本发明涉及智能调控，更具体地说，本发明涉及一种喷漆烤房智能互联控制方法及其系统。
背景技术：
1、申请公开号为cn110955198a的专利公开了一种烤漆房智能互联控制系统，包括：引导页模块、启动页模块、注册模块、登录模块、展示页模块、摄像模块、设备数据显示模块、用户信息模块、数据库；展示页模块、摄像模块、设备数据显示模块为系统的操作模块；用户端通过用户账号接入系统的操作模块；用户账号被标记为多个等级，等级不同的用户账户接入系统中不同的操作模块；当用户端使用用户账号登录后，用户端根据用户等级接入系统相应的操作模块，并对该操作模块进行数据读取或操作；使喷漆烤房智能化，使员工、经理等车间工作人员远程控制喷漆烤房内的各参数，提高工作效率，同时从控制到售后一站式解决喷漆设备可能遇到的问题。
2、但是依然难以实现对烤房内部环境的精细化和智能化控制，无法满足高质量喷漆的严格要求，例如，在大型汽车喷漆车间中，由于空间广阔且结构复杂，现有技术难以准确获取整个烤房内部的完整环境信息，导致监测盲区和控制死角的出现；其次，烤房内部的环境往往呈现出显著的空间非均匀性，但现有方法缺乏有效的差异化控制策略，无法针对不同区域的特殊需求进行精准调节；这可能导致某些区域的喷漆质量不佳，如出现漆膜厚度不均或表面瑕疵等问题；此外，传统控制系统往往采用简单的反馈控制或预设程序，缺乏整体性和协调性，难以在多个控制目标之间实现综合优化；这种局限性在处理复杂的多目标控制任务时尤为明显，可能导致资源浪费或生产效率低下；还有在面对环境突变或异常情况（如设备故障、外部干扰等），现有技术的适应性和响应速度不足，难以实现快速精准的调节，这可能造成喷漆质量的波动甚至生产中断；这些问题严重制约了质量和效率的提高。
3、鉴于此，本发明提出一种喷漆烤房智能互联控制方法及其系统以解决上述问题。
技术实现思路
1、为了克服现有技术的上述缺陷，为实现上述目的，本发明提供如下技术方案：一种喷漆烤房智能互联控制方法，包括：s1、将喷漆烤房内部划分为n个初步区域；
2、s2、利用樽海鞘群算法获取每个初步区域的代表性环境参数值向量；
3、s3、基于将各区域聚类的代表性环境参数值向量作为节点，构建有向图模型；
4、s4、在有向图模型中规划得到最短路径，将最短路径上的各个节点作为优先调节目标；
5、s5、采用优化算法求解出优先调节目标对应初步区域的最优控制参数；将最优控制参数下发至相应初步区域的执行装置。
6、进一步地，所述将喷漆烤房内部划分为n个初步区域的方式包括：
7、在喷漆烤房内部设置n个结构光扫描位置，并在结构光扫描位置采用结构光对喷漆烤房内部进行扫描，获取原始点云数据；将原始点云数据进行预处理，得到完整点云数据；
8、利用完整点云数据，对喷漆烤房内部的几何形状进行建模，得到喷漆烤房内部的几何三维模型；
9、在喷漆烤房内部获取样本点集合s1，其中每个样本点s'含有其空间坐标和对应的环境参数，环境参数包括温度、湿度和气流速度；
10、基于样本点集合s1固定径向基函数的参数，得到插值函数，遍历几何三维模型中的完整点云数据中的所有点，对于每个点，使用插值函数计算环境参数值，将每个点的坐标和对应的环境参数值存储为环境点云数据；环境点云数据即构成环境参数场；
11、预设环境参数的阈值范围，将整个几何三维模型的环境参数场按照对应的阈值范围划分为初始区域；并对初始区域进行合并和拆分，得到n个初步区域。
12、进一步地，所述初始区域的划分方式包括：
13、遍历环境点云数据中的每个点z'，根据点z'处的环境参数值，将点z'分配到对应的阈值范围内，将落在同一阈值范围内的所有点聚集为一个初始区域；
14、所述对初始区域进行合并和拆分的方式包括：
15、计算每两个相邻的初始区域和之间的环境参数差异度；
16、；
17、其中，为初始区域内温度的均值，为初始区域内温度的均值，为温度的最大值，为温度的最小值，为初始区域内湿度的均值，为初始区域内湿度的均值，为湿度的最大值，为湿度的最小值，为初始区域内气流速度的均值，为初始区域内气流速度的均值，为气流速度的最大值，为气流速度的最小值；为温度权重系数，为湿度权重系数，为气流速度权重系数；
18、设置区域合并阈值，若小于，则将和合并为一个新区域，重复直到无法继续合并为止；
19、计算每个初始区域的尺寸大小d'；设置初始区域拆分的尺寸阈值s_lit，若d'大于s_lit，则将对应的初始区域进行拆分；
20、进行拆分的方式包括：
21、对于环境参数场中的每个点，分别计算该点处每种环境参数的梯度，并将它们合并为一个综合梯度；遍历整个初始区域内的所有点，计算每个点处的综合梯度，预设梯度阈值a1，将所有综合梯度大于a1的点标记为高梯度点，将相邻的高梯度点聚集成连通的高梯度区域，对于每个高梯度区域h1，拟合一个最佳拟合平面ph；计算每个最佳拟合平面与初始区域的交线lh，沿交线lh采样m4个点，计算这些点处的综合梯度之和sh；选取具有最大的综合梯度之和的最佳拟合平面作为最优分割面；将初始区域沿最优分割面一分为二，生成两个子区域，重复进行拆分，直到所有初始区域的尺寸都小于s_lit；即得到n个初步区域。
22、进一步地，所述将原始点云数据进行预处理的方式包括：
23、对于原始点云数据中的每个点，计算其邻域球np(r)内的所有点的法向量；其中r为邻域球的半径；对于np(r)内的点，计算其平滑协方差矩阵；
24、；其中，为邻域球np(r)内点的总数，为邻域球np(r)内第个点；为点的属性向量，为邻域球np(r)内第个点的属性向量；为综合属性函数，为np(r)内所有点的均值向量；
25、；其中，为平衡参数，为距离衰减带宽；为属性衰减带宽；
26、将平滑协方差矩阵进行特征值分解，得到对应的特征向量和特征值，找到其中最小的特征值，即为np(r)内所有点的法向量；计算点与其邻域np(r)内的点的法向量差异角度；其中，是点的法向量；
27、预设角度阈值，若，则点是噪声点，并将其从np(r)中移除，并更新np(r)内的点，重新计算点的法向量，直到np(r)内不再有点被移除为止，得到初步点云数据；
28、基于初步点云数据获取孔洞区域，构建出孔洞区域的表面网格结构，基于表面网格结构生成新的点云数据；将新的点云数据和初步点云数据聚合，得到完整点云数据；
29、所述基于初步点云数据获取孔洞区域的方式包括：
30、对于初步点云数据中的每个点，计算它与其他点的欧氏距离，并记录下距离点最近的k个点，这些点形成点的k近邻点集n_k(p)；
31、基于点及其k近邻点集n_k(p)中的每个点，计算点的点云密度；
32、；其中，为点与点之间的欧氏距离，为权重函数；为指数参数；
33、权重函数；其中，为第个几何统计特征的权重系数，为基于点和点的第个几何统计特征；
34、预设密度阈值，若，则标记点为稀疏点；对于每个被标记为稀疏点的点，找到它最近的一个未被标记为稀疏点的点，若二者之间的距离大于预设的聚类阈值r，则将点标记为孔洞点，将所有相邻的孔洞点聚合得到孔洞区域。
35、进一步地，所述表面网格结构的构建方式包括：
36、对于每个孔洞区域，找到其最近的m1个未被标记为稀疏点的点，将这些点作为孔洞区域的初始邻域点集rn；计算rn中每个点与孔洞区域的最近距离d1，若d1小于预设的邻域阈值r1，则将其加入rn，重复直到rn不再增加为止；得到孔洞区域的邻域点集；
37、预设球体半径r1和精度阈值角；从邻域点集中随机选取一个种子点x作为初始球心，以r1为半径构建一个球b(x，r1)；
38、找到所有位于球b(x，r1)上的点的集合s，s至少包含3个点，则对s中的点进行局部曲面拟合，得到局部曲面片f，从s中选取一个新的球心点x1，构建新的球b(x1，r)；且新的球心点q满足预设的约束条件；
39、约束条件包括重叠约束和角度约束；
40、重叠约束包括：新的球b(x1，r)与球b(x，r1)有重叠区域，且重叠区域的点的数量大于预设的重叠阈值m1；
41、角度约束包括：新的球b(x1，r)与局部曲面片f的法向量夹角小于精度阈值角，且新的球心点x1处的曲率变化率小于预设的曲率阈值m2；
42、重复在新的球b(x1，r)上构建新的局部曲面片，并选择新的球心点，直到无法找到满足约束条件的新的球心点为止，从剩余的邻域点集中选取一个新的种子点，重复构建新的局部曲面片f'，将新的局部曲面片f'与已有的局部曲面片f进行拓扑连接，得到孔洞区域的表面网格结构g；
43、进行拓扑连接的方式包括：
44、计算f和f'在二者的重叠区域r2内的距离场，其中，为重叠区域r2内的点；并基于距离场找到两个f和f'在重叠区域内的最佳匹配位置，在最佳匹配位置处，通过插值方法，将f和f'拼接在一起；即得到孔洞区域的表面网格结构g；
45、距离场；其中，为f上的点，为f'上的点；
46、计算重叠区域r2所有点的距离场后，找到距离场等于0的点构成的面，即f和f'的最佳匹配位置。
47、进一步地，所述代表性环境参数值向量的获取方式包括：
48、对每个初步区域内的环境点云数据进行密度聚类采样，获取m4个样本点构成的集合，记作样本点集合x；将样本点集合x中每个样本点的环境参数构建成多维向量，作为输入数据向量；
49、从样本点集合x中随机选择一个样本点作为第一个初始的中心点c1，并将其加入到预设的初始中心点集合c1中；对于x中的每个样本点，计算它与当前最近的c1的欧氏距离；并计算每个样本点被选择作为下一个中心点的概率；其中，为密度惩罚系数，为样本点的局部密度值；
50、从x中根据概率随机选取一个样本点，并将其作为新的中心点加入c1，重复直至c1中有k个中心点为止，将这k个中心点作为初始化的樽海鞘群中心点集合；
51、对于每个输入数据向量，计算其与所有中心点的加权距离，将输入数据向量对应的样本点归入到加权距离最小的那个中心点所对应的簇中；
52、加权距离；其中，为输入数据向量第个维度的权重，和为放大参数，为输入数据向量的第个维度，为中心点的第个维度；
53、对每个簇，重新计算簇中所有点的新质心，作为对应簇的新中心点；
54、新质心的计算公式为：
55、；其中，为控制距离权重参数；为当前簇；为当前簇旧的质心，为当前簇的新质心，为样本点和之间的加权距离；
56、定义聚类目标为所有簇内样本点到质心的加权距离之和最小，重复直至达到聚类目标或达到预设的迭代次数；此时每个簇的中心点即为每个簇的代表性环境参数值向量；对于每个初步区域，找到其对应簇的中心点，即为对应初步区域的代表性环境参数值向量。
57、进一步地，所述有向图模型的构建方式包括：
58、将每个初步区域的代表性环境参数值向量作为一个节点，构成节点集合；对于节点集合的任意两个节点，计算它们之间的相似度；
59、相似度的计算公式为：
60、；其中，为和的相似度，为第个初步区域的代表性环境参数值向量，为第个初步区域的代表性环境参数值向量，为和之间的欧式距离，为第个初步区域的面积，为第个初步区域的面积；为可调参数；
61、预设相似度阈值，遍历节点集合中的所有节点，对于任意两个节点和，若大于或等于，则在和，之间连接一条有向边；将有向边加入到有向边集合中。
62、将每条有向边的权重定义为节点之间的相似度，继而得到有向图模型gl=(nl，el，wl)，其中nl是节点集合，el是有向边集合，wl是有向边的权重构成的集合。
63、进一步地，所述最短路径的获取方式包括：
64、初始将有向图模型中的每个节点视为一个独立的社区，遍历有向图模型的所有节点，计算将任一节点加入其他的社区后的模度增益；
65、将任一节点加入能获得最大模度增益的社区，继而重新构建一个新的网络，新的网络中将每个社区视为一个新的节点，重复直到模度增益不再增加为止；得到的最终的网络，即为社区结构；
66、模度增益的计算公式为：
67、；其中，为将节点加入社区后的模度增益；为表示剩余的节点的集合；、和为平衡可调参数，为指数系数，为表示节点与社区内所有节点之间的边的权重之和；为表示节点的度；为网络中所有边的权重之和；为节点与社区的欧式距离；
68、定义出发社区，将出发社区视为一个单独的子图，子图中的节点即为该社区内的所有初步区域，节点之间的边及权重继承自有向图模型，在子图中，选择任意两个节点作为起点和终点，利用最短路径算法计算起点到终点的初步最短路径；重复遍历子图中所有成对的节点，计算其初步最短路径，将所有初步最短路径上的节点记录下来，并去除重复的节点，得到调节节点集合，即为最终的最短路径。
69、进一步地，所述最优控制参数的求解方式包括：
70、构建控制目标函数，控制目标函数的公式为：
71、；其中，其中，是控制参数向量；是初步区域内第个环境参数的函数；是第个环境参数的权重系数；为初步区域内第个环境参数的标准量；为控制参数向量的控制目标函数值；
72、对于控制参数向量，定义初始解；设置一个初始温度，以及一个终止温度；定义温度下降曲线为：，其中，是冷却率，是迭代的次数，为次迭代时的当前温度；
73、在当前温度下，将控制参数向量进行扰动产生新解，基于控制目标函数计算新解对应的控制目标函数值；若，则接受新解，即；若，则以概率接受新解，重复直至达到预设的最大迭代次数为止，在此过程中按照设定的温度下降曲线，降低当前温度；
74、概率，其中，为常数参数；为最大迭代次数；
75、直至当前温度降至终止温度或者控制目标函数值在连续p次迭代内无变化时终止；此时的即为最优控制参数向量；将最优控制参数向量去向量化，得到最优控制参数。
76、一种喷漆烤房智能互联控制系统，其用于实现所述的一种喷漆烤房智能互联控制方法，包括：区域划分模块，用于将喷漆烤房内部划分为n个初步区域；
77、特征提取模块，用于利用樽海鞘群算法获取每个初步区域的代表性环境参数值向量；
78、模型构建模块，基于将各区域聚类的代表性环境参数值向量作为节点，构建有向图模型；
79、路径规划模块，用于在有向图模型中规划得到最短路径，将最短路径上的各个节点作为优先调节目标；
80、调控模块，用于采用优化算法求解出优先调节目标对应初步区域的最优控制参数；将最优控制参数下发至相应初步区域的执行装置；各个模块之间通过有线和/或无线的方式进行连接。
81、本发明一种喷漆烤房智能互联控制方法及其系统的技术效果和优点：
82、本发明实现了对喷漆烤房内部环境的高精度感知和全面分析，通过对喷漆烤房内部环境的高精度三维重建，能够根据实际环境数据的分布进行自适应区域划分，使得划分结果更贴合实际环境分布；并有效捕捉各区域间的关联性；通过社区发现和最短路径规划，科学确定了调节顺序和重点目标，避免了资源浪费，提高了控制效率，另外，还实现了多个环境参数的综合优化控制，大幅提升了整体控制精度，控制策略考虑了区域间的相互影响，实现了整体协调优化，使得喷漆烤房内部环境更加均衡稳定；这种精细化、智能化的控制方式不仅提高了喷漆质量和生产效率，还降低了能源消耗，减少了环境污染。
1.一种喷漆烤房智能互联控制方法，其特征在于，包括：s1、将喷漆烤房内部划分为n个初步区域；
2.根据权利要求1所述的一种喷漆烤房智能互联控制方法，其特征在于，所述将喷漆烤房内部划分为n个初步区域的方式包括：
3.根据权利要求2所述的一种喷漆烤房智能互联控制方法，其特征在于，所述初始区域的划分方式包括：
4.根据权利要求3所述的一种喷漆烤房智能互联控制方法，其特征在于，所述将原始点云数据进行预处理的方式包括：
5.根据权利要求4所述的一种喷漆烤房智能互联控制方法，其特征在于，所述表面网格结构的构建方式包括：
6.根据权利要求5所述的一种喷漆烤房智能互联控制方法，其特征在于，所述代表性环境参数值向量的获取方式包括：
7.根据权利要求6所述的一种喷漆烤房智能互联控制方法，其特征在于，所述有向图模型的构建方式包括：
8.根据权利要求7所述的一种喷漆烤房智能互联控制方法，其特征在于，所述最短路径的获取方式包括：
9.根据权利要求8所述的一种喷漆烤房智能互联控制方法，其特征在于，所述最优控制参数的求解方式包括：
10.一种喷漆烤房智能互联控制系统，其用于实现权利要求1至9任一项所述的一种喷漆烤房智能互联控制方法，其特征在于，包括：区域划分模块，用于将喷漆烤房内部划分为n个初步区域；
