[发明专利]基于分布式的工业互联网设备协同作业方法

说明书

公开了一种基于分布式的工业互联网设备协同作业方法，工业互联网通过工业级网络平台把设备、生产线、工厂、供应商、产品和客户紧密地连接和融合起来，以通过自动化、智能化的生产方式降低成本和增加效率。在本申请中，所述基于分布式的工业互联网设备协同作业方法基于深度神经网络的高维特征统计学习的方法来相对更为准确地表达出工业设备的性能损耗状况与相关要素之间的关系，从而得到工业设备的性能损耗状态的监控结果，以提高工业互联网中各个工业设备之间的协作效率。

技术领域

本发明涉及工业互联网领域中的设备协同作业监控，且更为具体地，涉及一种基于分布式的工业互联网设备协同作业方法、基于分布式的工业互联网设备协同作业系统和电子设备。

背景技术

工业互联网就是通过开放的、全球化的工业级网络平台把设备、生产线、工厂、供应商、产品和客户紧密地连接和融合起来，高效共享工业经济中的各种要素资源，从而通过自动化、智能化的生产方式降低成本、增加效率，帮助制造业延长产业链，推动制造业转型发展。随着科技的发展，在智能自动化制造中，工业设备被逐渐接入互联网，故而，工业互联网的发展和制造业的发展相辅相成，因此，实现工业设备与工业互联网之间的互联，不仅能够节省人力成本，还能够提高维护的效率。

但是目前在实际的工业生产过程中，由于工业互联网之间的协作模式不佳会导致工业设备的性能损耗较大，例如在对木板进行打磨的过程中，粗打磨设备和细打磨设备之间的等待不同步损耗就属于调整转换损耗，这种损耗就会使得工业设备之间的互联效果较差，从而也就会使得工业互联网的价值难以体现，并且设备的损耗超过一定的限度时，还可能会损坏工业制造设备，进而也就可能会导致一系列的工业事故。

因此，期望一种更为优化的用于工业互联网设备的协同作业的控制方案的方法。

目前，深度学习以及神经网络已经广泛应用于计算机视觉、自然语言处理、文本信号处理等领域。此外，深度学习以及神经网络在图像分类、物体检测、语义分割、文本翻译等领域，也展现出了接近甚至超越人类的水平。

近年来，深度学习以及神经网络的发展为工业互联网设备的协同作业提供了新的解决思路和方案。

发明内容

为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种基于分布式的工业互联网设备协同作业方法、基于分布式的工业互联网设备协同作业系统和电子设备，其基于深度神经网络的高维特征统计学习的方法来相对更为准确地表达出工业设备的性能损耗状况与相关要素之间的关系，从而得到工业设备的性能损耗状态的监控结果，以提高工业设备的协作效率。

根据本申请的一个方面，提供了一种基于分布式的工业互联网设备协同作业方法，其包括：

获取协同作业的第一工业设备和第二工业设备分别在预定间隔的第一时刻和第二时刻的状态参数，其中，所述第一工业设备和所述第二工业设备经工业互联网相互可通信地连接；

计算所述第一工业设备和所述第二工业设备分别在所述第一时刻和所述第二时刻的对应的状态参数之间的差值，以构造对应于所述第一工业设备的第一差分状态向量和对应于所述第二工业设备的第二差分状态向量；

获取作业对象在所述第一时刻的在多个拍摄角度下的多个第一图像以及在所述第二时刻的多个拍摄角度下的多个第二图像，其中，所述第一工业设备和所述第二工业设备被配置为对所述作业对象进行操作；

将所述多个第一图像和所述多个第二图像分别通过深度卷积神经网络，以获得对应于所述多个第一图像的第一特征图和对应于所述多个第二图像的第二特征图；

计算所述第一特征图和所述第二特征图之间的差分，以获得差分特征图；

以基于深度神经网络的编码器对所述第一差分状态向量和所述第二差分状态向量进行编码，以获得第一差分特征向量和第二差分特征向量；