信息时代,智能检测推动着计算机综合自动化不断发展,实现更加智能的检测是当代企业持续探索、追求的目标。保护器生产线高产能、高检测负荷等特点,决定其必须关注检测效率和检测合格率提升问题。为实现保护器智能检测,本文对某保护器生产企业保护器生产线检测工序进行了改造,设计开发了一个智能检测平台。该平台可以实现保护器在线检测,自动采集、记录、监控实时检测数据,统计分析各生产5M1E要素对保护器检测合格率的影响,生成种类齐全的统计报表供查询,并实现基于生产5M1E要素的检测合格率预测,指导生产安排,增加企业盈利。首先,本文调研了保护器生产线现有保护器检测工序作业现状,收集了原有检测工序存在的问题,明确了智能检测平台的开发目标,将平台设计划分为检测数据采集监控和检测数据综合管理两个子平台,并分别对其进行了功能设计。其次,本文对检测数据采集监控子平台进行了硬件设计和软件设计。硬件整体设计为检测控制层、过程控制层和监控管理层三层架构,并对每层架构硬件进行了配置与选型,重点研究了检测站点、检测站点与保护器生产线链接设计。软件设计导入SPC数据监控软件,实现生产过程控制,从生产源头控制和提高质量,确定了数据采集监控子平台软件架构和功能,并对软件设计进行了举例。然后,本文对数据仓库与检测数据综合管理子平台数据库进行了设计。从需求分析入手,确定了数据仓库的主题为产品检测合格率,建立了数据仓库的概念模型和物理模型,定期从SCADA数据库和存有5M1E数据的生产管理信息系统数据库抽取、转换、加载数据,供检测数据综合管理子平台调用。依据功能需求,举例设计了检测数据综合管理子平台数据库的概念模型和物理模型。接着,本文对合格率预测功能进行了研究。分析了影响保护器检测合格率的5M1E因素,确定合格率预测方法为遗传算法优化的BP神经网络,研究了保护器检测合格率预测模型与算法,确定了模型框架与算法参数,并筛选历史数据对模型进行训练,对预测结果的分析表明本平台设计的网络模型对保护器检测合格率的预测准确度较高,可以为企业生产安排提供数据决策支持。最后,本文对检测数据综合管理子平台进行了程序设计。选择C/S系统开发模式,确定C#为平台程序设计语言,给出了程序设计原则,分别对检测数据统计分析、检测合格率预测和检测仪器管理模块进行了程序设计举例,并进行了系统测试,平台系统相关功能正常,满足平台设计要求。