CN107552657A - 一种热冲压模具的冷却系统 - Google Patents
一种热冲压模具的冷却系统 Download PDFInfo
- Publication number
- CN107552657A CN107552657A CN201710963841.6A CN201710963841A CN107552657A CN 107552657 A CN107552657 A CN 107552657A CN 201710963841 A CN201710963841 A CN 201710963841A CN 107552657 A CN107552657 A CN 107552657A
- Authority
- CN
- China
- Prior art keywords
- module
- data
- sensor
- cooling
- sign
- 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.)
- Pending
Links
- 238000001816 cooling Methods 0.000 title claims abstract description 61
- 238000005057 refrigeration Methods 0.000 claims abstract description 25
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 18
- 238000001514 detection method Methods 0.000 claims description 22
- 238000000354 decomposition reaction Methods 0.000 claims description 21
- 238000013507 mapping Methods 0.000 claims description 21
- 238000005259 measurement Methods 0.000 claims description 18
- 238000006243 chemical reaction Methods 0.000 claims description 16
- 238000000034 method Methods 0.000 claims description 16
- 238000012549 training Methods 0.000 claims description 16
- 238000005070 sampling Methods 0.000 claims description 15
- 239000011159 matrix material Substances 0.000 claims description 10
- 239000013256 coordination polymer Substances 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 4
- 238000013213 extrapolation Methods 0.000 claims description 3
- 238000000691 measurement method Methods 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 230000009897 systematic effect Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 5
- 230000002045 lasting effect Effects 0.000 abstract description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003723 Smelting Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000000071 blow moulding Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000004512 die casting Methods 0.000 description 1
- 238000001125 extrusion Methods 0.000 description 1
- 238000005242 forging Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000001746 injection moulding Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
Landscapes
- Complex Calculations (AREA)
Abstract
本发明属于冷却技术领域，公开了一种热冲压模具的冷却系统，所述热冲压模具的冷却系统包括：温度检测模块、数据采集模块、控制模块、制冷模块、太阳能供电模块。温度检测模块通过电路线连接数据采集模块；数据采集模块通过电路线连接控制模块；控制模块通过电路线连接制冷模块；制冷模块包括供风模块、供水模块；太阳能供电模块通过电路线分别连接数据采集模块、控制模块、制冷模块。本发明通过太阳能供电模块可以获取源源不断的太阳能，保障冷却系统的持久工作，节约能源，经济环保；同时通过制冷模块中的供风模块和供水模块，可以实现水冷却和风冷却共同多方式进行冷却，提升冷却速度，冷却效果明显。
Description
技术领域
本发明属于冷却技术领域，尤其涉及一种热冲压模具的冷却系统。
背景技术
模具，工业生产上用以注塑、吹塑、挤出、压铸或锻压成型、冶炼、冲压等方法得到所需产品的各种模子和工具。简而言之，模具是用来制作成型物品的工具，这种工具由各种零件构成，不同的模具由不同的零件构成。它主要通过所成型材料物理状态的改变来实现物品外形的加工。然而，现有热冲压模具的冷却系统耗费电能，如果断电则不能持久工作；同时冷却方式单一，冷却速度慢，冷却效果不明显。
综上所述，现有技术存在的问题是：现有热冲压模具的冷却系统耗费电能，如果断电则不能持久工作；同时冷却方式单一，冷却速度慢，冷却效果不明显。
发明内容
针对现有技术存在的问题，本发明提供了一种热冲压模具的冷却系统。
本发明是这样实现的，一种热冲压模具的冷却系统，所述热冲压模具的冷却系统包括：
温度检测模块，与数据采集模块连接，用于通过安装的温度检测器对模具温度进行检测；所述温度检测模块包括：传感器A和传感器B；
在同一时间片内将各传感器观测数据按测量精度进行增量排序，然后将传感器A的观测数据分别向传感器B的时间点内插、外推，以形成一系列等间隔的目标观测数据，采用常用的三点抛物线插值法的进行内插外推时间配准算法得传感器A在tBk时刻在本地直角坐标系下的量测值为：
其中，tBk为配准时刻，tk-1,tk,tk+1为传感器A距离配准时刻最近的三个采样时刻，YA(tk-1),YA(tk),YA(tk+1)分别为其对应的对目标的探测数据；
完成时间配准后，根据传感器A的配准数据与传感器B的采样数据，采用基于地心地固坐标系下的伪量测法实现传感器A和传感器B的系统误差的估计；基于ECEF的系统误差估计算法具体为：
假设k时刻目标在本地直角坐标系下真实位置为X'1(k)＝[x'1(k),y'1(k),z'1(k)]T，极坐标系下对应的量测值为分别为距离、方位角、俯仰角；转换至本地直角坐标系下为X1(k)＝[x1(k),y1(k),z1(k)]T；传感器系统偏差为分别为距离、方位角和俯仰角的系统误差；于是有：
其中表示观测噪声,均值为零、方差为
用一阶近似展开并写成矩阵形式为：
X'1(k)＝X1(k)+C(k)[ξ(k)+n(k)]；
其中，
设两部传感器A和B,则对于同一个公共目标，地心地固坐标系下为X'e＝[x'e,y'e,z'e]T，得：
X'e＝XAs+BAX'A1(k)＝XBs+BBX'B1(k)；
BA，BB分别为目标在传感器A与传感器B本地坐标下的位置转换到ECEF坐标系下的位置时的转换矩阵；
定义伪量测为：
Z(k)＝XAe(k)-XBe(k)；
其中，XAe(k)＝XAs+BAXA1(k)；XBe(k)＝XBs+BBXB1(k)
得到关于传感器偏差的伪测量方程：
Z(k)＝H(k)β(k)+W(k)；
其中，Z(k)为伪测量向量；H(k)为测量矩阵；β为传感器偏差向量；W(k)为测量噪声向量；由于nA(k),nB(k)为零均值、相互独立的高斯型随机变量,因此W(k)同样是零均值高斯型随机变量,其协方差矩阵为R(k)；
数据采集模块，与温度检测模块、控制模块、太阳能供电模块连接，用于将温度检测模块获取的模拟量电信号转换为数字量信号，并发送给控制模块；
控制模块，与数据采集模块、制冷模块、太阳能供电模块连接，用于根据数据采集模块采集模具的温度，启动制冷模块进行冷却操作；
所述控制模块由接收信号数据R(x)，根据公式r(x)＝sign(Re(R(x)))+j*sign(Im(R(x)))得到对接收信号实虚部按符号位映射出的结果r(x)，再由本地训练序列数据C(k)，利用公式c(k)＝sign(Re(C(k)))+j*sign(Im(C(k)))得到对训练序列数据实虚部按符号位映射出的结果c(k)，根据得到的r(x)和c(k)利用公式生成定时偏移估计函数，式中N＝2*(NFFT+CP)代表相关窗和本地序列的长度，x代表滑动相关窗的起始位置；
定时偏移估计函数的获取方法：
训练序列按符号位进行映射，将结果作为本地序列，接收到的数据依次流入滑动窗中，将滑动窗中的数据按符号位与本地序列进行共轭相关运算，得到关于滑动窗起始位置的定时偏移估计函数值；
运算的过程表示为：首先根据接收信号实虚部数据的符号位信息，利用公式r(x)＝sign(Re(R(x)))+j*sign(Im(R(x)))，对接收数据进行映射，其中R(x)代表接收信号，Re(.)表示取复数数据的实部值，Im(.)表示取复数数据的虚部值，sign(.)表示取一个数据的符号位，如果数据大于0输出结果是1，小于0输出结果是-1，r(x)是对接收信号实虚部取符号后映射出的结果，有四种数值±1±j，然后利用公式c(k)＝sign(Re(C(k)))+j*sign(Im(C(k)))对训练序列进行映射，其中C(k)代表本地训练序列，c(k)是对本地序列实虚部数据按符号位信息映射出的复数结果，有四种数值±1±j；最后根据公式求取定时偏移估计函数，其中，F(x)代表定时偏移估计函数值，N＝2*(NFFT+CP)代表相关窗和本地序列的长度；
制冷模块包括供风模块和供水模块，与控制模块、太阳能供电模块连接，用于通过制冷器对模具实现水冷却和风冷却的双重冷却操作；
太阳能供电模块，与数据采集模块、控制模块、制冷模块连接，用于通过太阳能电池板将太阳能转化为电能给冷却系统进行持久供电。
进一步，所述制冷模块包括供风模块和供水模块，与控制模块、太阳能供电模块连接，用于通过制冷器对模具实现水冷却和风冷却的双重冷却操作。
进一步，所述数据采集模块将温度检测模块获取的模拟量电信号转换为数字量信号运用小波包变换的温度信号频带序号到结点序号的快速转换算法；
设小波包变换中的正交尺度函数为φ(t)，小波函数为Ψ(t)，由它们产生的滤波器组中低通滤波器为l(n)，高通滤波器为h(n)，根据多分辨分析理论，φ(t)、Ψ(t)、l(n)和h(n)之间满足双尺度方程：
进行小波包分解时，除了确定小波基函数，还需要确定分解层数。选用字母j表示小波包分解层数，通常分解层数选取：
0＜j≤log2(Ls)；
式中，Ls为输入信号的长度；对于模拟量非平稳电信号，采样时间间隔一般为0.01s或0.02s，采样频率为100Hz或50Hz。模拟量电信号一般持续时间为10-20s，若采样频率为50hz，则信号长度为29-210；
分解层数较多时，通过对多个结点的分析，得到频带序号到结点序号的快速换算过程如下：对频带序号进行二进制转换得到频带路径，一个二进制数；从左至右依次对该二进制数的每位数与其左侧位数进行异或运算，得到结点路径，一个新的二进制数；对该新的二进制数进行十进制转换，可得到结点序号；经过3层小波包分解得到的小波包树，频带序号为a，a的频带路径为ABC，对其进行异或运算后可得到结点路径为XYZ；其中，X＝A、Y＝A⊕B、Z＝B⊕C，将二进制数XYZ转化为十进制数b，则b为频带a对应的结点序号；数学符号为⊕，计算机符号为xor，运算法则为：
在matlab平台上编制程序，实现小波包分解到任意分解层数时，模拟量电信号子频带序号与结点序号的转换。
本发明的优点及积极效果为：本发明通过太阳能供电模块可以获取源源不断的太阳能，保障冷却系统的持久工作，节约能源，经济环保；同时通过制冷模块中的供风模块和供水模块，可以实现水冷却和风冷却共同多方式进行冷却，提升冷却速度，冷却效果明显；同时由定时偏移估计函数值运算得到适于低信噪比信道环境的动态门限，进而对定时偏移估计函数峰值进行锁定；为了应对低传输带宽下峰值附近出现少数定时偏移估计函数值超出门限的情况，引入一种寄存比较机制，保证定时位置所对应的定时偏移估计函数值超过动态门限且最大。本发明在低信噪比下定时准确稳定，并且易于实现，运算复杂度低，提高了热冲压模具的冷却系统工作效率。
附图说明
图1是本发明实施例提供的热冲压模具的冷却系统结构示意图；
图中：1、温度检测模块；2、数据采集模块；3、控制模块；4、制冷模块；4-1、供风模块；4-2、供水模块；5、太阳能供电模块。
具体实施方式
为能进一步了解本发明的发明内容、特点及功效，兹例举以下实施例，并配合附图详细说明如下。
下面结合附图对本发明的结构作详细的描述。
如图1所示，本发明实施例提供的热冲压模具的冷却系统包括：温度检测模块1、数据采集模块2、控制模块3、制冷模块4、太阳能供电模块5。
温度检测模块1通过电路线连接数据采集模块2；数据采集模块2通过电路线连接控制模块3；控制模块3通过电路线连接制冷模块4；制冷模块4包括供风模块4-1、供水模块4-2；太阳能供电模块5通过电路线分别连接数据采集模块2、控制模块3、制冷模块4。
温度检测模块1，与数据采集模块2连接，用于通过安装的温度检测器对模具温度进行检测。
数据采集模块2，与温度检测模块1、控制模块3、太阳能供电模块5连接，用于将温度检测模块1获取的模拟量电信号转换为数字量信号，并发送给控制模块3。
控制模块3，与数据采集模块2、制冷模块4、太阳能供电模块5连接，用于根据数据采集模块2采集模具的温度，启动制冷模块4进行冷却操作。
制冷模块4包括供风模块4-1和供水模块4-2，与控制模块3、太阳能供电模块5连接，用于通过制冷器对模具实现水冷却和风冷却的双重冷却操作。
太阳能供电模块5，与数据采集模块2、控制模块3、制冷模块4连接，用于通过太阳能电池板将太阳能转化为电能给冷却系统进行持久供电。
所述温度检测模块包括：传感器A和传感器B；
在同一时间片内将各传感器观测数据按测量精度进行增量排序，然后将传感器A的观测数据分别向传感器B的时间点内插、外推，以形成一系列等间隔的目标观测数据，采用常用的三点抛物线插值法的进行内插外推时间配准算法得传感器A在tBk时刻在本地直角坐标系下的量测值为：
其中，tBk为配准时刻，tk-1,tk,tk+1为传感器A距离配准时刻最近的三个采样时刻，YA(tk-1),YA(tk),YA(tk+1)分别为其对应的对目标的探测数据；
完成时间配准后，根据传感器A的配准数据与传感器B的采样数据，采用基于地心地固坐标系下的伪量测法实现传感器A和传感器B的系统误差的估计；基于ECEF的系统误差估计算法具体为：
假设k时刻目标在本地直角坐标系下真实位置为X'1(k)＝[x'1(k),y'1(k),z'1(k)]T，极坐标系下对应的量测值为分别为距离、方位角、俯仰角；转换至本地直角坐标系下为X1(k)＝[x1(k),y1(k),z1(k)]T；传感器系统偏差为分别为距离、方位角和俯仰角的系统误差；于是有：
其中表示观测噪声,均值为零、方差为
用一阶近似展开并写成矩阵形式为：
X'1(k)＝X1(k)+C(k)[ξ(k)+n(k)]；
其中，
设两部传感器A和B,则对于同一个公共目标，地心地固坐标系下为X'e＝[x'e,y'e,z'e]T，得：
X'e＝XAs+BAX'A1(k)＝XBs+BBX'B1(k)；
BA，BB分别为目标在传感器A与传感器B本地坐标下的位置转换到ECEF坐标系下的位置时的转换矩阵；
定义伪量测为：
Z(k)＝XAe(k)-XBe(k)；
其中，XAe(k)＝XAs+BAXA1(k)；XBe(k)＝XBs+BBXB1(k)
得到关于传感器偏差的伪测量方程：
Z(k)＝H(k)β(k)+W(k)；
其中，Z(k)为伪测量向量；H(k)为测量矩阵；β为传感器偏差向量；W(k)为测量噪声向量；由于nA(k),nB(k)为零均值、相互独立的高斯型随机变量,因此W(k)同样是零均值高斯型随机变量,其协方差矩阵为R(k)；
所述控制模块由接收信号数据R(x)，根据公式r(x)＝sign(Re(R(x)))+j*sign(Im(R(x)))得到对接收信号实虚部按符号位映射出的结果r(x)，再由本地训练序列数据C(k)，利用公式c(k)＝sign(Re(C(k)))+j*sign(Im(C(k)))得到对训练序列数据实虚部按符号位映射出的结果c(k)，根据得到的r(x)和c(k)利用公式生成定时偏移估计函数，式中N＝2*(NFFT+CP)代表相关窗和本地序列的长度，x代表滑动相关窗的起始位置；
定时偏移估计函数的获取方法：
训练序列按符号位进行映射，将结果作为本地序列，接收到的数据依次流入滑动窗中，将滑动窗中的数据按符号位与本地序列进行共轭相关运算，得到关于滑动窗起始位置的定时偏移估计函数值；
运算的过程表示为：首先根据接收信号实虚部数据的符号位信息，利用公式r(x)＝sign(Re(R(x)))+j*sign(Im(R(x)))，对接收数据进行映射，其中R(x)代表接收信号，Re(.)表示取复数数据的实部值，Im(.)表示取复数数据的虚部值，sign(.)表示取一个数据的符号位，如果数据大于0输出结果是1，小于0输出结果是-1，r(x)是对接收信号实虚部取符号后映射出的结果，有四种数值±1±j，然后利用公式c(k)＝sign(Re(C(k)))+j*sign(Im(C(k)))对训练序列进行映射，其中C(k)代表本地训练序列，c(k)是对本地序列实虚部数据按符号位信息映射出的复数结果，有四种数值±1±j；最后根据公式求取定时偏移估计函数，其中，F(x)代表定时偏移估计函数值，N＝2*(NFFT+CP)代表相关窗和本地序列的长度。
所述数据采集模块将温度检测模块获取的模拟量电信号转换为数字量信号运用小波包变换的温度信号频带序号到结点序号的快速转换算法；
设小波包变换中的正交尺度函数为φ(t)，小波函数为Ψ(t)，由它们产生的滤波器组中低通滤波器为l(n)，高通滤波器为h(n)，根据多分辨分析理论，φ(t)、Ψ(t)、l(n)和h(n)之间满足双尺度方程：
进行小波包分解时，除了确定小波基函数，还需要确定分解层数。选用字母j表示小波包分解层数，通常分解层数选取：
0＜j≤log2(Ls)；
式中，Ls为输入信号的长度；对于模拟量非平稳电信号，采样时间间隔一般为0.01s或0.02s，采样频率为100Hz或50Hz。模拟量电信号一般持续时间为10-20s，若采样频率为50hz，则信号长度为29-210；
分解层数较多时，通过对多个结点的分析，得到频带序号到结点序号的快速换算过程如下：对频带序号进行二进制转换得到频带路径，一个二进制数；从左至右依次对该二进制数的每位数与其左侧位数进行异或运算，得到结点路径，一个新的二进制数；对该新的二进制数进行十进制转换，可得到结点序号；经过3层小波包分解得到的小波包树，频带序号为a，a的频带路径为ABC，对其进行异或运算后可得到结点路径为XYZ；其中，X＝A、Y＝A⊕B、Z＝B⊕C，将二进制数XYZ转化为十进制数b，则b为频带a对应的结点序号；数学符号为⊕，计算机符号为xor，运算法则为：
在matlab平台上编制程序，实现小波包分解到任意分解层数时，模拟量电信号子频带序号与结点序号的转换。
本发明的太阳能供电模块5将获取的太阳能转化为电能给系统供电，温度检测模块1将检测的温度信息数据通过数据采集模块2转换为数字量信号，并发送给控制模块3；控制模块3根据数据采集模块2采集的模具的温度，启动制冷模块4进行冷却操作；制冷模块4通过制冷器对模具实现水冷却和风冷却的双重冷却操作。
以上所述仅是对本发明的较佳实施例而已，并非对本发明作任何形式上的限制，凡是依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化与修饰，均属于本发明技术方案的范围内。
Claims (3)
1.一种热冲压模具的冷却系统，其特征在于，所述热冲压模具的冷却系统包括：
温度检测模块，与数据采集模块连接，用于通过安装的温度检测器对模具温度进行检测；所述温度检测模块包括：传感器A和传感器B；
在同一时间片内将各传感器观测数据按测量精度进行增量排序，然后将传感器A的观测数据分别向传感器B的时间点内插、外推，以形成一系列等间隔的目标观测数据，采用常用的三点抛物线插值法的进行内插外推时间配准算法得传感器A在tBk时刻在本地直角坐标系下的量测值为：
其中，tBk为配准时刻，tk-1,tk,tk+1为传感器A距离配准时刻最近的三个采样时刻，YA(tk-1),YA(tk),YA(tk+1)分别为其对应的对目标的探测数据；
完成时间配准后，根据传感器A的配准数据与传感器B的采样数据，采用基于地心地固坐标系下的伪量测法实现传感器A和传感器B的系统误差的估计；基于ECEF的系统误差估计算法具体为：
假设k时刻目标在本地直角坐标系下真实位置为X'1(k)＝[x'1(k),y'1(k),z'1(k)]T，极坐标系下对应的量测值为分别为距离、方位角、俯仰角；转换至本地直角坐标系下为X1(k)＝[x1(k),y1(k),z1(k)]T；传感器系统偏差为分别为距离、方位角和俯仰角的系统误差；于是有：
其中表示观测噪声,均值为零、方差为
用一阶近似展开并写成矩阵形式为：
X'1(k)＝X1(k)+C(k)[ξ(k)+n(k)]；
其中，
设两部传感器A和B,则对于同一个公共目标，地心地固坐标系下为X'e＝[x'e,y'e,z'e]T，得：
X'e＝XAs+BAX'A1(k)＝XBs+BBX'B1(k)；
BA，BB分别为目标在传感器A与传感器B本地坐标下的位置转换到ECEF坐标系下的位置时的转换矩阵；
定义伪量测为：
Z(k)＝XAe(k)-XBe(k)；
其中，XAe(k)＝XAs+BAXA1(k)；XBe(k)＝XBs+BBXB1(k)
得到关于传感器偏差的伪测量方程：
Z(k)＝H(k)β(k)+W(k)；
其中，Z(k)为伪测量向量；H(k)为测量矩阵；β为传感器偏差向量；W(k)为测量噪声向量；由于nA(k),nB(k)为零均值、相互独立的高斯型随机变量,因此W(k)同样是零均值高斯型随机变量,其协方差矩阵为R(k)；
数据采集模块，与温度检测模块、控制模块、太阳能供电模块连接，用于将温度检测模块获取的模拟量电信号转换为数字量信号，并发送给控制模块；
控制模块，与数据采集模块、制冷模块、太阳能供电模块连接，用于根据数据采集模块采集模具的温度，启动制冷模块进行冷却操作；
所述控制模块由接收信号数据R(x)，根据公式r(x)＝sign(Re(R(x)))+j*sign(Im(R(x)))得到对接收信号实虚部按符号位映射出的结果r(x)，再由本地训练序列数据C(k)，利用公式c(k)＝sign(Re(C(k)))+j*sign(Im(C(k)))得到对训练序列数据实虚部按符号位映射出的结果c(k)，根据得到的r(x)和c(k)利用公式生成定时偏移估计函数，式中N＝2*(NFFT+CP)代表相关窗和本地序列的长度，x代表滑动相关窗的起始位置；
定时偏移估计函数的获取方法：
训练序列按符号位进行映射，将结果作为本地序列，接收到的数据依次流入滑动窗中，将滑动窗中的数据按符号位与本地序列进行共轭相关运算，得到关于滑动窗起始位置的定时偏移估计函数值；
运算的过程表示为：首先根据接收信号实虚部数据的符号位信息，利用公式r(x)＝sign(Re(R(x)))+j*sign(Im(R(x)))，对接收数据进行映射，其中R(x)代表接收信号，Re(.)表示取复数数据的实部值，Im(.)表示取复数数据的虚部值，sign(.)表示取一个数据的符号位，如果数据大于0输出结果是1，小于0输出结果是-1，r(x)是对接收信号实虚部取符号后映射出的结果，有四种数值±1±j，然后利用公式c(k)＝sign(Re(C(k)))+j*sign(Im(C(k)))对训练序列进行映射，其中C(k)代表本地训练序列，c(k)是对本地序列实虚部数据按符号位信息映射出的复数结果，有四种数值±1±j；最后根据公式求取定时偏移估计函数，其中，F(x)代表定时偏移估计函数值，N＝2*(NFFT+CP)代表相关窗和本地序列的长度；
制冷模块包括供风模块和供水模块，与控制模块、太阳能供电模块连接，用于通过制冷器对模具实现水冷却和风冷却的双重冷却操作；
太阳能供电模块，与数据采集模块、控制模块、制冷模块连接，用于通过太阳能电池板将太阳能转化为电能给冷却系统进行持久供电。
2.如权利要求1所述的热冲压模具的冷却系统，其特征在于，所述制冷模块包括供风模块和供水模块，与控制模块、太阳能供电模块连接，用于通过制冷器对模具实现水冷却和风冷却的双重冷却操作。
3.如权利要求1所述的热冲压模具的冷却系统，其特征在于，所述数据采集模块将温度检测模块获取的模拟量电信号转换为数字量信号运用小波包变换的温度信号频带序号到结点序号的快速转换算法；
设小波包变换中的正交尺度函数为φ(t)，小波函数为Ψ(t)，由它们产生的滤波器组中低通滤波器为l(n)，高通滤波器为h(n)，根据多分辨分析理论，φ(t)、Ψ(t)、l(n)和h(n)之间满足双尺度方程：
进行小波包分解时，除了确定小波基函数，还需要确定分解层数；选用字母j表示小波包分解层数，通常分解层数选取：
0＜j≤log2(Ls)；
式中，Ls为输入信号的长度；对于模拟量非平稳电信号，采样时间间隔一般为0.01s或0.02s，采样频率为100Hz或50Hz；模拟量电信号一般持续时间为10-20s，若采样频率为50hz，则信号长度为29-210；
分解层数较多时，通过对多个结点的分析，得到频带序号到结点序号的快速换算过程如下：对频带序号进行二进制转换得到频带路径，一个二进制数；从左至右依次对该二进制数的每位数与其左侧位数进行异或运算，得到结点路径，一个新的二进制数；对该新的二进制数进行十进制转换，可得到结点序号；经过3层小波包分解得到的小波包树，频带序号为a，a的频带路径为ABC，对其进行异或运算后可得到结点路径为XYZ；其中，X＝A、Y＝A⊕B、Z＝B⊕C，将二进制数XYZ转化为十进制数b，则b为频带a对应的结点序号；数学符号为⊕，计算机符号为xor，运算法则为：
<mrow>
<mi>a</mi>
<mo>&CirclePlus;</mo>
<mi>b</mi>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mn>1</mn>
<mo>,</mo>
<mi>a</mi>
<mo>&NotEqual;</mo>
<mi>b</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mn>0</mn>
<mo>,</mo>
<mi>a</mi>
<mo>=</mo>
<mi>b</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>;</mo>
</mrow>
在matlab平台上编制程序，实现小波包分解到任意分解层数时，模拟量电信号子频带序号与结点序号的转换。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710963841.6A CN107552657A (zh) | 2017-10-16 | 2017-10-16 | 一种热冲压模具的冷却系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710963841.6A CN107552657A (zh) | 2017-10-16 | 2017-10-16 | 一种热冲压模具的冷却系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107552657A true CN107552657A (zh) | 2018-01-09 |
Family
ID=60986567
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710963841.6A Pending CN107552657A (zh) | 2017-10-16 | 2017-10-16 | 一种热冲压模具的冷却系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107552657A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108298139A (zh) * | 2018-01-29 | 2018-07-20 | 曹凯 | 一种碳基生物菌肥分装处理装置 |
| CN108759292A (zh) * | 2018-06-22 | 2018-11-06 | 日照职业技术学院 | 一种沥青冷却装置及控制方法、控制系统 |
| CN110395021A (zh) * | 2019-06-06 | 2019-11-01 | 江苏华美特金属科技有限公司 | 一种新型辊涂覆膜金属复合板及其生产工艺 |
| CN113182376A (zh) * | 2021-04-01 | 2021-07-30 | 汪建余 | 智能模具、控制系统、控制方法、数据处理终端、介质 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN202137255U (zh) * | 2011-02-12 | 2012-02-08 | 机械科学研究总院先进制造技术研究中心 | 一种自带测温系统的热冲压模具 |
| CN104125190A (zh) * | 2014-08-18 | 2014-10-29 | 西安电子科技大学 | 适于低信噪比信道环境的ofdm系统符号定时同步实现方法 |
| CN106125790A (zh) * | 2016-08-25 | 2016-11-16 | 江苏大学 | 模面和板料多点闭环测控的热冲压温度控制系统 |
| CN106389056A (zh) * | 2016-12-21 | 2017-02-15 | 邢台医学高等专科学校 | 一种神经内科病人用头部理疗系统 |
| CN106944554A (zh) * | 2017-04-19 | 2017-07-14 | 苏州汇程精密模具有限公司 | 一种热冲压模具的冷却系统 |
| CN107023911A (zh) * | 2017-03-07 | 2017-08-08 | 西安工程大学 | 光伏盘管‑露点间接与直接蒸发冷却复合冷水机组 |
| KR20170094706A (ko) * | 2016-02-11 | 2017-08-21 | (주)코링텍 | 열간 프레스 성형장치 및 방법 |
-
2017
- 2017-10-16 CN CN201710963841.6A patent/CN107552657A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN202137255U (zh) * | 2011-02-12 | 2012-02-08 | 机械科学研究总院先进制造技术研究中心 | 一种自带测温系统的热冲压模具 |
| CN104125190A (zh) * | 2014-08-18 | 2014-10-29 | 西安电子科技大学 | 适于低信噪比信道环境的ofdm系统符号定时同步实现方法 |
| KR20170094706A (ko) * | 2016-02-11 | 2017-08-21 | (주)코링텍 | 열간 프레스 성형장치 및 방법 |
| CN106125790A (zh) * | 2016-08-25 | 2016-11-16 | 江苏大学 | 模面和板料多点闭环测控的热冲压温度控制系统 |
| CN106389056A (zh) * | 2016-12-21 | 2017-02-15 | 邢台医学高等专科学校 | 一种神经内科病人用头部理疗系统 |
| CN107023911A (zh) * | 2017-03-07 | 2017-08-08 | 西安工程大学 | 光伏盘管‑露点间接与直接蒸发冷却复合冷水机组 |
| CN106944554A (zh) * | 2017-04-19 | 2017-07-14 | 苏州汇程精密模具有限公司 | 一种热冲压模具的冷却系统 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108298139A (zh) * | 2018-01-29 | 2018-07-20 | 曹凯 | 一种碳基生物菌肥分装处理装置 |
| CN108759292A (zh) * | 2018-06-22 | 2018-11-06 | 日照职业技术学院 | 一种沥青冷却装置及控制方法、控制系统 |
| CN110395021A (zh) * | 2019-06-06 | 2019-11-01 | 江苏华美特金属科技有限公司 | 一种新型辊涂覆膜金属复合板及其生产工艺 |
| CN113182376A (zh) * | 2021-04-01 | 2021-07-30 | 汪建余 | 智能模具、控制系统、控制方法、数据处理终端、介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107552657A (zh) | 一种热冲压模具的冷却系统 | |
| CN104519571B (zh) | 一种基于rss的室内定位方法 | |
| CN101534168B (zh) | 一种容误码的rs码编码参数盲识别方法 | |
| Noroozi et al. | Efficient weighted least squares estimator for moving target localization in distributed MIMO radar with location uncertainties | |
| CN105929389A (zh) | 一种基于外辐射源时延和多普勒频率的直接定位方法 | |
| CN105954741B (zh) | 一种基于多假设拟蒙特卡罗的多目标无源协同定位方法 | |
| CN107402381A (zh) | 一种迭代自适应的多机动目标跟踪方法 | |
| CN100566345C (zh) | 基于超宽带的无线传感器网络节点定位方法 | |
| CN107743296A (zh) | 一种基于压缩感知的rssi区域分段式定位方法 | |
| CN109509207B (zh) | 一种对点目标和扩展目标进行无缝跟踪的方法 | |
| CN111157943B (zh) | 在异步网络中基于toa的传感器位置误差抑制方法 | |
| CN111413668B (zh) | 一种大规模阵列中基于dft增强的doa估计方法 | |
| CN115776724B (zh) | 面向电磁频谱地图测绘的传感器节点布局优化方法及系统 | |
| CN106961104A (zh) | 基于数据分析和组合基函数神经网络的风电功率预测方法 | |
| Mao et al. | Moving source localization in passive sensor network with location uncertainty | |
| CN105025495A (zh) | 一种无线认知网络全局频谱信息协作感知方法 | |
| CN104931923A (zh) | Grid Iterative ESPRIT,一种可扩展的用于均匀圆阵二维到达角的快速估计算法 | |
| Ni et al. | Fingerprint-MDS based algorithm for indoor wireless localization | |
| CN108414970A (zh) | 室内定位方法 | |
| Wang et al. | A linear combination-based weighted least square approach for target localization with noisy range measurements | |
| CN104977583A (zh) | 一种基于经验正交分解的x波段雷达海浪反演方法 | |
| Zhu et al. | Multitarget enumeration and localization in distributed MIMO radar based on energy modeling and compressive sensing | |
| CN109862510A (zh) | 一种基于压缩感知的凸区域定位方法 | |
| CN104036136B (zh) | 一种基于rssi的近距离精确定位方法 | |
| CN108957395A (zh) | 一种隧道内噪声免疫的移动目标三维定位方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180109 |