CN118268321A - 一种重晶石破碎-跳汰生产线用清洁机器人及其控制方法 - Google Patents

Abstract

本发明属于清洁作业技术领域，公开了一种重晶石破碎‑跳汰生产线用清洁机器人及其控制方法，包括移动底座、转动座、大臂、小臂、负压吸尘组件和控制单元，所述控制单元包括第一数据采集模块、模型训练模块、第一数据分析模块、第二数据采集模块和第二数据分析模块，各模块间通过有线或无线方式连接，进行数据间的传输。本发明通过基于历史训练参数，训练预测出粉尘产生量的机器学习模型，并基于训练完成的机器学习模型预测出粉尘产生量，并根据预测出的粉尘产生量确定机器人的清洁频率，可以更有效地规划和利用清洁资源，避免过度清洁或清洁不足的情况，提高清洁效率，同时可以减少不必要的清洁次数，降低清洁成本，节约人力和物力资源。

Description

一种重晶石破碎-跳汰生产线用清洁机器人及其控制方法

技术领域

本发明属于清洁作业技术领域，具体涉及一种重晶石破碎-跳汰生产线用清洁机器人及其控制方法。

背景技术

重晶石的生产过程中，常常伴随着破碎和跳汰等工艺，这些过程会产生大量的粉尘，严重影响生产环境和作业人员的健康，因此在重晶石破碎-跳汰生产线上采用清洁机器人进行自清洁除尘工作，以保证生产线的正常运转。

如授权公告号为CN111687080B的中国专利公开了 一种工业除尘机器人， 当需要进行除尘时，开启吸风机，在罩体的端口处产生负压，吸风机将位于罩体四周的空气向罩体内吸附，并将灰尘等杂质吸入罩体中，从而实现除尘。同时，在吸风机作业过程中，部分空气从副套筒的吸附孔进入，从而在副套筒靠近第二摇杆的位置产生负压，从而使第二摇杆在压力差的作用下靠近副套筒转动，从而带动转接球以及第一摇杆一起转动，第一摇杆转动后，通过主套筒带动网板滑动，从而使网板带动刷毛运动，刷动位于待除尘位置处的灰尘，使粘附在待除尘位置的灰尘松动，更加容易将灰尘吸附到罩体中，从而提高除尘效果，整个除尘过程自动化程度高，除尘效果好。

上述专利还存在如下不足：

在工业生产中，对生产线进行除尘操作时，不能根据生产线上粉尘的产生量，自定义清洁频率，容易出现过度清洁或者清洁不足，且不能根据生产线上粉尘污染的情况对粉尘进行合理清理，智能化程度低，需要进行改进。

发明内容

本发明的目的在于提供一种重晶石破碎-跳汰生产线用清洁机器人及其控制方法，用于解决现背景技术中提出的技术问题。

为了实现上述目的，本发明采用了如下技术方案：一种重晶石破碎-跳汰生产线用清洁机器人，包括：

移动底座；转动座，转动安装在所述移动底座上；大臂，一端转动安装在所述转动座上；小臂，一端与所述大臂一端活动连接；负压吸尘组件，设置在所述小臂一端，用于跟随所述清洁机器人进行除尘工作；控制单元，集成设置在所述移动底座上，用于控制清洁机器人进行自动除尘工作。

优选的，所述控制单元包括：

第一数据采集模块，采集重晶石破碎-跳汰生产线的历史训练参数，历史训练参数包括生产综合参数以及粉尘产生量，生产综合参数包括原料关系系数、设备参数和环境关系系数；

模型训练模块，基于历史训练参数，训练预测出粉尘产生量的机器学习模型，采集实时的生产综合参数，基于训练完成的机器学习模型预测出粉尘产生量；

第一数据分析模块，将预测的粉尘产生量与预设的粉尘产生量阈值进行比对分析，并根据分析结果确定清洁频率等级；

第二数据采集模块，将生产线按功能不同划分为个检测区域，大于等于1，实时采集每个检测区域的粉尘浓度和粉尘覆盖厚度，生成粉尘污染严重系数，并确定清洁路径；

第二数据分析模块，根据粉尘污染严重系数、环境湿度和气流速度，生成清洁难度系数，并根据清洁难度系数，判断生成清洁机器人的负压吸附等级。

优选的，所述负压吸尘组件包括：负压吸尘座，活动设置在所述小臂一端；负压吸尘孔，开设在所述负压吸尘座下表面上，并与所述负压吸尘座内部连通；清洁毛刷，凸出设置在所述负压吸尘座下表面上，并与所述负压吸尘孔交错设置。

优选的，影响所述原料关系系数的参数有重晶石原料的硬度、湿度和粒度，原料关系系数的生成方式如下：

；

式中，表示原料关系系数，表示重晶石原料的硬度，表示重晶石原料的粒度，表示重晶石原料的湿度，表示权重系数，均大于0。

优选的，影响所述环境关系系数的参数有环境温度、湿度和气流速度；

环境关系系数的表达式为：

；

式中，表示环境关系系数，表示环境温度，表示气流速度，表示环境湿度，表示权重系数，均大于0。

优选的，预测出粉尘产生量的机器学习模型的训练方法包括：

将采集到的生产综合参数转换为对应的一组特征向量；

将每组特征向量作为所述机器学习模型的输入，所述机器学习模型以每组生产综合参数对应的粉尘产生量作为输出，以每组生产综合参数实际对应的粉尘产生量作为预测目标，以最小化所述机器学习模型损失函数值作为训练目标；当机器学习模型损失函数值小于等于预设的目标损失值时停止训练。

优选的，所述清洁频率等级的生成方式如下：

清洁频率等级包括一级清洁频率、二级清洁频率和三级清洁频率，所述一级清洁频率、二级清洁频率和三级清洁频率依次递减；

将预测的粉尘产生量标记为，预设粉尘产生量阈值为、，其中，；

当时，则表示粉尘产生量较少，此时，生成三级清洁频率；

当时，则表示粉尘产生量适中，此时，生成二级清洁频率；

当时，则表示粉尘产生量较多，此时，生成一级清洁频率。

优选的，所述粉尘浓度的获取方式如下，在每个检测区域内按距离设置个粉尘浓度检测仪；

；

式中，表示粉尘浓度，表示粉尘浓度检测仪的总数量，表示每一个粉尘浓度检测仪检测出的粉尘浓度。

优选的，所述粉尘覆盖厚度的获取方式如下，获取每个检测区域内个位置的粉尘覆盖厚度；

；

式中，表示粉尘覆盖厚度，表示获取粉尘覆盖厚度的位置总数，表示每次获取的粉尘覆盖厚度。

优选的，所述粉尘污染严重系数的生成方式如下：

；

式中，表示粉尘污染严重系数，表示粉尘浓度，表示粉尘覆盖厚度，表示权重系数，均大于0。

优选的，所述确定清洁路径的方式如下：

步骤一：获取个检测区域的粉尘污染严重系数，并根据预设的粉尘污染严重系数梯度阈值将个检测区域划分为第一清洁区域、第二清洁区域、第三清洁区域和第四清洁区域；

步骤二：将第一清洁区域标记为当前清洁区域，将第一清洁区域中个检测区域标记为子区域，大于等于1，随机选取一个子区域进行清洁，获取其他子区域与正在进行清理的子区域的距离，选取距离最近的子区域作为下一个进行清理的子区域，从而依次完成第一清洁区域中个子区域的清洁工作；

步骤三：将第二清洁区域标记为预备待清洁区域，获取预备待清洁区域与当前清洁区域的距离，同时获取其他未清洁区域与当前清洁区域的距离，若其他未清洁区域中存在，则获取对应的其他未清洁区域与预备待清洁区域的粉尘污染严重系数差值，若粉尘污染严重系数差值小于等于预设的粉尘污染严重系数差值阈值，则将其他未清洁区域标记为实际待清洁区域；

步骤四：将实际清洁区域中个检测区域标记为实际待清洁子区域，大于等于1，获取实际待清洁子区域与步骤二中最后清洁的子区域的距离，选取距离最近的实际待清洁子区域作为第一个清理的实际待清洁子区域，然后获取其他实际待清洁子区域与正在进行清理的实际待清洁子区域的距离，选取距离最近的实际待清洁子区域作为下一个进行清理实际待清洁子区域，从而依次完成第二清洁区域中个实际待清洁子区域的清洁工作；

步骤五：重复步骤三和步骤四，完成第一清洁区域、第二清洁区域、第三清洁区域和第四清洁区域的清洁工作。

优选的，所述清洁难度系数的生成方式如下：

；

式中，表示为清洁难度系数，表示为粉尘污染严重系数，表示为环境湿度，表示为气流速度，表示权重系数，均大于0。

一种重晶石破碎-跳汰生产线用清洁机器人的控制方法，应用于上述的一种重晶石破碎-跳汰生产线用清洁机器人，包括如下步骤：

步骤一：采集重晶石破碎-跳汰生产线的历史训练参数，历史训练参数包括生产综合参数以及粉尘产生量，生产综合参数包括原料关系系数、设备参数和环境关系系数；

步骤二：基于历史训练参数，训练预测出粉尘产生量的机器学习模型，采集实时的生产综合参数，基于训练完成的机器学习模型预测出粉尘产生量；

步骤三：将预测的粉尘产生量与预设的粉尘产生量阈值进行比对分析，并根据分析结果确定清洁频率等级；

步骤四：将生产线按功能不同划分为个检测区域，大于等于1，实时采集每个检测区域的粉尘浓度和粉尘覆盖厚度，生成粉尘污染严重系数，并确定清洁路径；

步骤五：根据粉尘污染严重系数、环境湿度和气流速度，生成清洁难度系数，并根据清洁难度系数，判断生成清洁机器人的负压吸附等级。

综上所述，由于采用了上述技术方案，本发明的有益效果是：

1、本发明通过基于历史训练参数，训练预测出粉尘产生量的机器学习模型，并基于训练完成的机器学习模型预测出粉尘产生量，并根据预测出的粉尘产生量确定机器人的清洁频率，可以更有效地规划和利用清洁资源，避免过度清洁或清洁不足的情况，提高清洁效率，同时可以减少不必要的清洁次数，降低清洁成本，节约人力和物力资源。

2、本发明通过根据粉尘污染严重系数和当前清洁区域与实际待清洁区域之间的距离综合判断，并规划机器人的清洁路径，可以确保及时、有效地清除生产线上的污染物和杂物，同时可以优化清洁顺序和路径，减少清洁时间和资源的浪费，提高清洁效率；通过根据清洁难度系数，生成清洁机器人的负压吸附等级，可以根据粉尘污染的不同等级，制定不同的负压吸附标准，可以更加精准地控制清洁效果，降低能耗。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图做简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1示出了本发明的实施例1的整体结构示意图；

图2示出了本发明的实施例1的负压吸尘组件结构示意图；

图3示出了本发明的实施例1的模块示意图；

图4示出了本发明的实施例2的模块示意图；

图5示出了本发明的实施例3的方法流程图。

附图标记：100、移动底座；101、转动座；102、大臂；103、小臂；104、铰接件；105、移动轮；200、负压吸尘组件；201、负压吸尘座；202、负压吸尘孔；203、清洁毛刷。

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、完整的描述，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。

实施例1

参照图1所示，一种重晶石破碎-跳汰生产线用清洁机器人，包括：移动底座100、转动座101、大臂102、小臂103、负压吸尘组件200和控制单元，其中，移动底座100，整体呈圆柱状设置，其内部设有负压风机，底端设有移动轮105；转动座101，转动安装在移动底座100上；大臂102，一端转动安装在转动座101上；小臂103，一端与大臂102一端活动连接；负压吸尘组件200，设置在小臂103远离大臂102的一端，用于跟随清洁机器人进行除尘工作，其中，小臂103与负压吸尘组件200之间设有铰接件104，用于使得负压吸尘组件200与小臂103活动铰接，负压吸尘组件200通过负压管与负压风机连接，负压管集成设置在小臂103和大臂103内；控制单元，集成设置在移动底座100上，用于控制清洁机器人进行自动除尘工作；

本实施例中，可以利用移动底座100底端的移动轮105，将清洁机器人整体进行移动，同时可以利用大臂102和小臂103控制负压吸尘组件200移动至相应的位置，对生产线进行负压吸尘工作，有效对生产线上的粉尘进行清理。

具体的，参照图2所示，负压吸尘组件200包括：负压吸尘座201、负压吸尘孔202和清洁毛刷203，其中，负压吸尘座201整体呈矩形设置，并通过铰接件104活动设置在小臂103一端，其内部呈空腔状设置，通过负压管与负压风机连接；负压吸尘孔202，开设在负压吸尘座201下表面上，并与负压吸尘座201内部连通；清洁毛刷203，凸出设置在负压吸尘座201下表面上，并与负压吸尘孔202交错设置。

本实施中，可以利用负压吸尘孔202对生产线上的粉尘进行吸收，并将粉尘吸入到负压吸尘座201内部，并通过负压管将吸收的粉尘收集至移动底座100内部，吸尘的同时可以利用清洁毛刷203与生产线上的粉尘接触，避免出现粉尘附着在生产线上不好清理的现象，可以增加负压吸尘效果，保证清理效果好。

进一步的，参照图3所示，控制单元包括：第一数据采集模块、模型训练模块、第一数据分析模块，各模块间通过有线或无线方式连接，进行数据间的传输；

第一数据采集模块，采集重晶石破碎-跳汰生产线的历史训练参数，历史训练参数包括生产综合参数以及粉尘产生量，生产综合参数包括原料关系系数、设备参数和环境关系系数；

具体的，原料关系系数的生成方式如下：

原料关系系数是反应粉尘产生量的判断依据，原料关系系数越大，表示粉尘产生量越大，反之粉尘产生量也越小；影响原料关系系数的参数有重晶石原料的硬度、湿度和粒度；

原料关系系数的表达式为：

；

式中，表示原料关系系数，表示重晶石原料的硬度，表示重晶石原料的粒度，表示重晶石原料的湿度，表示权重系数，均大于0。

其中，重晶石原料的硬度可以通过硬度测试仪获取，重晶石原料的粒度为平均粒度，可以通过激光粒度分析仪器获取大量重晶石原料的粒度数据，并估算重晶石原料的平均粒度，重晶石原料的湿度可以通过湿度传感器实时获取；

需要说明的是，重晶石原料的硬度越高、粒度越大，原料关系系数也就越大，相应的粉尘产生量也比较大；重晶石原料的湿度越大，原料关系系数相对较小，相应的粉尘产生量也比较小。

需要说明的是，上述中涉及的公式均是去除量纲取其数值计算，是由采集大量数据进行软件模拟得到最接近真实情况的一个公式，公式中的权重系数以及分析过程中各个预设的阈值由本领域的技术人员根据实际情况设定或者大量数据模拟获得；权重系数的大小是为了将各个参数进行量化得到的一个具体的数值，便于后续比较，关于权重系数的大小，取决于样本数据的多少及本领域技术人员对每一组样本数据初步设定对应的处理系数；只要不影响参数与量化后数值的比例关系即可。

进一步的，设备参数包括破碎设备的功率、筛分设备的种类和筛孔大小、跳汰设备的振幅和频率、输送设备的摩擦力和输送速度；其中输送设备的摩擦力可以通过摩擦力传感器实时获取，其他设备参数可以通过各个设备运行参数直接获取，并通过与清洁机器人交互的屏幕页面输入；

具体的，环境关系系数的生成方式如下：

环境关系系数是反映粉尘产生量的判断依据，环境关系系数越大，表示粉尘产生量越大，反之粉尘产生量也越小；影响环境关系系数的参数有环境温度、湿度和气流速度；

环境关系系数的表达式为：

；

式中，表示环境关系系数，表示环境温度，表示气流速度，表示环境湿度，表示权重系数，均大于0，其中，环境温度、湿度和气流速度均可以通过相应的传感器实时获取。

需要说明的是，环境温度越高，使得重晶石原料中的水分含量降低，当原料更加干燥时，其容易产生细小的颗粒或粉尘，且高温环境下，空气中的颗粒热运动增加，颗粒更容易悬浮在空气中；这会延长粉尘的悬浮时间，使其更长时间地停留在空气中，增加了粉尘的观测和感知，气流速度越大，粉尘被带走的可能性就越大，这会导致更多的空气通过设备，带走更多的粉尘，从而增加了粉尘的产生量；环境湿度增加，环境湿度高会增加重晶石原料的湿度，减少粉尘的产生，同时降低粉尘颗粒之间的空气阻力，使其沉降速度增加，减少粉尘在空气中的悬浮时间，减少了粉尘的观测和感知。

需要说明的是，上述中涉及的公式均是去除量纲取其数值计算，是由采集大量数据进行软件模拟得到最接近真实情况的一个公式，公式中的权重系数以及分析过程中各个预设的阈值由本领域的技术人员根据实际情况设定或者大量数据模拟获得；权重系数的大小是为了将各个参数进行量化得到的一个具体的数值，便于后续比较，关于权重系数的大小，取决于样本数据的多少及本领域技术人员对每一组样本数据初步设定对应的处理系数；只要不影响参数与量化后数值的比例关系即可。

模型训练模块，基于历史训练参数，训练预测出粉尘产生量的机器学习模型，采集实时的生产综合参数，基于训练完成的机器学习模型预测出粉尘产生量；

其中，粉尘产生量表示单位时间内粉尘的产生量；

预测出粉尘产生量的机器学习模型的训练方法包括：

将采集到的生产综合参数转换为对应的一组特征向量；

将每组特征向量作为所述机器学习模型的输入，所述机器学习模型以每组生产综合参数对应的粉尘产生量作为输出，以每组生产综合参数实际对应的粉尘产生量作为预测目标，以最小化所述机器学习模型损失函数值作为训练目标；当机器学习模型损失函数值小于等于预设的目标损失值时停止训练；

所述机器学习模型可以是SVM回归、随机森林回归或神经网络回归等模型中的一种。

所述机器学习模型损失函数值为均方误差；

均方误差是常用的损失函数之一，通过将损失函数最小化为目标来训练模型，使得所述机器学习模型更好地拟合数据，从而提高模型的性能和准确率；

损失函数中为机器学习模型损失函数值，x为特征向量组号；m为特征向量组数；为第x组特征向量预测的粉尘产生量，为第x组特征向量实际所对应的粉尘产生量；

所述机器学习模型的其他模型参数，目标损失值、优化算法、训练集测试集验证集比例以及损失函数的优化等均通过实际的工程实现，不断地进行实验调优后获得。

第一数据分析模块，将预测的粉尘产生量与预设的粉尘产生量阈值进行比对分析，并根据分析结果确定清洁频率等级；

具体的，清洁频率等级的生成方式如下：

清洁频率等级包括一级清洁频率、二级清洁频率和三级清洁频率，所述一级清洁频率、二级清洁频率和三级清洁频率依次递减；

将预测的粉尘产生量标记为，预设粉尘产生量阈值为、，其中，；

当时，则表示粉尘产生量较少，此时，生成三级清洁频率；

当时，则表示粉尘产生量适中，此时，生成二级清洁频率；

当时，则表示粉尘产生量较多，此时，生成一级清洁频率。

示例性的，一级清洁频率可以为二十分钟清理一次，二级清洁频率可以为30分钟清洁一次，三级清洁频率可以为四十分钟清理一次；也可以根据具体生产情况，自定义清洁频率。

本实施例中，通过基于历史训练参数，训练预测出粉尘产生量的机器学习模型，同时采集实时的生产综合参数，基于训练完成的机器学习模型预测出粉尘产生量，并根据预测出的粉尘产生量确定机器人的清洁频率，可以更有效地规划和利用清洁资源，避免过度清洁或清洁不足的情况，提高清洁效率，同时可以减少不必要的清洁次数，降低清洁成本，节约人力和物力资源，保持生产环境的清洁和整洁，有利于提高生产效率和产品质量。

实施例2

为了优化清洁路径和保证清洁效果，本发明在实施例1的基础上还包括：第二数据采集模块和第二数据分析模块；参照图4所示；

第二数据采集模块，将生产线按功能不同划分为个检测区域，大于等于1，实时采集每个检测区域的粉尘浓度和粉尘覆盖厚度，生成粉尘污染严重系数，并确定清洁路径；

具体的，粉尘浓度的获取方式如下，在每个检测区域内按距离设置个粉尘浓度检测仪；

；

式中，表示粉尘浓度，表示粉尘浓度检测仪的总数量，表示每一个粉尘浓度检测仪检测出的粉尘浓度；

进一步的，粉尘覆盖厚度的获取方式如下，获取每个检测区域内个位置的粉尘覆盖厚度；

；

式中，表示粉尘覆盖厚度，表示获取粉尘覆盖厚度的位置总数，表示每次获取的粉尘覆盖厚度；粉尘覆盖厚度可以通过激光测距仪获取；

粉尘污染严重系数的生成方式如下：

；

式中，表示粉尘污染严重系数，表示粉尘浓度，表示粉尘覆盖厚度，表示权重系数，均大于0；

其中，粉尘浓度越高且粉尘覆盖厚度越大，粉尘污染严重系数就越高，表示该检测区域的污染情况越严重。

确定清洁路径的方式如下：

步骤一：获取个检测区域的粉尘污染严重系数，并根据预设的粉尘污染严重系数梯度阈值将个检测区域划分为第一清洁区域、第二清洁区域、第三清洁区域和第四清洁区域；

步骤二：将第一清洁区域标记为当前清洁区域，将第一清洁区域中个检测区域标记为子区域，大于等于1，随机选取一个子区域进行清洁，获取其他子区域与正在进行清理的子区域的距离，选取距离最近的子区域作为下一个进行清理的子区域，从而依次完成第一清洁区域中个子区域的清洁工作；

步骤三：将第二清洁区域标记为预备待清洁区域，获取预备待清洁区域与当前清洁区域的距离，同时获取其他未清洁区域与当前清洁区域的距离，若其他未清洁区域中存在，则获取对应的其他未清洁区域与预备待清洁区域的粉尘污染严重系数差值，若粉尘污染严重系数差值小于等于预设的粉尘污染严重系数差值阈值，则将其他未清洁区域标记为实际待清洁区域；

步骤四：将实际清洁区域中个检测区域标记为实际待清洁子区域，大于等于1，获取实际待清洁子区域与步骤二中最后清洁的子区域的距离，选取距离最近的实际待清洁子区域作为第一个清理的实际待清洁子区域，然后获取其他实际待清洁子区域与正在进行清理的实际待清洁子区域的距离，选取距离最近的实际待清洁子区域作为下一个进行清理实际待清洁子区域，从而依次完成第二清洁区域中个实际待清洁子区域的清洁工作；

步骤五：重复步骤三和步骤四，完成第一清洁区域、第二清洁区域、第三清洁区域和第四清洁区域的清洁工作。

根据粉尘污染严重系数和当前清洁区域与实际待清洁区域之间的距离综合判断，并规划机器人的清洁路径，可以确保及时、有效地清除生产线上的污染物和杂物，保持生产环境的清洁和整洁，有利于提高生产效率和产品质量，同时可以优化清洁顺序和路径，减少清洁时间和资源的浪费，提高清洁效率。

第二数据分析模块，根据粉尘污染严重系数、环境湿度和气流速度，生成清洁难度系数，并根据清洁难度系数，判断生成清洁机器人的负压吸附等级；

具体的，清洁难度系数的生成方式如下：

；

式中，表示为清洁难度系数，表示为粉尘污染严重系数，表示为环境湿度，表示为气流速度，表示权重系数，均大于0；

其中，粉尘污染严重系数、环境湿度和气流速度越大，则清洁难度系数越大，则表示需要更大的负压吸附粉尘。

需要说明的是，上述中涉及的公式均是去除量纲取其数值计算，是由采集大量数据进行软件模拟得到最接近真实情况的一个公式，公式中的权重系数以及分析过程中各个预设的阈值由本领域的技术人员根据实际情况设定或者大量数据模拟获得；权重系数的大小是为了将各个参数进行量化得到的一个具体的数值，便于后续比较，关于权重系数的大小，取决于样本数据的多少及本领域技术人员对每一组样本数据初步设定对应的处理系数；只要不影响参数与量化后数值的比例关系即可。

清洁机器人的负压吸附等级的生成方法包括：

负压吸附等级包括一级负压吸附、二级负压吸附和三级负压吸附，所述一级负压吸附、二级负压吸附和三级负压吸附的负压吸附力依次递增；

预设清洗难度系数的阈值范围为：、，其中；

当时，此时，生成一级负压吸附；

当时，此时，生成二级负压吸附；

当时，此时，生成三级负压吸附。

本实施例中，通过根据粉尘污染严重系数和当前清洁区域与实际待清洁区域之间的距离综合判断，并规划机器人的清洁路径，可以确保及时、有效地清除生产线上的污染物和杂物，保持生产环境的清洁和整洁，有利于提高生产效率和产品质量，同时可以优化清洁顺序和路径，减少清洁时间和资源的浪费，提高清洁效率；

通过根据清洁难度系数，生成清洁机器人的负压吸附等级，可以根据粉尘污染的不同等级，制定不同的负压吸附标准，可以更加精准地控制清洁效果，对于轻度污染区域，可以设置较宽松的标准，而对于重度污染区域则需要更严格的标准，确保清洁效果达到要求，对于清洁程度较高的区域，可以增加负压吸附力度，而对于清洁程度较低的区域，则可以降低负压吸附力度，实现资源的合理利用。

实施例3

参照图5所示，一种重晶石破碎-跳汰生产线用清洁机器人的控制方法，包括如下步骤：

步骤一：采集重晶石破碎-跳汰生产线的历史训练参数，历史训练参数包括生产综合参数以及粉尘产生量，生产综合参数包括原料关系系数、设备参数和环境关系系数；

步骤二：基于历史训练参数，训练预测出粉尘产生量的机器学习模型，采集实时的生产综合参数，基于训练完成的机器学习模型预测出粉尘产生量；

步骤三：将预测的粉尘产生量与预设的粉尘产生量阈值进行比对分析，并根据分析结果确定清洁频率等级；

步骤四：将生产线按功能不同划分为个检测区域，大于等于1，实时采集每个检测区域的粉尘浓度和粉尘覆盖厚度，生成粉尘污染严重系数，并确定清洁路径；

步骤五：根据粉尘污染严重系数、环境湿度和气流速度，生成清洁难度系数，并根据清洁难度系数，判断生成清洁机器人的负压吸附等级。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为的具体实施方式。显然，根据本说明书的内容，可做很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。

Claims (12)

1.一种重晶石破碎-跳汰生产线用清洁机器人，其特征在于，包括：

移动底座（100）；

转动座（101），转动安装在所述移动底座（100）上；

大臂（102），一端转动安装在所述转动座（101）上；

小臂（103），一端与所述大臂（102）一端活动连接；

负压吸尘组件（200），设置在所述小臂（103）一端，用于跟随所述清洁机器人进行除尘工作；

控制单元，集成设置在所述移动底座（100）上，用于控制清洁机器人进行自动除尘工作；

所述控制单元包括：

第一数据采集模块，采集重晶石破碎-跳汰生产线的历史训练参数，历史训练参数包括生产综合参数以及粉尘产生量，生产综合参数包括原料关系系数、设备参数和环境关系系数；

模型训练模块，基于历史训练参数，训练预测出粉尘产生量的机器学习模型，采集实时的生产综合参数，基于训练完成的机器学习模型预测出粉尘产生量；

第一数据分析模块，将预测的粉尘产生量与预设的粉尘产生量阈值进行比对分析，并根据分析结果确定清洁频率等级；

第二数据采集模块，将生产线按功能不同划分为个检测区域，大于等于1，实时采集每个检测区域的粉尘浓度和粉尘覆盖厚度，生成粉尘污染严重系数，并确定清洁路径；

第二数据分析模块，根据粉尘污染严重系数、环境湿度和气流速度，生成清洁难度系数，并根据清洁难度系数，判断生成清洁机器人的负压吸附等级。

2.如权利要求1所述的一种重晶石破碎-跳汰生产线用清洁机器人，其特征在于，所述负压吸尘组件（200）包括：

负压吸尘座（201），活动设置在所述小臂（103）一端；

负压吸尘孔（202），开设在所述负压吸尘座（201）下表面上，并与所述负压吸尘座（201）内部连通；

清洁毛刷（203），凸出设置在所述负压吸尘座（201）下表面上，并与所述负压吸尘孔（202）交错设置。

3.如权利要求1或2所述的一种重晶石破碎-跳汰生产线用清洁机器人，其特征在于，影响所述原料关系系数的参数有重晶石原料的硬度、湿度和粒度，原料关系系数的生成方式如下：

；

式中，表示原料关系系数，表示重晶石原料的硬度，表示重晶石原料的粒度，表示重晶石原料的湿度，表示权重系数，均大于0。

4.如权利要求3所述的一种重晶石破碎-跳汰生产线用清洁机器人，其特征在于，影响所述环境关系系数的参数有环境温度、湿度和气流速度；

环境关系系数的表达式为：

；

式中，表示环境关系系数，表示环境温度，表示气流速度，表示环境湿度，表示权重系数，均大于0。

5.如权利要求4所述的一种重晶石破碎-跳汰生产线用清洁机器人，其特征在于，预测出粉尘产生量的机器学习模型的训练方法包括：

将采集到的生产综合参数转换为对应的一组特征向量；

将每组特征向量作为所述机器学习模型的输入，所述机器学习模型以每组生产综合参数对应的粉尘产生量作为输出，以每组生产综合参数实际对应的粉尘产生量作为预测目标，以最小化所述机器学习模型损失函数值作为训练目标；当机器学习模型损失函数值小于等于预设的目标损失值时停止训练。

6.如权利要求5所述的一种重晶石破碎-跳汰生产线用清洁机器人，其特征在于，所述清洁频率等级的生成方式如下：

清洁频率等级包括一级清洁频率、二级清洁频率和三级清洁频率，所述一级清洁频率、二级清洁频率和三级清洁频率依次递减；

将预测的粉尘产生量标记为，预设粉尘产生量阈值为、，其中，；

当时，则表示粉尘产生量较少，此时，生成三级清洁频率；

当时，则表示粉尘产生量适中，此时，生成二级清洁频率；

当时，则表示粉尘产生量较多，此时，生成一级清洁频率。

7.如权利要求6所述的一种重晶石破碎-跳汰生产线用清洁机器人，其特征在于，所述粉尘浓度的获取方式如下，在每个检测区域内按距离设置个粉尘浓度检测仪；

；

式中，表示粉尘浓度，表示粉尘浓度检测仪的总数量，表示每一个粉尘浓度检测仪检测出的粉尘浓度。

8.如权利要求7所述的一种重晶石破碎-跳汰生产线用清洁机器人，其特征在于，所述粉尘覆盖厚度的获取方式如下，获取每个检测区域内个位置的粉尘覆盖厚度；

；

式中，表示粉尘覆盖厚度，表示获取粉尘覆盖厚度的位置总数，表示每次获取的粉尘覆盖厚度。

9.如权利要求8所述的一种重晶石破碎-跳汰生产线用清洁机器人，其特征在于，所述粉尘污染严重系数的生成方式如下：

；

式中，表示粉尘污染严重系数，表示粉尘浓度，表示粉尘覆盖厚度，表示权重系数，均大于0。

10.如权利要求9所述的一种重晶石破碎-跳汰生产线用清洁机器人，其特征在于，所述确定清洁路径的方式如下：

步骤一：获取个检测区域的粉尘污染严重系数，并根据预设的粉尘污染严重系数梯度阈值将个检测区域划分为第一清洁区域、第二清洁区域、第三清洁区域和第四清洁区域；

步骤二：将第一清洁区域标记为当前清洁区域，将第一清洁区域中个检测区域标记为子区域，大于等于1，随机选取一个子区域进行清洁，获取其他子区域与正在进行清理的子区域的距离，选取距离最近的子区域作为下一个进行清理的子区域，从而依次完成第一清洁区域中个子区域的清洁工作；

步骤三：将第二清洁区域标记为预备待清洁区域，获取预备待清洁区域与当前清洁区域的距离，同时获取其他未清洁区域与当前清洁区域的距离，若其他未清洁区域中存在，则获取对应的其他未清洁区域与预备待清洁区域的粉尘污染严重系数差值，若粉尘污染严重系数差值小于等于预设的粉尘污染严重系数差值阈值，则将其他未清洁区域标记为实际待清洁区域；

步骤四：将实际清洁区域中个检测区域标记为实际待清洁子区域，大于等于1，获取实际待清洁子区域与步骤二中最后清洁的子区域的距离，选取距离最近的实际待清洁子区域作为第一个清理的实际待清洁子区域，然后获取其他实际待清洁子区域与正在进行清理的实际待清洁子区域的距离，选取距离最近的实际待清洁子区域作为下一个进行清理实际待清洁子区域，从而依次完成第二清洁区域中个实际待清洁子区域的清洁工作；

步骤五：重复步骤三和步骤四，完成第一清洁区域、第二清洁区域、第三清洁区域和第四清洁区域的清洁工作。

11.如权利要求10所述的一种重晶石破碎-跳汰生产线用清洁机器人，其特征在于，所述清洁难度系数的生成方式如下：

；

式中，表示为清洁难度系数，表示为粉尘污染严重系数，表示为环境湿度，表示为气流速度，表示权重系数，均大于0。

12.一种重晶石破碎-跳汰生产线用清洁机器人的控制方法，应用于权利要求1-11中任一项所述的一种重晶石破碎-跳汰生产线用清洁机器人，其特征在于，包括如下步骤：

步骤一：采集重晶石破碎-跳汰生产线的历史训练参数，历史训练参数包括生产综合参数以及粉尘产生量，生产综合参数包括原料关系系数、设备参数和环境关系系数；

步骤二：基于历史训练参数，训练预测出粉尘产生量的机器学习模型，采集实时的生产综合参数，基于训练完成的机器学习模型预测出粉尘产生量；

步骤三：将预测的粉尘产生量与预设的粉尘产生量阈值进行比对分析，并根据分析结果确定清洁频率等级；

步骤四：将生产线按功能不同划分为个检测区域，大于等于1，实时采集每个检测区域的粉尘浓度和粉尘覆盖厚度，生成粉尘污染严重系数，并确定清洁路径；

步骤五：根据粉尘污染严重系数、环境湿度和气流速度，生成清洁难度系数，并根据清洁难度系数，判断生成清洁机器人的负压吸附等级。