯曲度图像,并从中获取成品玻璃对应各标记点的距离,进而计算出成品玻璃对应的弯曲度达标指数。
在一个具体的实施例中,成品玻璃对应的各标记点具体为:在成品玻璃对应的弯曲面上进行标记点均匀布设。
需要说明的是,参照图4所示,成品玻璃对应各标记点的距离具体为:成品玻璃对应的弯曲平面与成品玻璃对应各标记点之间的距离。
依据公式计算出成品玻璃对应的弯曲度达标指数WQ,lx表示为成品玻璃对应的第x个标记点的距离,x表示各标记点的编号,x=1,2,......,w,lx′表示为设定的第x个标记点对应的参考距离,Δl表示为设定的允许距离差。
对成品玻璃对应的表观质量达标指数、厚度均匀指数和弯曲度达标指数进行综合分析,得到成品玻璃对应的质量评估系数。
成品玻璃质量显示终端,用于对成品玻璃对应的质量评估系数进行显示。
以上内容仅仅是对本发明结构所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的结构或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
Claims (10)
1.一种钢化玻璃生产工艺可视化监控管理***,其特征在于,包括:
辊道状态检测分析模块,用于对目标钢化玻璃对应电炉工作前的辊道质量进行检测,得到目标钢化玻璃对应的辊道质量参数集合,由此对目标钢化玻璃对应的辊道状态进行分析,若目标钢化玻璃对应的辊道状态为异常状态,则进行相应的处理,反之则执行预估加热过程参数和预估压弯过程参数的分析与处理;
玻璃生产过程分析处理模块,用于对目标钢化玻璃对应的厚度和表面积进行检测,由此对目标钢化玻璃对应的预估加热过程参数和预估压弯过程参数进行分析和调控,得到目标钢化玻璃对应的预估加热过程参数和预估压弯过程参数;
电炉加热过程监控分析模块,用于对目标钢化玻璃对应的加热过程进行实时监控,得到目标钢化玻璃对应的实际加热过程参数,进而对目标钢化玻璃对应的加热状态进行分析,若目标钢化玻璃对应的加热状态为异常状态,则进行相应的处理,反之,则执行压弯过程监控分析;
电炉压弯过程监控分析模块,用于对目标钢化玻璃对应的压弯过程进行实时监控,得到目标钢化玻璃对应的压弯过程参数,并对目标钢化玻璃对应的压弯状态进行分析,若目标钢化玻璃对应的压弯状态为异常状态,则进行相应的处理,反之,则执行成品玻璃质量检测分析;
成品玻璃质量检测分析模块,用于对目标钢化玻璃完成制作工艺后的成品玻璃进行质量检测和分析,得到成品玻璃对应的质量评估系数;
成品玻璃质量显示终端,用于对成品玻璃对应的质量评估系数进行显示。
2.根据权利要求1所述的一种钢化玻璃生产工艺可视化监控管理***,其特征在于:所述对目标钢化玻璃对应电炉工作前的辊道质量进行检测,其具体检测方式如下:
将目标钢化玻璃对应电炉工作前的辊道按照预设的划分方式划分为各辊道子区域,并按照预设顺序依次编号为1,2,...,i,...,n;
对各辊道子区域对应的辊道表面轮廓和表观图像进行检测,得到各辊道子区域对应的表面轮廓数据集合、体积和中心线位置,由此构建目标钢化玻璃对应的辊道质量参数集合。
3.根据权利要求1所述的一种钢化玻璃生产工艺可视化监控管理***,其特征在于:所述对目标钢化玻璃对应的辊道状态进行分析,其具体分析过程如下:
从目标钢化玻璃对应的辊道质量参数集合中提取各辊道子区域对应的表面轮廓数据集合,并将各辊道子区域对应的表面轮廓数据集合按照从大到小的顺序依次进行排列,同时从中获取各辊道子区域中表面轮廓数据对应的峰值、谷值、均值、众值,分别记为i表示为各辊道子区域的编号,i=1,2,......,n,通过计算得到各辊道子区域对应的表面轮廓平整评估指数
从目标钢化玻璃对应的辊道质量参数集合中提取各辊道子区域对应的体积,记为Vi,同时从中提取各辊道子区域对应的中心线位置,并将各辊道子区域对应的中心线位置与设定的各辊道子区域对应的参考中心线位置进行重合对比,得到各辊道子区域对应中心线的偏移角度,记为θi,通过计算得到各辊道子区域对应的表观重合评估指数
将目标钢化玻璃对应的辊道状态评估系数与设定的辊道状态评估系数阈值进行对比,若目标钢化玻璃对应的辊道状态评估系数小于辊道状态评估系数阈值,则判定目标钢化玻璃对应的辊道状态为异常状态,反正,则为正常状态。
6.根据权利要求1所述的一种钢化玻璃生产工艺可视化监控管理***,其特征在于:所述对目标钢化玻璃对应的预估加热过程参数和预估压弯过程参数进行分析和调控,其具体分析调控过程为:
依据公式计算出目标钢化玻璃对应的外观影响指数η,H、S分别表示为目标钢化玻璃对应的厚度、表面积,H′、S′分别表示为目标钢化玻璃对应的参考厚度、参考表面积,b1、b2分别表示为设定的厚度、表面积对应的影响因子;
将目标钢化玻璃对应的外观影响指数与设定的各种加热等级对应的外观影响指数进行匹配,得到目标钢化玻璃对应的加热等级,并将其与设定的各种加热等级对应预估加热过程参数进行匹配,得到目标钢化玻璃对应的预估加热过程参数;
将目标钢化玻璃对应的外观影响指数与设定的各种压弯等级对应的外观影响指数进行匹配,得到目标钢化玻璃对应的压弯等级,并将其与设定的各种压弯等级对应的预估压弯参数进行匹配,得到目标钢化玻璃对应的预估压弯过程参数;
对目标钢化玻璃对应的加热过程和压弯过程按照预估加热过程参数和预估压弯过程参数进行调控。
7.根据权利要求1所述的一种钢化玻璃生产工艺可视化监控管理***,其特征在于:所述对目标钢化玻璃对应的加热状态进行分析,其具体分析过程如下:
从目标钢化玻璃对应的实际加热过程参数中提取目标钢化玻璃对应各采集时间点的实际加热温度,记为Tj,j表示为各采集时间点的编号,j=1,2,......,m,并从目标钢化玻璃对应的预估加热过程参数中提取目标钢化玻璃对应各采集时间点的预估加热温度,记为T′j;
将目标钢化玻璃对应各采集时间点的预估加热温度按照从小到大的顺序依次进行排列,并对相同预估加热温度进行归类筛选,得到各加热温度区间,同时基于各加热温度区间对应的采集时间点对各加热温度区间的预估加热时长进行获取,得到目标钢化玻璃对应各加热温度区间的预估加热时长,记为t′f,f表示为各加热温度区间的编号,f=1,2,......,g;
按照目标钢化玻璃对应的各加热温度区间对目标钢化玻璃对应各采集时间点的实际加热温度进行分析,得到目标钢化玻璃对应各加热温度区间的实际加热时长,记为tf;
依据公式计算出目标钢化玻璃对应的加热状态评估系数,λ表示为目标钢化玻璃对应的加热状态评估系数,ΔT、Δt分别表示为设定的允许加热温度差、允许加热时长差,b3、b4分别表示为设定的加热温度、加热时长对应的影响因子;
将目标钢化玻璃对应的加热状态评估系数与设定的加热状态评估系数阈值进行对比,若目标钢化玻璃对应的加热状态评估系数小于加热状态评估系数阈值,则判定目标钢化玻璃对应的加热状态为异常状态,反之,则为正常状态。
8.根据权利要求1所述的一种钢化玻璃生产工艺可视化监控管理***,其特征在于:所述对目标钢化玻璃对应的压弯过程进行实时监控,其具体监控方式为:
通过智能摄像头对目标钢化玻璃对应的实际压弯次数和实际压弯面积进行监控,得到目标钢化玻璃对应的实际压弯次数和各次实际压弯的面积,同时对各次实际压弯对应的上模和下模之间的间距进行获取,记为指定间距;
由目标钢化玻璃对应的实际压弯次数、各次实际压弯的面积和各次实际压弯的指定间距构成目标钢化玻璃对应的实际压弯过程参数。
9.根据权利要求1所述的一种钢化玻璃生产工艺可视化监控管理***,其特征在于:所述对目标钢化玻璃对应的压弯状态进行分析,其具体分析方式为:
从目标钢化玻璃对应的预估压弯过程参数中提取目标钢化玻璃对应的预估压弯次数、各次预估压弯的参考面积、各次预估压弯的指定间距,分别记为N′、S′k、H′k,k表示为各次压弯的编号,k=1,2,......,p;
从目标钢化玻璃对应的实际压弯过程参数中提取目标钢化玻璃对应的实际压弯次数、各次实际压弯的面积和各次实际压弯的指定间距,分别记为N、Sk和Hk;
将目标钢化玻璃对应的压弯状态评估系数与设定的压弯状态评估系数阈值进行对比,若目标钢化玻璃对应的压弯状态评估系数小于压弯状态评估系数阈值,则判定目标钢化玻璃对应的压弯状态为异常状态,反正,则为正常状态。
10.根据权利要求1所述的一种钢化玻璃生产工艺可视化监控管理***,其特征在于:所述对目标钢化玻璃完成制作工艺后的成品玻璃进行质量检测和分析,其具体执行过程如下:
通过智能摄像头对成品玻璃对应的整体图像进行采集,得到成品玻璃对应的整体图像,并从中提取成品玻璃对应的表面划痕长度和表面辊印面积,并通过计算得到成品玻璃对应的表观质量达标指数;
从成品玻璃对应的整体图像中提取成品玻璃对应的玻璃厚度图像,并在成品玻璃对应的玻璃厚度图像上进行检测点均匀布设,得到成品玻璃中各检测点对应的玻璃厚度,进而计算出成品玻璃对应的厚度均匀指数;
从成品玻璃对应的整体图像中提取成品玻璃对应的弯曲度图像,并从中获取成品玻璃对应各标记点的距离,进而计算出成品玻璃对应的弯曲度达标指数;
对成品玻璃对应的表观质量达标指数、厚度均匀指数和弯曲度达标指数进行综合分析,得到成品玻璃对应的质量评估系数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211209205.1A CN115601313A (zh) | 2022-09-30 | 2022-09-30 | 一种钢化玻璃生产工艺可视化监控管理*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211209205.1A CN115601313A (zh) | 2022-09-30 | 2022-09-30 | 一种钢化玻璃生产工艺可视化监控管理*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115601313A true CN115601313A (zh) | 2023-01-13 |
Family
ID=84844629
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211209205.1A Withdrawn CN115601313A (zh) | 2022-09-30 | 2022-09-30 | 一种钢化玻璃生产工艺可视化监控管理*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115601313A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116740063A (zh) * | 2023-08-14 | 2023-09-12 | 山东众志电子有限公司 | 基于机器视觉的玻璃纤维丝生产质量检测方法 |
CN117492490A (zh) * | 2023-12-29 | 2024-02-02 | 山东兴诺工贸股份有限公司 | 一种基于数据分析的玻璃加工智能化温控*** |
CN117873009A (zh) * | 2024-03-13 | 2024-04-12 | 山东鲁玻玻璃科技有限公司 | 一种基于玻璃生产流程监控*** |
-
2022
- 2022-09-30 CN CN202211209205.1A patent/CN115601313A/zh not_active Withdrawn
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116740063A (zh) * | 2023-08-14 | 2023-09-12 | 山东众志电子有限公司 | 基于机器视觉的玻璃纤维丝生产质量检测方法 |
CN116740063B (zh) * | 2023-08-14 | 2023-11-14 | 山东众志电子有限公司 | 基于机器视觉的玻璃纤维丝生产质量检测方法 |
CN117492490A (zh) * | 2023-12-29 | 2024-02-02 | 山东兴诺工贸股份有限公司 | 一种基于数据分析的玻璃加工智能化温控*** |
CN117492490B (zh) * | 2023-12-29 | 2024-04-16 | 山东兴诺工贸股份有限公司 | 一种基于数据分析的玻璃加工智能化温控*** |
CN117873009A (zh) * | 2024-03-13 | 2024-04-12 | 山东鲁玻玻璃科技有限公司 | 一种基于玻璃生产流程监控*** |
CN117873009B (zh) * | 2024-03-13 | 2024-05-24 | 山东鲁玻玻璃科技有限公司 | 一种基于玻璃生产流程监控*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115601313A (zh) | 一种钢化玻璃生产工艺可视化监控管理*** | |
CN110889091B (zh) | 基于温度敏感区间分段的机床热误差预测方法与*** | |
CN107179749A (zh) | 热镀锌产品全流程质量控制方法 | |
CN109978835B (zh) | 一种在线装配缺陷识别***及其方法 | |
CN111209967A (zh) | 一种基于支持向量机的轧制过程板凸度预测方法 | |
CN110989510A (zh) | 一种热镀锌产品全流程质量控制与等级自动判断*** | |
CN117086117B (zh) | 一种钛带热轧过程温度控制方法及*** | |
CN110153196B (zh) | 一种厚板轧制翘扣头的控制方法 | |
CN109226282B (zh) | 一种基于物联网的钢板在线固溶的轧后快速冷却方法 | |
CN101949865B (zh) | 一种百事泰在线表面缺陷检测***的优化方法 | |
CN114119483A (zh) | 基于图像处理技术的建筑用轻质墙板质量检测方法及装置 | |
CN117807398A (zh) | 一种基于数据分析的模具智能管控*** | |
CN113962954A (zh) | 一种基于se-r-yolov4汽车钢铁零件表面缺陷检测方法 | |
CN117313951A (zh) | 一种多传感器融合的柔性去毛刺管理方法及*** | |
CN109622926B (zh) | 一种面向铸锭过程的锭块边缘检测方法 | |
CN105354848B (zh) | 一种热镀锌产线的康耐视表面质量检测***的优化方法 | |
CN115106384B (zh) | 一种基于随机森林的厚板轧制辊缝校正方法 | |
CN115808126A (zh) | 一种基于机器视觉扫描数据的锂电极片涂布边界定位方法 | |
CN114971064A (zh) | 基于NGBoost算法的热轧带钢表面缺陷预测方法 | |
CN113804127A (zh) | 一种弯曲失效应变测量方法 | |
CN117994732A (zh) | 一种基于图像识别的铱金属深加工控制方法及*** | |
CN117505551B (zh) | 用于异型钢连轧工艺的工件质量控制方法及*** | |
CN117196414B (zh) | 一种金属加工质量控制*** | |
CN118134062B (zh) | 数控机床铸件质量追踪*** | |
CN108994087A (zh) | 一种乳化液分段冷却的控制方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20230113 |
|
WW01 | Invention patent application withdrawn after publication |