CN114633460A - 一种聚酯膜的多向拉伸设备 - Google Patents

一种聚酯膜的多向拉伸设备 Download PDF

Info

Publication number
CN114633460A
CN114633460A CN202210526226.XA CN202210526226A CN114633460A CN 114633460 A CN114633460 A CN 114633460A CN 202210526226 A CN202210526226 A CN 202210526226A CN 114633460 A CN114633460 A CN 114633460A
Authority
CN
China
Prior art keywords
film
tension
wheel
stretching
clamping device
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.)
Granted
Application number
CN202210526226.XA
Other languages
English (en)
Other versions
CN114633460B (zh
Inventor
李国庆
李沅鸿
张启纲
蔡文彬
李航
陈宝同
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 CN202210526226.XA priority Critical patent/CN114633460B/zh
Publication of CN114633460A publication Critical patent/CN114633460A/zh
Application granted granted Critical
Publication of CN114633460B publication Critical patent/CN114633460B/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
    • 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
    • B29C55/04—Shaping by stretching, e.g. drawing through a die; Apparatus therefor of plates or sheets uniaxial, e.g. oblique
    • B29C55/045—Shaping by stretching, e.g. drawing through a die; Apparatus therefor of plates or sheets uniaxial, e.g. oblique in a direction which is not parallel or transverse to the direction of feed, e.g. oblique
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
    • B29L—INDEXING SCHEME ASSOCIATED WITH SUBCLASS B29C, RELATING TO PARTICULAR ARTICLES
    • B29L2007/00—Flat articles, e.g. films or sheets
    • B29L2007/002—Panels; Plates; Sheets
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
    • Y02A40/10—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in agriculture
    • Y02A40/25—Greenhouse technology, e.g. cooling systems therefor

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Mechanical Engineering (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Shaping By String And By Release Of Stress In Plastics And The Like (AREA)

Abstract

一种聚酯膜的多向拉伸设备，具有多个驱动轮、张力轮和夹持装置。位于不同位置的驱动轮可以驱动相应位置的张力轮转动，从而收紧拉线，拉动夹持装置向外移动，从而实现膜拉伸。本发明可以通过驱动轮的不同驱动方式实现多个方向的拉伸。

Description

一种聚酯膜的多向拉伸设备
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多向拉伸设备。
背景技术
高分子聚酯材料的拉伸是聚酯成膜的步骤之一，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，现有技术中通过提高拉伸设备的控制精度来解决上述问题。然而，控制精度的提高必然带来成本的大幅度增加，其次控制精度在现有技术条件下无法无限制提高。
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，由于聚酯材料大多具有一定弹性，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，现有拉伸设备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，但这也带来了薄膜斜向力学性能下降的问题。
另一方面，拉伸性能指标是高分子材料基本的性能指标。在使用机器视觉方式进行检测时，通常需要利用颜料进行标定，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
一种聚酯膜的多向拉伸设备，包括：
位于膜左后外侧的张力轮、位于膜左侧的转向轮，左后外侧的张力轮缠绕的拉线通过左侧的转向轮连接至左夹持装置；
位于膜右后外侧的张力轮、位于膜右侧的转向轮，右后外侧的张力轮缠绕的拉线通过右侧的转向轮连接至右夹持装置；
位于膜左前外侧的张力轮、位于膜左侧的另一转向轮，左前外侧的张力轮缠绕的拉线通过左侧的另一转向轮连接至左夹持装置；
位于膜右前外侧的张力轮、位于膜右侧的另一转向轮，右前外侧的张力轮缠绕的拉线通过右侧的另一转向轮连接至右夹持装置；
位于膜左后内侧的张力轮，通过拉线连接至后夹持装置；
位于膜右后内侧的张力轮，通过拉线连接至后夹持装置；
位于膜左前内侧的张力轮，通过拉线连接至后夹持装置；
位于膜右前内侧的张力轮，通过拉线连接至后夹持装置；
拉线包括刚性部和弹性部。
包括摄像机，设置在待拉伸基膜上部，用于连续实时拍摄基膜在拉伸过程中的一系列图像。
还包括处理器，用于接收摄像机采集的一系列图像，并利用神经网络模型对图像进行判别，从而确定拉伸是否符合预期要求。
刚性部和弹性部弹性模量不同。
其中弹性部位于两个刚性部之间。
位于膜左后侧的驱动轮，用于通过微小的位移，选择性地与位于膜左后侧的两个张力轮中至少一个接触。
位于膜右后侧的驱动轮，用于通过微小的位移，选择性地与位于膜右后侧的两个张力轮中至少一个接触。
位于膜左前侧的驱动轮，用于通过微小的位移，选择性地与位于膜左前侧的两个张力轮中至少一个接触。
位于膜右前侧的驱动轮，用于通过微小的位移，选择性地与位于膜右前侧的两个张力轮中至少一个接触。
驱动轮由电机驱动。
还包括控制器，用于控制电机。
本发明的发明点及技术效果：
1、提出通过多个驱动轮和张力轮的配合，实现移动不同位置驱动轮即可实现横纵斜向等不同方向的拉伸操作，并最终可实现横纵双向，及4个斜向的拉伸。同时提出一种多向拉伸的方法，能够使得成膜后在斜向方向具有较好的抗拉性能。
2、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。
3、采用机器视觉的方式进行图像采集，并且设计专用神经网络进行拉伸判别，更加准确、简便，能够直接用于生产线中。
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。
具体实施方式
（一）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。
还包括控制器，用于发出控制电机驱动相应的驱动轮转动。
还包括摄像机，设置在待拉伸基膜上部，用于连续实时拍摄基膜在拉伸过程中的一系列图像。
还包括处理器，用于接收摄像机采集的一系列图像，并利用神经网络模型对图像进行判别，从而确定拉伸是否符合预期要求。可以理解，处理器可以为在生产线现场设置的处理器模块，也可以为远程平台。
（二）拉伸方法
1、拉伸模式的切换原理
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。
2、拉伸模式
（1）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。
（2）左右双向拉伸
同时驱动左后外侧左后外侧张力轮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。
（3）斜向拉伸
左后驱动轮L11同时驱动左后外侧左后外侧张力轮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。
（三）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 896923DEST_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 17326DEST_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 203588DEST_PATH_IMAGE002
均匀采集，并且
Figure 129956DEST_PATH_IMAGE003
.表示
Figure 350852DEST_PATH_IMAGE002
的时长远小于
Figure 704473DEST_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 378031DEST_PATH_IMAGE004
分钟，
Figure 108090DEST_PATH_IMAGE005
秒，每隔
Figure 449073DEST_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 848961DEST_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 134449DEST_PATH_IMAGE006
Figure 543565DEST_PATH_IMAGE007
分别表示一组图像G中的各个通道。以g=3为例，有：
Figure 598108DEST_PATH_IMAGE008
Figure DEST_PATH_IMAGE009
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 965636DEST_PATH_IMAGE010
，图像的每一个通道是大小为
Figure 613786DEST_PATH_IMAGE011
的矩阵，
Figure 420068DEST_PATH_IMAGE012
表示图像的行数，
Figure 470063DEST_PATH_IMAGE013
表示图像的列数，
Figure 336388DEST_PATH_IMAGE011
为 图像的分辨率。因此，神经网络模型输入层的节点数为
Figure 471834DEST_PATH_IMAGE014
。
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；隐藏层的第一层包括16个大小为的矩阵，记为、、…、。所谓连接，是指对上述16个矩阵中的每一个矩阵，都存在一个映射，将输入层中的若干节点映射到隐藏层一中的矩阵的某一个节点。其中。符号“-”为连接符，非数学减号。
映射定义为一组从到的离散卷积变换：
Figure 81807DEST_PATH_IMAGE015
(3)中，
Figure 986309DEST_PATH_IMAGE016
表示
Figure 289115DEST_PATH_IMAGE009
的一个通道g中坐标为(
Figure 646278DEST_PATH_IMAGE017
)的像素值，g取值 为1、2、3。
Figure 200887DEST_PATH_IMAGE018
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 84530DEST_PATH_IMAGE019
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 433602DEST_PATH_IMAGE020
，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 402695DEST_PATH_IMAGE021
与1个偏置项参数
Figure 229837DEST_PATH_IMAGE019
。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 233565DEST_PATH_IMAGE022
表示隐藏层一中矩阵
Figure 753539DEST_PATH_IMAGE023
的 坐标，
Figure 616453DEST_PATH_IMAGE024
表示
Figure 371920DEST_PATH_IMAGE023
矩阵坐标为
Figure 839941DEST_PATH_IMAGE022
的元素值。
为表述一致，下文中所有映射表达式中，用
Figure 655450DEST_PATH_IMAGE025
表示映射变换窗口中坐标，用
Figure 740081DEST_PATH_IMAGE022
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 299238DEST_PATH_IMAGE026
；
Figure 887346DEST_PATH_IMAGE026
包括8个大小为
Figure 608177DEST_PATH_IMAGE011
的矩阵，记为
Figure 937962DEST_PATH_IMAGE027
、
Figure 35231DEST_PATH_IMAGE028
、…、
Figure 743424DEST_PATH_IMAGE029
。直接连接是指对上述 8个矩阵中的每一个矩阵
Figure 635157DEST_PATH_IMAGE030
，都存在一个映射
Figure 428800DEST_PATH_IMAGE031
，将
Figure 329760DEST_PATH_IMAGE032
中的若干节点 映射到
Figure 626881DEST_PATH_IMAGE026
中的矩阵
Figure 955094DEST_PATH_IMAGE030
的某一个节点。其中
Figure 970454DEST_PATH_IMAGE033
。
映射
Figure 675105DEST_PATH_IMAGE031
定义为如下的一组离散卷积变换：
Figure 357890DEST_PATH_IMAGE034
式(4)中，
Figure 732371DEST_PATH_IMAGE035
表示
Figure 359661DEST_PATH_IMAGE032
中矩阵
Figure 477790DEST_PATH_IMAGE036
坐标为
Figure 874136DEST_PATH_IMAGE037
的元素值，
Figure 419518DEST_PATH_IMAGE038
是卷积系数，
Figure 534105DEST_PATH_IMAGE025
是系数在5*5卷积窗口中的坐标，k表示
Figure 190345DEST_PATH_IMAGE032
中矩阵的下标，
Figure 706777DEST_PATH_IMAGE039
表示线性偏置项。
Figure 423061DEST_PATH_IMAGE040
表示
Figure 24943DEST_PATH_IMAGE030
矩阵坐标为
Figure 750454DEST_PATH_IMAGE022
的元素值。
为一非线性函数：
表示反正切三角函数，min表示数学运算取两者的最小值，是经验参数，优选。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；包括8个大小为的矩阵，记为、、…、。连接是指对上述8个矩阵中的每一个矩阵，都存在一个映射，将中的若干节点映射到中的矩阵的某一个节点。其中。
映射定义为如下的一组变换：
式(6)中，
Figure 121392DEST_PATH_IMAGE041
表示
Figure 8577DEST_PATH_IMAGE026
中矩阵
Figure 832176DEST_PATH_IMAGE042
坐标为
Figure 95798DEST_PATH_IMAGE043
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 321243DEST_PATH_IMAGE026
中矩阵的 下标。
Figure 379329DEST_PATH_IMAGE044
表示
Figure 955804DEST_PATH_IMAGE045
矩阵坐标为
Figure 757538DEST_PATH_IMAGE022
的元素值。
Figure 837490DEST_PATH_IMAGE046
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 332056DEST_PATH_IMAGE047
；
Figure 130248DEST_PATH_IMAGE047
包括1个大小为
Figure 735672DEST_PATH_IMAGE048
的矩阵，记为
Figure 670130DEST_PATH_IMAGE049
。连接是指存在一个映射
Figure 335598DEST_PATH_IMAGE050
，将
Figure 621086DEST_PATH_IMAGE051
中的若干节点映射到
Figure 764622DEST_PATH_IMAGE047
中的矩阵
Figure 819166DEST_PATH_IMAGE049
的某一个节点。
映射
Figure 655535DEST_PATH_IMAGE050
定义为如下的一组变换：
Figure 303685DEST_PATH_IMAGE052
式(7)中，
Figure 375546DEST_PATH_IMAGE053
表示
Figure 425542DEST_PATH_IMAGE051
中矩阵
Figure 291867DEST_PATH_IMAGE054
坐标为
Figure 427313DEST_PATH_IMAGE037
的元素值，变 换窗口的大小为5*5，k表示
Figure 37286DEST_PATH_IMAGE051
中矩阵的下标。
Figure 941788DEST_PATH_IMAGE055
表示
Figure 979014DEST_PATH_IMAGE049
矩阵坐标为
Figure 601757DEST_PATH_IMAGE022
的元素 值。
Figure 15420DEST_PATH_IMAGE056
表示线性偏置项。
Figure 774429DEST_PATH_IMAGE046
定义同上。
式(7)映射的目标
Figure 248136DEST_PATH_IMAGE047
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；定义为1个大小为的矩阵。连接是指存在一个映射，将中的若干节点映射到O中的某一个节点。
映射定义为如下的一组变换：
式(8)中，表示矩阵坐标为的元素值，符号表示向下取距离最近的整数数学符号。表示矩阵O坐标为的元素值。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中坐标为的元素的取值为：如果输入的一组图像的首张图像中坐标为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：
其中，
Figure 623753DEST_PATH_IMAGE057
为一幅图像根据模型计算输出的预期值，
Figure 450895DEST_PATH_IMAGE058
表示训练 样本图像标记的真实值。参数
Figure 454623DEST_PATH_IMAGE059
用于平抑噪声，作为优选值取
Figure 709018DEST_PATH_IMAGE060
。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 165407DEST_PATH_IMAGE061
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 796240DEST_PATH_IMAGE061
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。
Figure 654474DEST_PATH_IMAGE062
本发明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。
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)

1.一种聚酯膜的多向拉伸设备，其特征在于：包括
位于膜左后外侧的张力轮、位于膜左侧的转向轮，左后外侧的张力轮缠绕的拉线通过左侧的转向轮连接至左夹持装置；
位于膜右后外侧的张力轮、位于膜右侧的转向轮，右后外侧的张力轮缠绕的拉线通过右侧的转向轮连接至右夹持装置；
位于膜左前外侧的张力轮、位于膜左侧的另一转向轮，左前外侧的张力轮缠绕的拉线通过左侧的另一转向轮连接至左夹持装置；
位于膜右前外侧的张力轮、位于膜右侧的另一转向轮，右前外侧的张力轮缠绕的拉线通过右侧的另一转向轮连接至右夹持装置；
位于膜左后内侧的张力轮，通过拉线连接至后夹持装置；
位于膜右后内侧的张力轮，通过拉线连接至后夹持装置；
位于膜左前内侧的张力轮，通过拉线连接至后夹持装置；
位于膜右前内侧的张力轮，通过拉线连接至后夹持装置；
拉线包括刚性部和弹性部；
包括摄像机，设置在待拉伸基膜上部，用于连续实时拍摄基膜在拉伸过程中的一系列图像；
还包括处理器，用于接收摄像机采集的一系列图像，并利用神经网络模型对图像进行判别，从而确定拉伸是否符合预期要求。
2.如权利要求1所述的一种聚酯膜的多向拉伸设备，其特征在于：刚性部和弹性部具有不同弹性模量。
3.如权利要求2所述的一种聚酯膜的多向拉伸设备，其特征在于：其中弹性部位于两个刚性部之间。
4.如权利要求1所述的一种聚酯膜的多向拉伸设备，其特征在于：位于膜左后侧的驱动轮，用于通过微小的位移，选择性地与位于膜左后侧的两个张力轮中至少一个接触。
5.如权利要求1所述的一种聚酯膜的多向拉伸设备，其特征在于：位于膜右后侧的驱动轮，用于通过微小的位移，选择性地与位于膜右后侧的两个张力轮中至少一个接触。
6.如权利要求1所述的一种聚酯膜的多向拉伸设备，其特征在于：位于膜左前侧的驱动轮，用于通过微小的位移，选择性地与位于膜左前侧的两个张力轮中至少一个接触。
7.如权利要求1所述的一种聚酯膜的多向拉伸设备，其特征在于：位于膜右前侧的驱动轮，用于通过微小的位移，选择性地与位于膜右前侧的两个张力轮中至少一个接触。
8.如权利要求1所述的一种聚酯膜的多向拉伸设备，其特征在于：驱动轮由电机驱动。
9.如权利要求8所述的一种聚酯膜的多向拉伸设备，其特征在于：还包括控制器，用于控制电机。
10.一种聚酯膜的多向拉伸方法，其特征在于：操作上述权利要求1-9任一一种聚酯膜的多向拉伸设备。
CN202210526226.XA 2022-05-16 2022-05-16 一种聚酯膜的多向拉伸设备 Active CN114633460B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210526226.XA CN114633460B (zh) 2022-05-16 2022-05-16 一种聚酯膜的多向拉伸设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210526226.XA CN114633460B (zh) 2022-05-16 2022-05-16 一种聚酯膜的多向拉伸设备

Publications (2)

Publication Number Publication Date
CN114633460A true CN114633460A (zh) 2022-06-17
CN114633460B CN114633460B (zh) 2022-09-02

Family

ID=81953106

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210526226.XA Active CN114633460B (zh) 2022-05-16 2022-05-16 一种聚酯膜的多向拉伸设备

Country Status (1)

Country Link
CN (1) CN114633460B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB892490A (en) * 1957-11-29 1962-03-28 Montedison Spa Method and apparatus for stretching films of thermoplastic materials
US3114929A (en) * 1959-12-12 1963-12-24 Bayer Ag Apparatus for the continuous biaxial stretching of a traveling sheet
US4261944A (en) * 1975-06-25 1981-04-14 Lever Brothers Company Method for the manufacture of biaxially stretched polyolefin film
TW204314B (zh) * 1990-08-23 1993-04-21 Nippon Petrochemicals Co Ltd
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
CN204008323U (zh) * 2014-08-07 2014-12-10 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
CN110843200A (zh) * 2019-11-18 2020-02-28 长春工业大学 一种单驱变倍率双向拉伸静态薄膜装置
CN111610097A (zh) * 2020-06-11 2020-09-01 四川大学 高分子材料四向或双向拉伸试验设备
CN111933870A (zh) * 2020-10-13 2020-11-13 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 (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB892490A (en) * 1957-11-29 1962-03-28 Montedison Spa Method and apparatus for stretching films of thermoplastic materials
US3114929A (en) * 1959-12-12 1963-12-24 Bayer Ag Apparatus for the continuous biaxial stretching of a traveling sheet
US4261944A (en) * 1975-06-25 1981-04-14 Lever Brothers Company Method for the manufacture of biaxially stretched polyolefin film
TW204314B (zh) * 1990-08-23 1993-04-21 Nippon Petrochemicals Co Ltd
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
CN204008323U (zh) * 2014-08-07 2014-12-10 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
CN110843200A (zh) * 2019-11-18 2020-02-28 长春工业大学 一种单驱变倍率双向拉伸静态薄膜装置
CN111610097A (zh) * 2020-06-11 2020-09-01 四川大学 高分子材料四向或双向拉伸试验设备
CN111933870A (zh) * 2020-10-13 2020-11-13 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

Also Published As

Publication number Publication date
CN114633460B (zh) 2022-09-02

Similar Documents

Publication Publication Date Title
CN108780508B (zh) 用于归一化图像的系统和方法
JP2020126630A (ja) 距離予測が可能なレーダを通じて取得される情報とカメラを通じて取得される情報とを統合するセンサ融合を遂行することによって、自律走行を支援するニューラルネットワークを向上させる学習方法及び学習装置、そしてこれを使用したテスト方法及びテスト装置
CN108898634B (zh) 基于双目相机视差对绣花机目标针眼进行精确定位的方法
CN1550297A (zh) 图像处理装置
CN113762358B (zh) 一种基于相对深度训练的半监督学习三维重建方法
CN1162005C (zh) 检测及修细目标的轮廓图象的方法与装置
CN110895807A (zh) 用于评估图像的系统、运行辅助方法和工作设备
CN113873229B (zh) 一种图像坏点检测方法、系统及装置
WO2022242122A1 (zh) 一种视频优化方法、装置、终端设备及存储介质
CN112785637A (zh) 一种基于动态融合网络的光场深度估计方法
CN113205507B (zh) 一种视觉问答方法、系统及服务器
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
CN105069765A (zh) 一种基于特征学习的模糊车牌重建方法
CN114633460B (zh) 一种聚酯膜的多向拉伸设备
CN116052150A (zh) 一种针对遮挡车牌的车脸识别方法
KR20090002685A (ko) 오토 포커싱 장치 및 방법
CN1573798A (zh) 图像处理装置
CN114619659B (zh) 一种低密度轻量化聚酯膜拉伸工艺
KR102146665B1 (ko) Visual-mimo 환경에서의 신경망 모델을 이용한 led 색상 예측 장치 및 그 방법
CN115620049A (zh) 一种基于偏振图像线索的伪装目标检测方法及其应用
CN116258934A (zh) 基于特征增强的红外-可见光融合方法、系统及可读存储介质
CN114654710B (zh) 一种高分子复合多层材料的拉伸设备
CN115471482A (zh) 基于计算机视觉的小口径容器内壁缺陷检测方法
CN114608558A (zh) 基于特征匹配网络的slam方法、系统、设备及存储介质
CN109671107B (zh) 通过对所投影一维图像轮廓进行匹配将多个相机图像对准

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
EE01 Entry into force of recordation of patent licensing contract
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20220617

Assignee: HENAN DAXINYUAN NEW MATERIAL Co.,Ltd.

Assignor: HENAN YINJINDA NEW MATERIALS CO.,LTD.

Contract record no.: X2023980037584

Denomination of invention: A Multidirectional Stretching Equipment for Polyester Film

Granted publication date: 20220902

License type: Common License

Record date: 20230705