CN114619659B - 一种低密度轻量化聚酯膜拉伸工艺 - Google Patents

一种低密度轻量化聚酯膜拉伸工艺 Download PDF

Info

Publication number
CN114619659B
CN114619659B CN202210526228.9A CN202210526228A CN114619659B CN 114619659 B CN114619659 B CN 114619659B CN 202210526228 A CN202210526228 A CN 202210526228A CN 114619659 B CN114619659 B CN 114619659B
Authority
CN
China
Prior art keywords
stretching
wheel
clamping device
driving wheel
side tension
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.)
Active
Application number
CN202210526228.9A
Other languages
English (en)
Other versions
CN114619659A (zh
Inventor
闫银凤
李沅鸿
张启纲
赵越超
吴齐
蔡文彬
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Henan Yinjinda New Materials Co ltd
Original Assignee
Henan Yinjinda New Materials Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Henan Yinjinda New Materials Co ltd filed Critical Henan Yinjinda New Materials Co ltd
Priority to CN202210526228.9A priority Critical patent/CN114619659B/zh
Publication of CN114619659A publication Critical patent/CN114619659A/zh
Application granted granted Critical
Publication of CN114619659B publication Critical patent/CN114619659B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
    • B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
    • B29C55/00—Shaping by stretching, e.g. drawing through a die; Apparatus therefor
    • B29C55/02—Shaping by stretching, e.g. drawing through a die; Apparatus therefor of plates or sheets
    • B29C55/10—Shaping by stretching, e.g. drawing through a die; Apparatus therefor of plates or sheets multiaxial
    • B29C55/12—Shaping by stretching, e.g. drawing through a die; Apparatus therefor of plates or sheets multiaxial biaxial
    • B29C55/16—Shaping by stretching, e.g. drawing through a die; Apparatus therefor of plates or sheets multiaxial biaxial simultaneously
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
    • B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
    • B29C37/00—Component parts, details, accessories or auxiliary operations, not covered by group B29C33/00 or B29C35/00
    • C—CHEMISTRY; METALLURGY
    • C08—ORGANIC MACROMOLECULAR COMPOUNDS; THEIR PREPARATION OR CHEMICAL WORKING-UP; COMPOSITIONS BASED THEREON
    • C08J—WORKING-UP; GENERAL PROCESSES OF COMPOUNDING; AFTER-TREATMENT NOT COVERED BY SUBCLASSES C08B, C08C, C08F, C08G or C08H
    • C08J5/00—Manufacture of articles or shaped materials containing macromolecular substances
    • C08J5/18—Manufacture of films or sheets
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
    • B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
    • B29C37/00—Component parts, details, accessories or auxiliary operations, not covered by group B29C33/00 or B29C35/00
    • B29C2037/90—Measuring, controlling or regulating
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
    • B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
    • B29C37/00—Component parts, details, accessories or auxiliary operations, not covered by group B29C33/00 or B29C35/00
    • B29C2037/90—Measuring, controlling or regulating
    • B29C2037/903—Measuring, controlling or regulating by means of a computer
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
    • B29K—INDEXING SCHEME ASSOCIATED WITH SUBCLASSES B29B, B29C OR B29D, RELATING TO MOULDING MATERIALS OR TO MATERIALS FOR MOULDS, REINFORCEMENTS, FILLERS OR PREFORMED PARTS, e.g. INSERTS
    • B29K2067/00—Use of polyesters or derivatives thereof, as moulding material
    • C—CHEMISTRY; METALLURGY
    • C08—ORGANIC MACROMOLECULAR COMPOUNDS; THEIR PREPARATION OR CHEMICAL WORKING-UP; COMPOSITIONS BASED THEREON
    • C08J—WORKING-UP; GENERAL PROCESSES OF COMPOUNDING; AFTER-TREATMENT NOT COVERED BY SUBCLASSES C08B, C08C, C08F, C08G or C08H
    • C08J2323/00—Characterised by the use of homopolymers or copolymers of unsaturated aliphatic hydrocarbons having only one carbon-to-carbon double bond; Derivatives of such polymers
    • C08J2323/02—Characterised by the use of homopolymers or copolymers of unsaturated aliphatic hydrocarbons having only one carbon-to-carbon double bond; Derivatives of such polymers not modified by chemical after treatment
    • C08J2323/04—Homopolymers or copolymers of ethene
    • C08J2323/06—Polyethene
    • C—CHEMISTRY; METALLURGY
    • C08—ORGANIC MACROMOLECULAR COMPOUNDS; THEIR PREPARATION OR CHEMICAL WORKING-UP; COMPOSITIONS BASED THEREON
    • C08J—WORKING-UP; GENERAL PROCESSES OF COMPOUNDING; AFTER-TREATMENT NOT COVERED BY SUBCLASSES C08B, C08C, C08F, C08G or C08H
    • C08J2423/00—Characterised by the use of homopolymers or copolymers of unsaturated aliphatic hydrocarbons having only one carbon-to-carbon double bond; Derivatives of such polymers
    • C08J2423/02—Characterised by the use of homopolymers or copolymers of unsaturated aliphatic hydrocarbons having only one carbon-to-carbon double bond; Derivatives of such polymers not modified by chemical after treatment
    • C08J2423/04—Homopolymers or copolymers of ethene
    • C08J2423/06—Polyethene
    • C—CHEMISTRY; METALLURGY
    • C08—ORGANIC MACROMOLECULAR COMPOUNDS; THEIR PREPARATION OR CHEMICAL WORKING-UP; COMPOSITIONS BASED THEREON
    • C08J—WORKING-UP; GENERAL PROCESSES OF COMPOUNDING; AFTER-TREATMENT NOT COVERED BY SUBCLASSES C08B, C08C, C08F, C08G or C08H
    • C08J2423/00—Characterised by the use of homopolymers or copolymers of unsaturated aliphatic hydrocarbons having only one carbon-to-carbon double bond; Derivatives of such polymers
    • C08J2423/02—Characterised by the use of homopolymers or copolymers of unsaturated aliphatic hydrocarbons having only one carbon-to-carbon double bond; Derivatives of such polymers not modified by chemical after treatment
    • C08J2423/10—Homopolymers or copolymers of propene
    • C08J2423/12—Polypropene
    • C—CHEMISTRY; METALLURGY
    • C08—ORGANIC MACROMOLECULAR COMPOUNDS; THEIR PREPARATION OR CHEMICAL WORKING-UP; COMPOSITIONS BASED THEREON
    • C08K—Use of inorganic or non-macromolecular organic substances as compounding ingredients
    • C08K3/00—Use of inorganic substances as compounding ingredients
    • C08K3/34—Silicon-containing compounds
    • C08K3/36—Silica

Landscapes

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Manufacturing & Machinery (AREA)
  • Materials Engineering (AREA)
  • Health & Medical Sciences (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Medicinal Chemistry (AREA)
  • Polymers & Plastics (AREA)
  • Organic Chemistry (AREA)
  • Mechanical Engineering (AREA)
  • Shaping By String And By Release Of Stress In Plastics And The Like (AREA)

Abstract

一种低密度轻量化聚酯膜拉伸工艺，包括将LDPE、VLDPE、PP原材料混合挤出的基膜成膜工艺；以及将拉伸的基膜进行长度拉伸、宽度拉伸、四个斜向拉伸的工艺。特别是还包括在拉伸工艺过程中利用神经网络进行拉伸结果判别。由此，可以保证成膜后比现有低密度聚酯膜具有更佳的抗拉伸、耐弯折特性。

Description

一种低密度轻量化聚酯膜拉伸工艺
技术领域
本发明内容属于聚酯材料领域，特别地，涉及一种聚酯薄膜的拉伸工艺。
背景技术
对于低密度聚酯膜而言，拉伸是聚酯成膜的步骤之一，但由于其密度低拉伸过程控制较难。而拉伸效果的好坏直接影响聚酯薄膜成膜的均匀性、光学特性以及力学特性。如果拉伸不成功，会导致成膜后出现膜厚未达标，或部分区域未达标的情况。同时，对于特殊功能膜，可能影响其紫外阻挡率，或紫外耐久度等。同时，对薄膜的抗拉性、韧性都有较大影响，在一些特殊情况下，甚至发生薄膜破裂的情况出现。为此，在进行生产线生产前，对于新研发的薄膜产品，需要在实验阶段进行深入研究，特别是对于薄膜的拉伸性能、效果进行研究。特别是，对于常见的低密度聚酯膜而言，其抗拉性、韧性等都较差。
现有拉伸设备多为刚性拉伸，即驱动机构和夹持机构刚性连接。如此可以将驱动力较好地传递到薄膜上，更容易实现上述更高精度的拉伸比控制。然而，由于低密度聚酯材料大多具有一定弹性，且抗拉性不足，过于刚性的拉伸使得虽然在拉伸后薄膜能够按照预先设定的拉伸比定型，但其内部应力未得到充分释放，由此带来成膜后力学性能恶化。
此外，现有对低密度聚酯膜的拉伸方式大多从横向和纵向进行拉伸，从而使得薄膜在横纵方向具有较好的抗拉性和韧性，但并未有人意识到低密度薄膜斜向力学性能的问题，这一问题在通常的聚酯薄膜不是特别突出，但对于低密度聚酯薄膜而言则显得非常重要。
另一方面，拉伸性能指标是高分子材料基本的性能指标。高分子材料屈服变形能力是度量高分子材料拉伸性能的重要指标。拉伸性能试验过程中，被测高分子材料在较小的应变范围内就开始产生非均匀变形，发生局部颈缩。而一旦局部发生颈缩，常用的接触式传感器很难反映其局部变形，必须利用可靠的变形传感器测量高分子材料拉伸变形过程中的真实变形。而无论是在高分子材料性能的检查中还是在实际高分子材料成膜的拉伸过程中，对于拉伸变形的检测都是必不可少的。随着技术的进步，利用光学传感器进行高分子材料拉伸性能检测成为了一种主要方法。采用光学传感器拍摄数字图像，并对数字图像上的某些关键点，如材料形变边缘点或标定点等，进行自动提取和匹配，并根据关键点的空间坐标推理材料形变的力学指标，进而判断材料在拉伸条件下的性能。传统方法通常需要一系列标记点或标定点，实现对材料在图像中的定位，这一定位过程通常是靠人工完成。此外，很多传统方法需要靠在材料本身作可识别的标记，如画方格、涂颜色等，实现材料在图像中的定位，对材料本身造成一定损失，因此这类方法只能用样本材料实现检测，不能在生产线在线检测，更无法直接应用于正产工艺中。例如文献《图像相关法在高分子材料拉伸性能研究中的应用》，方钦志等，实验力学2006，Vol.21,No.4。利用图像分析法对聚碳酸酯和丙烯腈丁二烯苯乙烯的合金高分子材料不同环境温度下的拉伸性能进行了试验研究。该文方法需要对材料喷涂墨水以得到致密有效的随机散斑图像，并需要在被测量材料所在区域人工选取一个搜索子区，用于标定位移场。如此操作会对材料产生损伤。而其他不使用标记点的图像处理方法则会出现检测精度不够的问题，也不适合在薄膜拉伸生产线上进行在线检测。
发明内容
一种低密度轻量化聚酯膜拉伸工艺，包括
（一）基膜成膜工艺：将LDPE、VLDPE、PP原材料分别进行造粒后将LDPE颗粒、VLDPE颗粒、PP颗粒、纳米二氧化硅颗粒按质量比61.5%：25.5%：12.8%：0.2%充分混合搅拌均匀；将混合后的原料进行塑化、挤出，冷却定型后得到待拉伸的基膜；
（二）拉伸工艺流程
（1）将待拉伸的基膜被前夹持装置、后夹持装置、左夹持装置、右夹持装置夹持固定在拉伸设备上；
（2）驱动左后内侧张力轮和右后内侧张力轮，使得后夹持装置后移动；同时驱动左前内侧张力轮和右前内侧张力轮，使得前夹持装置向前移动，实现长度拉伸；
（3）同时驱动左后外侧张力轮和左前外侧张力轮，使得左夹持装置向左移动；同时驱动右后外侧张力轮和右前外侧张力轮，使得右夹持装置向右移动，实现宽度拉伸；
（4）左后驱动轮同时驱动左后外侧张力轮和左后内侧张力轮，使得左夹持装置向左移动，后夹持装置向后移动，从而实现沿左后方向斜向的拉伸；右后驱动轮同时驱动右后外侧张力轮和右后内侧张力轮，使得右夹持装置向右移动，后夹持装置向后移动，从而实现沿右后方向斜向的拉伸；左前驱动轮同时驱动左前外侧张力轮和左前内侧张力轮，使得左夹持装置向左移动，前夹持装置向前移动，从而实现沿左前方向斜向的拉伸；右前驱动轮同时驱动右前外侧张力轮和右前内侧张力轮，使得右夹持装置向右移动，前夹持装置向前移动，从而实现沿右前方向斜向的拉伸。
还包括在上述拉伸过程中，利用摄像机实时拍摄检测薄膜被拉伸的图像，并利用神经网络模型进行拉伸结果的判别，在符合预定拉伸结果后，停止拉伸动作。
在停止拉伸动作后，保持相应的夹持装置位置不动，维持一定时间，后撤掉夹持装置，继续用摄像机拍摄此时薄膜图像，并利用神经网络模型进行拉伸结果的判别，若依然符合预定拉伸结果，则工艺流程结束。
挤出温度为160-190℃。
位于薄膜左后侧的驱动轮，用于通过微小的位移，选择性地驱动左后内侧张力轮和左后外侧张力轮中至少一个。
位于薄膜右后侧的驱动轮，用于通过微小的位移，选择性地驱动右后外侧张力轮和右后内侧张力轮中至少一个。
位于薄膜左前侧的驱动轮，用于通过微小的位移，选择性地驱动左前内侧张力轮和左前外侧张力轮中至少一个。
位于薄膜右前侧的驱动轮，用于通过微小的位移，选择性地驱动右前外侧张力轮和右前内侧张力轮中至少一个。
每个张力轮与对应夹持装置之间通过拉线连接。
拉线包括刚性部和弹性部。
本发明的发明点及技术效果：
1、提出了一种多组分构成的低密度薄膜制备工艺，特别是优化了成膜的组分，成膜后具有更好的抗拉伸、耐弯折特性，且在保证透气性的基础上提高防水性。此外，提出通过多个驱动轮和张力轮的配合，可分别实现横纵双向，及4个斜向的拉伸，能够使得成膜后在斜向方向具有较好的抗拉性能。
2、设计了专门适用于薄膜拉伸的算法和模型进行薄膜拉伸的识别和应变的检测，能够配合拉伸设备和拉伸方法使用，通过逐像素的标记提高了检测的精度，避免了常规图像算法必须要使用额外标记所带来的的材料的损坏，并且通过优化模型，在保证精度的同时，减小了运算负担。不仅可以用于前期研究、后期检测，也可以与拉伸设备相配合用于拉伸工艺生产线中的在线检测，从而使得拉伸设备能够更精确地控制拉伸比。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，并不构成对本发明的限定。在附图中：
图1是拉伸设备结构示意图。
图2是高分子材料标记和轮廓提取示意图。
具体实施方式
（一）制备工艺
1、基膜成膜工艺
（1）将LDPE、VLDPE、PP原材料分别进行造粒。
（2）将LDPE颗粒、VLDPE颗粒、PP颗粒、纳米二氧化硅颗粒分别称重，满足LDPE、VLDPE、PP、二氧化硅的质量比分别为61.5%、25.5%、12.8%、0.2%。承重完毕后，将四种原料投入进料口中。
（3）将四种原料在搅拌装置中充分混合搅拌均匀。
（4）将混合后的原料进行塑化、挤出，挤出机温度为160-190℃，可根据挤出后膜的厚度调整模头口径，从而得到目标厚度，并保证膜的厚度均匀。
（5）将将呈熔融状态的膜冷却定型，得到待拉伸的基膜。
通过将LDPE中添加VLDPE，可以提高薄膜的柔顺度，但同时会影响薄膜的强度，因此本发明适当添加了PP，保证薄膜具有一定的硬度。三者的配比使得成膜后低密度轻量化膜能够比一般LDPE具有更好的抗拉伸、耐弯折特性。此外，二氧化硅纳米颗粒的添加，可以填补聚合物之间的空隙，不仅能进一步改善薄膜的力学特性，同时在保证透气性的基础上提高防水性，且使得整个薄膜具有较好的抗老化性能。
2、拉伸工艺流程
（1）将待拉伸的基膜夹持固定在拉伸设备上
（2）微调左后驱动轮L11和右后驱动轮L12使它们分别接触左后内侧张力轮L22和右后内侧张力轮L23；微调左前驱动轮L13和右前驱动轮L14, 使它们分别接触左前内侧张力轮L26和右前内侧张力轮L27，设定好前后拉伸比M后启动上述前后拉伸模式，根据拉伸判定结果完成前后拉伸。
（3）微调左后驱动轮L11和左前驱动轮L13使它们分别接触左后外侧张力轮L21和左前外侧张力轮L25；微调右后驱动轮L12和右前驱动轮L14, 使它们分别接触右后外侧张力轮L24和右前外侧张力轮L28，设定好左右拉伸比N后启动上述左右拉伸模式，根据拉伸判定结果完成左右拉伸。
如此即可完成前后和左右四个方向的拉伸，在通常的需求下，即可停止拉伸，进行下一步成膜工序。但若薄膜具有斜向较好的力学性质，还可以进行如下步骤的斜向拉伸。
（4）微调左后驱动轮L11，使它与左后外侧张力轮L21、左后内侧张力轮L22接触，设定左后斜向拉伸比Q1后启动左后斜向拉伸模式，根据拉伸判定结果完成左后斜向拉伸。同样道理，依次微调右后驱动轮L12，根据右后拉伸比Q2进行右后斜向拉伸；微调左前驱动轮L13，根据左前拉伸比Q3进行左前斜向拉伸；微调右前驱动轮L14，根据右前拉伸比Q4进行右前斜向拉伸。如此，完成四个方向的斜向拉伸。
为了保证薄膜的整体均匀性，斜向拉伸不易过大。作为一种优选，拉伸比满足：Q1=Q2=Q3=Q4；50*Q1<M<120*Q1。
（5）在上述拉伸过程中，利用摄像机实时拍摄检测薄膜被拉伸的图像，并利用下述算法和模型进行拉伸结果的判别，在符合预定拉伸结果后，停止拉伸动作。并保持相应的夹持装置位置不动，维持一定时间，后撤掉夹持装置，继续用摄像机拍摄此时薄膜图像，并利用下述算法和模型进行拉伸结果的判别，若依然符合预定拉伸结果，则工艺流程结束；若不符合预定拉伸结果，则继续上述拉伸操作，直至符合要求。如此，可以避免由于薄膜应力导致回缩带来的拉伸比不够的现象，从而保证薄膜成膜工艺能够达到稳定的各项性能。
可以理解，上述拉伸过程不仅适用于本发明提出的基膜，还可以用于其他基膜的拉伸。但与本发明基膜制备工艺相配合，具有更佳的效果。
其中所述的拉伸模式为：
（a）前后双向拉伸
同时驱动左后内侧张力轮L22和右后内侧张力轮L23，使得后夹持装置L41向后移动；同时驱动左前内侧张力轮L26和右前内侧张力轮L27，使得前夹持装置L44向前移动。由此，被夹持的薄膜沿前后方向被长度拉伸。
（b）左右双向拉伸
同时驱动左后外侧张力轮L21和左前外侧张力轮L25，使得左夹持装置L43向左移动；同时驱动右后外侧张力轮L24和右前外侧张力轮L28，使得右夹持装置L42向右移动。由此，被夹持的薄膜沿左右方向被宽度拉伸。
（c）斜向拉伸
左后驱动轮L11同时驱动左后外侧张力轮L21和左后内侧张力轮L22，使得左夹持装置L43向左移动，后夹持装置L41向后移动，从而实现沿左后方向斜向的拉伸。
右后驱动轮L12同时驱动右后外侧张力轮L24和右后内侧张力轮L23，使得右夹持装置L42向右移动，后夹持装置L41向后移动，从而实现沿右后方向斜向的拉伸。
左前驱动轮L13同时驱动左前外侧张力轮L25和左前内侧张力轮L26，使得左夹持装置L43向左移动，前夹持装置L44向前移动，从而实现沿左前方向斜向的拉伸。
右前驱动轮L14同时驱动右前外侧张力轮L28和右前内侧张力轮L27，使得右夹持装置L42向右移动，前夹持装置L44向前移动，从而实现沿右前方向斜向的拉伸。
由于本发明的低密度轻量化膜是多种材料混合制得的，材料在形成基膜后具有一定的韧性、回弹性、和抗拉伸特性，因此传统的拉伸方法或设备可能会造成薄膜应力释放不充分，从而带来成膜后的力学性能恶化。为此，使用上述拉伸方法可以有效避免上述问题。
（二）拉伸检测算法
步骤1：利用采集材料进行拉伸的过程中的图像和对应时间。
利用可控制的光学摄像机在拉伸装置对材料进行拉伸的过程中拍摄图像，记录图像拍摄的时间，并与拉伸装置的启停时间同步。
所述图像拍摄方法及设备，由一台可见光摄像机及其对应采集程序组成；可见光摄像机简称摄像机，包括外壳体、镜头、成像元件、控制板等关键部件组成；摄像机镜头安装于摄像机外壳体的外部固定，并朝向待检测的高分子材料检测平台；成像元件、控制板置于外壳体内部，摄像机镜头接受外界光线并投射于成像元件；成像元件根据光信号转变为电信号，并传递给控制板经过抽样、量化等处理步骤后进一步转变为数字信号，即数字图像，简称图像；可见光摄像机的采集程序以软件形式存在于相机控制板上，在可见光摄像机开启后，接受外部主机的控制指令，将数字图像传输至外部主机。
所述外部主机，简称主机，是供用户操作控制的计算机设备；其主要功能包括：（1）用于接受摄像机所采集的图像，并定时控制摄像机采集图像，外部主机上安装的实现图像采集控制、接收的软件程序称为图像采集程序；（2）外部主机同时与拉伸装置连接，并可控制拉伸装置的启停，控制拉伸装置启停的软件程序称为拉伸装置控制程序；（3）外部主机上装有时间同步控制程序以实现拉伸装置与摄像机的时间同步。此外，（4）主机上装有基于（1）图像采集程序所采集图像的智能检测程序，用于在软件上实现步骤2所述图像的智能检测。
设备安装过程：将待测高分子材料平整置于高分子材料检测平台（简称检测平台）上，并使拉伸夹具夹紧材料的四边；摄像机安装于检测平台上方，镜头朝向检测平台以拍摄待测材料的图像；摄像机通过线缆与主机相连。
实施上述安装过程完毕后，用户操作主机启动拉伸装置，并同步启动摄像机；摄像 机每隔时间
Figure DEST_PATH_IMAGE001
采集一组图像；直至拉伸实验达到预设所需的时间。通过同步摄像机与拉伸 装置的工作时间，可以精确测量高分子材料受到拉伸力的性能表现。
上述每隔时间
Figure 263012DEST_PATH_IMAGE001
采集的一组图像，包含独立采集的g幅图像，并且该g幅图像以等 间隔时间
Figure 586677DEST_PATH_IMAGE002
均匀采集，并且
Figure DEST_PATH_IMAGE003
.表示
Figure 163152DEST_PATH_IMAGE002
的时长远小于
Figure 699307DEST_PATH_IMAGE001
。在具体案例中，综合参照材料 拉伸试验的时长、工业摄像机的拍摄帧率，优选
Figure 779258DEST_PATH_IMAGE004
分钟，
Figure DEST_PATH_IMAGE005
秒，每隔
Figure 273825DEST_PATH_IMAGE001
采集的一组 图像包含g=3张图像。
取短时间间隔的若干连续图像作为一组，用于后文中图像检测，将相近的图像同时输入检测模型，可以去除局部像素噪声，同时较小的视差有助于提高检测精度。
步骤2利用神经网络模型识别拉伸过程中的材料区域，并逐像素进行标记，形成标记矩阵。
从步骤1获取的图像中自动检测高分子材料目标物的区域，并逐像素做出标记，即如果图像中的一个像素属于高分子材料目标物的一部分，则标记为1，否则标记为0。
图像的像素，是将光学信号经采样、量化后生成的二维数字信号、即数字图像的最小单元，每个像素包括空间坐标与像素值两类属性。整幅数字图像可用一个二维矩阵表示，矩阵的每一个元素对应于图像的一个像素，像素的空间坐标即元素在矩阵中行、列的位置，像素值即为矩阵元素的值。矩阵的行、列数联合称为图像的分辨率。在本发明中，步骤1所采集的所有图像的分辨率相同。
所述图像中高分子材料目标物的检测方法，对一组图像做出检测。所述一组图像， 指步骤1所述每隔时间
Figure 806437DEST_PATH_IMAGE001
采集的一组图像，包含g张图像；为了叙述方便，称一组图像中的任 一张图像为该组图像的一个“通道”。假设一组图像用G表示，则G中每一个通道用下式表示。
Figure DEST_PATH_IMAGE007
Figure 175976DEST_PATH_IMAGE008
分别表示一组图像G中的各个通道。以g=3为例，有：
Figure 110434DEST_PATH_IMAGE010
Figure DEST_PATH_IMAGE011
表示g=3时的实现特例。为了叙述清晰易懂，后文中对一组图像使用时均采用式 (2)的例子，通道数g的数值不会影响本发明方法的实施。
所述图像中高分子材料目标物的检测方法，构建神经网络模型实施检测，所述神经网络模型，为一逻辑上具备层次结构的数学运算模型，由确定的一组输入、确定的一组输出和隐藏层组成，输入值经隐藏层运算、映射后，得到输出值。为了叙述统一，一般又分别称神经网络模型的输入、输出为输入层、输出层。神经网络模型的每一层包括若干个变量，每个变量又称为一个节点；相邻层之间的节点存在数学映射关系。
本发明构建神经网络模型如下：
A.1神经网络模型的输入为一组图像
Figure 634956DEST_PATH_IMAGE012
，图像的每一个通道是大小为
Figure DEST_PATH_IMAGE013
的矩阵，
Figure 61390DEST_PATH_IMAGE014
表示图像的行数，
Figure DEST_PATH_IMAGE015
表示图像的列数，
Figure 204926DEST_PATH_IMAGE013
为 图像的分辨率。因此，神经网络模型输入层的节点数为
Figure 993891DEST_PATH_IMAGE016
。
A.2神经网络模型的输入层直接连接的下一层，为隐藏层的第一层（简称隐藏层 一），记为
Figure DEST_PATH_IMAGE017
；隐藏层的第一层包括16个大小为
Figure 954893DEST_PATH_IMAGE013
的矩阵，记为
Figure 337464DEST_PATH_IMAGE018
、
Figure DEST_PATH_IMAGE019
、…、
Figure 143746DEST_PATH_IMAGE020
。所谓连接，是指对上述16个矩阵中的每一个矩阵
Figure DEST_PATH_IMAGE021
，都存在一个映射
Figure 957856DEST_PATH_IMAGE022
，将输入层
Figure 558602DEST_PATH_IMAGE011
中的若干节点映射到隐藏层一中的矩阵
Figure 694048DEST_PATH_IMAGE021
的某一个节 点。其中
Figure DEST_PATH_IMAGE023
。符号“-”为连接符，非数学减号。
映射
Figure 710546DEST_PATH_IMAGE022
定义为一组从
Figure 474102DEST_PATH_IMAGE011
到
Figure 511329DEST_PATH_IMAGE017
的离散卷积变换：
Figure DEST_PATH_IMAGE025
(3)中，
Figure 134071DEST_PATH_IMAGE026
表示
Figure 282156DEST_PATH_IMAGE011
的一个通道g中坐标为(
Figure DEST_PATH_IMAGE027
)的像素值，g取值 为1、2、3。
Figure 539699DEST_PATH_IMAGE028
是卷积系数，卷积窗口为一个矩阵，(i,j)表示卷积系数在卷积窗口中的 坐标，由式(3)定义可知该窗口矩阵的大小为5x5。
Figure DEST_PATH_IMAGE029
表示线性偏置项，用于拟合线性模 型的偏置部分。根据定义
Figure 13406DEST_PATH_IMAGE023
，可知式(3)共定义了16组离散卷积变换，每组变换 包含5*5个卷积窗口参数
Figure 716920DEST_PATH_IMAGE030
与1个偏置项参数
Figure 544061DEST_PATH_IMAGE029
。每个离散卷积变换用于捕捉高分 子材料的局部像素特征。取时间相近的3张图像组成一组，并按式(3)方式建立卷积窗口，可 以避免单张图像的局部噪声，并提高像素的检测精度。
Figure DEST_PATH_IMAGE031
表示隐藏层一中矩阵
Figure 547790DEST_PATH_IMAGE021
的 坐标，
Figure 802184DEST_PATH_IMAGE032
表示
Figure 992994DEST_PATH_IMAGE021
矩阵坐标为
Figure 482882DEST_PATH_IMAGE031
的元素值。
为表述一致，下文中所有映射表达式中，用
Figure DEST_PATH_IMAGE033
表示映射变换窗口中坐标，用
Figure 216482DEST_PATH_IMAGE031
表示映射目标矩阵中坐标。
A.3隐藏层一直接连接的下一层，定义为隐藏层的第二层，简称隐藏层二，记为
Figure 766412DEST_PATH_IMAGE034
；
Figure 444518DEST_PATH_IMAGE034
包括8个大小为
Figure 111998DEST_PATH_IMAGE013
的矩阵，记为
Figure DEST_PATH_IMAGE035
、
Figure 90318DEST_PATH_IMAGE036
、…、
Figure DEST_PATH_IMAGE037
。直接连接是指对上述 8个矩阵中的每一个矩阵
Figure 686516DEST_PATH_IMAGE038
，都存在一个映射
Figure DEST_PATH_IMAGE039
，将
Figure 117497DEST_PATH_IMAGE017
中的若干节点 映射到
Figure 824553DEST_PATH_IMAGE034
中的矩阵
Figure 391801DEST_PATH_IMAGE038
的某一个节点。其中
Figure 17954DEST_PATH_IMAGE040
。
映射
Figure 811598DEST_PATH_IMAGE039
定义为如下的一组离散卷积变换：
Figure DEST_PATH_IMAGE041
式(4)中，
Figure 712558DEST_PATH_IMAGE042
表示
Figure 868732DEST_PATH_IMAGE017
中矩阵
Figure DEST_PATH_IMAGE043
坐标为
Figure 836426DEST_PATH_IMAGE044
的元素值，
Figure DEST_PATH_IMAGE045
是卷积系数，
Figure 851787DEST_PATH_IMAGE033
是系数在5*5卷积窗口中的坐标，k表示
Figure 556437DEST_PATH_IMAGE017
中矩阵的下标，
Figure 832698DEST_PATH_IMAGE046
表示线性偏置项。
Figure DEST_PATH_IMAGE047
表示
Figure 207179DEST_PATH_IMAGE038
矩阵坐标为
Figure 568890DEST_PATH_IMAGE031
的元素值。
Figure 546073DEST_PATH_IMAGE048
为一非线性函数：
Figure 552206DEST_PATH_IMAGE050
Figure DEST_PATH_IMAGE051
表示反正切三角函数，min表示数学运算取两者的最小值，
Figure 222222DEST_PATH_IMAGE052
是经验参 数，优选
Figure DEST_PATH_IMAGE053
。上述非线性函数使神经网络能够对非线性数据样本实现分类，并通过 参数
Figure 976289DEST_PATH_IMAGE052
对函数的分段调整，使函数对像素分类的效果更好。
A.4隐藏层二直接连接的下一层，定义为隐藏层的第三层，简称隐藏层三，记为
Figure 491584DEST_PATH_IMAGE054
；
Figure 742437DEST_PATH_IMAGE054
包括8个大小为
Figure DEST_PATH_IMAGE055
的矩阵，记为
Figure 458720DEST_PATH_IMAGE056
、
Figure DEST_PATH_IMAGE057
、…、
Figure 201548DEST_PATH_IMAGE058
。连接是指对上述8个矩阵 中的每一个矩阵
Figure DEST_PATH_IMAGE059
，都存在一个映射
Figure 786114DEST_PATH_IMAGE060
，将
Figure 891473DEST_PATH_IMAGE034
中的若干节点映射到
Figure 778657DEST_PATH_IMAGE054
中的矩阵
Figure 336678DEST_PATH_IMAGE059
的某一个节点。其中
Figure DEST_PATH_IMAGE061
。
映射
Figure 98835DEST_PATH_IMAGE060
定义为如下的一组变换：
Figure DEST_PATH_IMAGE063
式(6)中，
Figure 324280DEST_PATH_IMAGE064
表示
Figure 382366DEST_PATH_IMAGE034
中矩阵
Figure DEST_PATH_IMAGE065
坐标为
Figure 958841DEST_PATH_IMAGE066
的元素 值，变换窗口的大小为4*4，max表示在4*4窗口中的16个值里取最大值，k表示
Figure 619629DEST_PATH_IMAGE034
中矩阵的 下标。
Figure DEST_PATH_IMAGE067
表示
Figure 840526DEST_PATH_IMAGE059
矩阵坐标为
Figure 194147DEST_PATH_IMAGE031
的元素值。
Figure 602126DEST_PATH_IMAGE048
定义同上。
隐藏层三降低了隐藏层二在空间上的尺度为源矩阵的1/4，尺度降低后，每个元素代表的图像空间范围更广，因此可以描述图像空间更宏观的特征。
A.5隐藏层三直接连接的下一层，定义为隐藏层的第四层，简称隐藏层四，记为
Figure 66605DEST_PATH_IMAGE068
；
Figure 1063DEST_PATH_IMAGE068
包括1个大小为
Figure 899487DEST_PATH_IMAGE055
的矩阵，记为
Figure DEST_PATH_IMAGE069
。连接是指存在一个映射
Figure 184974DEST_PATH_IMAGE070
，将
Figure 328511DEST_PATH_IMAGE054
中的若干节点映射到
Figure 117475DEST_PATH_IMAGE068
中的矩阵
Figure 812899DEST_PATH_IMAGE069
的某一个节点。
映射
Figure 54524DEST_PATH_IMAGE070
定义为如下的一组变换：
Figure DEST_PATH_IMAGE071
式(7)中，
Figure 267331DEST_PATH_IMAGE072
表示
Figure 176381DEST_PATH_IMAGE054
中矩阵
Figure DEST_PATH_IMAGE073
坐标为
Figure 918072DEST_PATH_IMAGE044
的元素值，变 换窗口的大小为5*5，k表示
Figure 178152DEST_PATH_IMAGE054
中矩阵的下标。
Figure 896447DEST_PATH_IMAGE074
表示
Figure 660004DEST_PATH_IMAGE069
矩阵坐标为
Figure 431651DEST_PATH_IMAGE031
的元素 值。
Figure DEST_PATH_IMAGE075
表示线性偏置项。
Figure 54393DEST_PATH_IMAGE048
定义同上。
式(7)映射的目标
Figure 468057DEST_PATH_IMAGE068
为其前续隐藏层元素的卷积核，构建了不同隐藏层之间的相 关性。
A.6隐藏层四直接连接的下一层，定义为输出层O；
Figure 86120DEST_PATH_IMAGE076
定义为1个大小为
Figure 169614DEST_PATH_IMAGE013
的矩阵。连接是指存在一个映射
Figure DEST_PATH_IMAGE077
，将
Figure 138707DEST_PATH_IMAGE068
中的若干节点映 射到O中的某一个节点。
映射
Figure 824903DEST_PATH_IMAGE077
定义为如下的一组变换：
Figure DEST_PATH_IMAGE079
式(8)中，
Figure 703998DEST_PATH_IMAGE080
表示矩阵
Figure 817447DEST_PATH_IMAGE069
坐标为
Figure DEST_PATH_IMAGE081
的元素值，
Figure 936754DEST_PATH_IMAGE082
符号表示向 下取距离
Figure DEST_PATH_IMAGE083
最近的整数数学符号。
Figure 692221DEST_PATH_IMAGE084
表示矩阵O坐标为
Figure 160242DEST_PATH_IMAGE031
的元素值。
Figure 710172DEST_PATH_IMAGE048
定义同上。
矩阵O与输入源图像等尺寸，并且像素坐标之间一一对应。约定矩阵O中坐标为
Figure 653858DEST_PATH_IMAGE031
的元素的取值为：如果输入的一组图像的首张图像
Figure DEST_PATH_IMAGE085
中坐标为
Figure 822802DEST_PATH_IMAGE031
的像素属于高分 子材料目标物，取值为1；否则，取值为0。
利用A.1-A.6所述模型，当输入一组检测图像时，模型将输出一等尺寸矩阵，矩阵每个位置的值代表输入图像对应位置上的像素是否属于高分子材料目标物，故可以自动检测出高分子材料目标物在图像中的位置。当高分子材料受到拉伸发生形变时，其在图像中像素分布也随之发生变化，可被上述方法检测出。故可通过图像像素的变化检测材料形变参数，并进一步推算性能。
上述神经网络模型中，各层映射中未知参数通过自主学习获得。准备若干组包含高分子材料的训练样本图像，并对每幅样本图像逐像素进行标记，若该像素属于高分子材料的一部分，标记为1，否则标记为0。将所有训练样本图像代入A.1-A.6所述模型，并计算预期值和真实值之差：
Figure DEST_PATH_IMAGE087
其中，
Figure 535543DEST_PATH_IMAGE088
为一幅图像根据模型计算输出的预期值，
Figure DEST_PATH_IMAGE089
表示训练 样本图像标记的真实值。参数
Figure 662899DEST_PATH_IMAGE090
用于平抑噪声，作为优选值取
Figure DEST_PATH_IMAGE091
。代入所有训练 样本图像，并通过BP算法求取式(9)的最优解，可求得神经网络模型A.1-A.6中所述各项参 数。并进一步使用模型对性能检测过程中采集的输入图像进行检测。
步骤3：利用得到的标记矩阵以及其对应图像的采集时间，计算一定时序内材料的形变参数。
根据步骤2所述输出的高分子材料目标物标记矩阵，对任一图像采集时间的图像进行检测，并输出对应时间材料的性能检测结果。沿时序可获一组试验检测结果，作为高分子材料在试验过程中形变性能是否满足要求的依据。
步骤2所述神经网络模型的输出高分子材料目标物标记矩阵
Figure 467782DEST_PATH_IMAGE084
为一个二值矩 阵，代表着高分子材料在图像中对应区域。为了获取材料的形状，采用Canny算法对
Figure 565051DEST_PATH_IMAGE084
进行边缘提取，可以获得一封闭曲线E，代表高分子材料的边缘。
通过对该边缘的任一点进行曲率检测等计算，即可获得材料的形变参数。由此，可以对任意时间段内的形变情况进行评估。
表1给出了通过本发明方法测量高分子材料四向拉伸形变的误差值，可见本发明方法的相对误差值在3%以下，精度较高。表2给出了本发明所提出的神经网络模型与经典神经网络图像检测模型的性能对比，可见本发明方法在材料像素检测率相当的前提下具有更高的计算效率。
表1、形变测量相对误差
Figure 866719DEST_PATH_IMAGE092
表2、图像检测模型对比
Figure DEST_PATH_IMAGE093
（三）本发明所使用的拉伸设备结构
拉伸设备包括夹持薄膜前后左右四个方向的左夹持装置L43、右夹持装置L42、前夹持装置L44、后夹持装置L41；
还包括位于薄膜左后外侧的左后外侧张力轮L21、位于薄膜左侧的左后转向轮L31，左后外侧的左后外侧张力轮L21缠绕的拉线通过左后转向轮L31连接至左夹持装置L43；
位于薄膜右后外侧的右后外侧张力轮L24、位于薄膜右侧的右后转向轮L33，右后外侧张力轮L24缠绕的拉线通过右后转向轮L33连接至右夹持装置L42；
位于薄膜左前外侧的左前外侧张力轮L25、位于薄膜左侧的左前转向轮L32，左前外侧张力轮L25缠绕的拉线通过左前转向轮L32连接至左夹持装置L43；
位于薄膜右前外侧的右前外侧张力轮L28、位于薄膜右侧的右前转向轮L34，右前外侧张力轮L28缠绕的拉线通过右前转向轮L34连接至右夹持装置L42；
位于薄膜左后内侧的左后内侧张力轮L22，通过拉线连接至后夹持装置L41；
位于薄膜右后内侧的右后内侧张力轮L23，通过拉线连接至后夹持装置L41；
位于薄膜左前内侧的左前内侧张力轮L26，通过拉线连接至前夹持装置L44；
位于薄膜右前内侧的右前内侧张力轮L27，通过拉线连接至前夹持装置L44；
位于薄膜左后侧的左后驱动轮L11，用于通过微小的位移，选择性地与左后外侧张力轮L21和/或左后内侧张力轮L22接触，从而驱动左后外侧张力轮L21和/或左后内侧张力轮L22；
位于薄膜右后侧的右后驱动轮L12，用于通过微小的位移，选择性地与右后内侧张力轮L23和/或右后外侧张力轮L24接触，从而驱动右后内侧张力轮L23和/或右后外侧张力轮L24；
位于薄膜左前侧的左前驱动轮L13，用于通过微小的位移，选择性地与左前外侧张力轮L25和/或左前内侧张力轮L26接触，从而驱动左前外侧张力轮L25和/或左前内侧张力轮L26；
位于薄膜右前侧的右前驱动轮L14，用于通过微小的位移，选择性地与右前内侧张力轮L27和/或右前外侧张力轮L28接触，从而驱动右前内侧张力轮L27和/或右前外侧张力轮L28；
本发明动力机构与夹持机构之间采用拉线传动，并且拉线结构进行特殊设计，使得其具有一定的弹性，在拉伸过程中，能够在一定程度上顺从薄膜的回弹性，如此拉伸出来的薄膜韧性更高，不易开裂或折断，能够避免现有技术在拉伸过程中刚性传力带来的薄膜力学特性不佳的技术问题。为此，拉线的结构为：包括刚性部和弹性部，其中弹性部位于两个刚性部之间。弹性部长度为整个拉线长度的1/5-1/10，弹性部的弹性模量为刚性部弹性模量的93%-97%，如此可以在拉伸过程中能够更加顺从膜材料本身的应变特性，提高膜在拉伸方向的韧性。作为一种实施例，刚性部可以采用钢索，弹性部也可以选择钢索，但钢索的编排方式不同，由此带来弹性模量的变化。
通过张力轮与拉升的配合，实现了具有一定弹性的拉伸操作，避免了刚性拉伸带来的薄膜性能劣化。特别是拉绳具有不同的结构组成，使其具有独特的弹性特性，在拉伸薄膜时能够在一定程度上顺从薄膜材料的弹性回收，从而使得最终拉伸得到的薄膜具有更佳的抗拉伸、抗断裂的性能。
还包括控制器，用于发出控制电机驱动相应的驱动轮转动。
上述设备的基本拉伸原理为：
由于本发明的设备是对称的，因此以部分设备结构为例，进行说明。可以理解，这种模式的切换原理也可以应用于其他部分。
当左后驱动轮L11向前移动与左后外侧张力轮L21和左后内侧张力轮L22接触时，驱动轮的转动可以同时驱动两个张力轮转动，从而带动相应拉线收紧，由此左夹持装置L43和后夹持装置L41被向外牵拉，它们所夹持的薄膜部分被沿对应拉线的方向向外拉伸。
当左后驱动轮L11向前向外移动，只与左后外侧张力轮L21接触而不与左后内侧张力轮L22接触时，驱动轮的转动可以同时驱动该左后外侧张力轮L21转动，从而带动相应拉线收紧，由此左夹持装置L43被向外牵拉，它所夹持的薄膜部分被沿对应拉线的方向向外拉伸。而此时后夹持装置L41不运动，即其所夹持的薄膜部分未被拉伸。
当左后驱动轮L11向前向内移动，只与左后内侧张力轮L22接触而不与左后外侧张力轮L21接触时，驱动轮的转动可以同时驱动该左后内侧张力轮L22转动，从而带动相应拉线收紧，由此后夹持装置L41被向外牵拉，它所夹持的薄膜部分被沿对应拉线的方向向外拉伸。而此时左夹持装置L43不运动，即其所夹持的薄膜部分未被拉伸。
如此，可以选择性地驱动左后外侧张力轮L21和/或左后内侧张力轮L22，从而对薄膜进行左向拉伸、后向拉伸或左后斜向（左后向同时）拉伸。
基于同样的道理，可以选择性地驱动右后外侧张力轮L24和/或右后内侧张力轮L23，从而对薄膜进行右向拉伸、后向拉伸或右后斜向（右后向同时）拉伸。
基于同样的道理，可以选择性地驱动左前外侧张力轮L25和/或左前内侧张力轮L26，从而对薄膜进行左向拉伸、前向拉伸或左前斜向（左前向同时）拉伸。
基于同样的道理，可以选择性地驱动右前外侧张力轮L28和/或右前内侧张力轮L27，从而对薄膜进行右向拉伸、前向拉伸或右前斜向（右前向同时）拉伸。
本领域技术人员应认识到，虽然本文已详尽示出和描述了本发明的多个示例性实施例，但是，在不脱离本发明精神和范围的情况下，仍可根据本发明公开的内容直接确定或推导出符合本发明原理的许多其他变型或修改。因此，本发明的范围应被理解和认定为覆盖了所有这些其他变型或修改。

Claims (10)

1.一种低密度轻量化聚酯膜拉伸工艺，其特征在于：包括
（一）基膜成膜工艺：将LDPE、VLDPE、PP原材料分别进行造粒后将LDPE颗粒、VLDPE颗粒、PP颗粒、纳米二氧化硅颗粒按质量比61.5%：25.5%：12.8%：0.2%充分混合搅拌均匀；将混合后的原料进行塑化、挤出，冷却定型后得到待拉伸的基膜；
（二）拉伸工艺流程
（1）将待拉伸的基膜被前夹持装置、后夹持装置、左夹持装置、右夹持装置夹持固定在拉伸设备上；
（2）微调左后驱动轮和右后驱动轮使它们分别接触左后内侧张力轮和右后内侧张力轮，驱动左后内侧张力轮和右后内侧张力轮，使得后夹持装置后移动；同时微调左前驱动轮和右前驱动轮, 使它们分别接触左前内侧张力轮和右前内侧张力轮，驱动左前内侧张力轮和右前内侧张力轮，使得前夹持装置向前移动，实现长度拉伸；
（3）同时微调左后驱动轮和左前驱动轮使它们分别接触左后外侧张力轮和左前外侧张力轮，驱动左后外侧张力轮和左前外侧张力轮，使得左夹持装置向左移动；同时微调右后驱动轮和右前驱动轮, 使它们分别接触右后外侧张力轮和右前外侧张力轮，驱动右后外侧张力轮和右前外侧张力轮，使得右夹持装置向右移动，实现宽度拉伸；
（4）左后驱动轮同时驱动左后外侧张力轮和左后内侧张力轮，使得左夹持装置向左移动，后夹持装置向后移动，从而实现沿左后方向斜向的拉伸；右后驱动轮同时驱动右后外侧张力轮和右后内侧张力轮，使得右夹持装置向右移动，后夹持装置向后移动，从而实现沿右后方向斜向的拉伸；左前驱动轮同时驱动左前外侧张力轮和左前内侧张力轮，使得左夹持装置向左移动，前夹持装置向前移动，从而实现沿左前方向斜向的拉伸；右前驱动轮同时驱动右前外侧张力轮和右前内侧张力轮，使得右夹持装置向右移动，前夹持装置向前移动，从而实现沿右前方向斜向的拉伸，具体实现方式包括：
微调左后驱动轮，使它与左后外侧张力轮、左后内侧张力轮接触，设定左后斜向拉伸比Q1后启动左后斜向拉伸模式，根据拉伸判定结果完成左后斜向拉伸；同样道理，依次微调右后驱动轮，根据右后拉伸比Q2进行右后斜向拉伸；微调左前驱动轮，根据左前拉伸比Q3进行左前斜向拉伸；微调右前驱动轮，根据右前拉伸比进行右前斜向拉伸；
（三）拉伸检测
利用神经网络模型对拉伸过程中的图像进行判别，从而确定拉伸是否符合预期要求；
其中，神经网络模型中的非线性函数为：
Figure DEST_PATH_IMAGE002
上述非线性函数使神经网络能够对非线性数据样本实现分类，并通过参数
Figure DEST_PATH_IMAGE004
对函数的分段调整。
2.如权利要求1所述的一种低密度轻量化聚酯膜拉伸工艺，其特征在于：还包括在上述拉伸过程中，利用摄像机实时拍摄检测薄膜被拉伸的图像，并利用神经网络模型进行拉伸结果的判别，在符合预定拉伸结果后，停止拉伸动作。
3.如权利要求2所述的一种低密度轻量化聚酯膜拉伸工艺，其特征在于：在停止拉伸动作后，保持相应的夹持装置位置不动，维持一定时间，后撤掉夹持装置，继续用摄像机拍摄此时薄膜图像，并利用神经网络模型进行拉伸结果的判别，若依然符合预定拉伸结果，则工艺流程结束。
4.如权利要求1所述的一种低密度轻量化聚酯膜拉伸工艺，其特征在于：挤出温度为160-190℃。
5.如权利要求1所述的一种低密度轻量化聚酯膜拉伸工艺，其特征在于：位于薄膜左后侧的左后驱动轮，用于通过微小的位移，选择性地驱动左后内侧张力轮和左后外侧张力轮中至少一个。
6.如权利要求1所述的一种低密度轻量化聚酯膜拉伸工艺，其特征在于：位于薄膜右后侧的右后驱动轮，用于通过微小的位移，选择性地驱动右后外侧张力轮和右后内侧张力轮中至少一个。
7.如权利要求1所述的一种低密度轻量化聚酯膜拉伸工艺，其特征在于：位于薄膜左前侧的左前驱动轮，用于通过微小的位移，选择性地驱动左前内侧张力轮和左前外侧张力轮中至少一个。
8.如权利要求1所述的一种低密度轻量化聚酯膜拉伸工艺，其特征在于：位于薄膜右前侧的右前驱动轮，用于通过微小的位移，选择性地驱动右前外侧张力轮和右前内侧张力轮中至少一个。
9.如权利要求1所述的一种低密度轻量化聚酯膜拉伸工艺，其特征在于：每个张力轮与对应夹持装置之间通过拉线连接。
10.如权利要求9所述的一种低密度轻量化聚酯膜拉伸工艺，其特征在于：拉线包括刚性部和弹性部。
CN202210526228.9A 2022-05-16 2022-05-16 一种低密度轻量化聚酯膜拉伸工艺 Active CN114619659B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210526228.9A CN114619659B (zh) 2022-05-16 2022-05-16 一种低密度轻量化聚酯膜拉伸工艺

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210526228.9A CN114619659B (zh) 2022-05-16 2022-05-16 一种低密度轻量化聚酯膜拉伸工艺

Publications (2)

Publication Number Publication Date
CN114619659A CN114619659A (zh) 2022-06-14
CN114619659B true CN114619659B (zh) 2022-09-02

Family

ID=81906989

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210526228.9A Active CN114619659B (zh) 2022-05-16 2022-05-16 一种低密度轻量化聚酯膜拉伸工艺

Country Status (1)

Country Link
CN (1) CN114619659B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012081500A1 (ja) * 2010-12-17 2012-06-21 富士フイルム株式会社 ポリエステルフィルムおよびポリエステルフィルムの製造方法、太陽電池用バックシート、ならびに太陽電池モジュール
CN112507625A (zh) * 2020-12-21 2021-03-16 北京理工大学 一种利用神经网络预测平流层飞艇蒙皮材料变形的方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3726456B2 (ja) * 1997-11-05 2005-12-14 東レ株式会社 同時二軸延伸ポリエステルフィルムおよびその製造方法
CN104132853A (zh) * 2014-08-07 2014-11-05 中国科学技术大学 一种温控高速大应变薄膜双向拉伸装置及其实验方法
CN208576180U (zh) * 2018-06-13 2019-03-05 广东汉能薄膜太阳能有限公司 拉伸台
CN112192832A (zh) * 2020-09-21 2021-01-08 广州市普同实验分析仪器有限公司 薄膜拉伸装置
CN111933870B (zh) * 2020-10-13 2020-12-22 河南银金达新材料股份有限公司 一种分布均匀的膜及其二维拉伸制备方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012081500A1 (ja) * 2010-12-17 2012-06-21 富士フイルム株式会社 ポリエステルフィルムおよびポリエステルフィルムの製造方法、太陽電池用バックシート、ならびに太陽電池モジュール
CN112507625A (zh) * 2020-12-21 2021-03-16 北京理工大学 一种利用神经网络预测平流层飞艇蒙皮材料变形的方法

Also Published As

Publication number Publication date
CN114619659A (zh) 2022-06-14

Similar Documents

Publication Publication Date Title
JP2008170981A (ja) レンズ光学系の偏芯調整方法及び装置並びにプログラム
CN112731925B (zh) 用于无人驾驶方程式赛车锥桶识别和路径规划及控制方法
CN113762358B (zh) 一种基于相对深度训练的半监督学习三维重建方法
US7589830B2 (en) Method for testing a lens and positioning the lens relative to an image sensor
CN110895807A (zh) 用于评估图像的系统、运行辅助方法和工作设备
CN111709980A (zh) 基于深度学习的多尺度图像配准方法和装置
CN111027415B (zh) 一种基于偏振图像的车辆检测方法
KR20200039047A (ko) 필름 결함 검출 방법 및 시스템
CN108169241A (zh) 一种生产流水线产品的图像采集方法
CN114619659B (zh) 一种低密度轻量化聚酯膜拉伸工艺
CN114170286B (zh) 一种基于无监督深度学习的单目深度估计方法
CN112270691B (zh) 一种基于动态滤波器网络的单目视频结构和运动预测方法
CN113222940A (zh) 一种基于rgb-d图像和cad模型的机器人自动抓取工件方法
KR20090002685A (ko) 오토 포커싱 장치 및 방법
CN116128980A (zh) 基于自编码器的相机内外参自动标定方法及系统
CN114633460B (zh) 一种聚酯膜的多向拉伸设备
CN115170545A (zh) 一种动态熔池尺寸检测及成形方向判别方法
CN114821328A (zh) 一种基于完全学习的电力图像处理方法及装置
CN114605687A (zh) 一种抗老化聚酯膜材料的制备方法
CN114654710B (zh) 一种高分子复合多层材料的拉伸设备
CN116109538A (zh) 一种基于简单门单元特征提取的图像融合方法
CN114743105A (zh) 一种基于跨模态知识蒸馏的深度特权视觉里程计方法
CN110095472B (zh) 基于hdri的高反光金属表面缺陷检测方法及系统
CN114608558A (zh) 基于特征匹配网络的slam方法、系统、设备及存储介质
CN113450312A (zh) 一种基于ResNet64网络的披锋缺陷的检测系统及方法

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
GR01 Patent grant
GR01 Patent grant