CN115319974B - 一种自适应平板硫化机温度控制方法 - Google Patents
一种自适应平板硫化机温度控制方法 Download PDFInfo
- Publication number
- CN115319974B CN115319974B CN202211244550.9A CN202211244550A CN115319974B CN 115319974 B CN115319974 B CN 115319974B CN 202211244550 A CN202211244550 A CN 202211244550A CN 115319974 B CN115319974 B CN 115319974B
- Authority
- CN
- China
- Prior art keywords
- sequence
- temperature
- difference
- pressure
- flat vulcanizing
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000004073 vulcanization Methods 0.000 claims abstract description 83
- 239000011159 matrix material Substances 0.000 claims abstract description 29
- 230000002159 abnormal effect Effects 0.000 claims abstract description 12
- 238000010438 heat treatment Methods 0.000 claims description 43
- 239000013598 vector Substances 0.000 claims description 34
- 230000008859 change Effects 0.000 claims description 15
- 230000003044 adaptive effect Effects 0.000 claims description 10
- 238000012549 training Methods 0.000 claims description 8
- 239000002994 raw material Substances 0.000 claims description 6
- 230000001105 regulatory effect Effects 0.000 claims description 6
- 238000012854 evaluation process Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 10
- 238000010137 moulding (plastic) Methods 0.000 abstract description 2
- 239000000047 product Substances 0.000 description 15
- 230000008569 process Effects 0.000 description 9
- 239000000463 material Substances 0.000 description 5
- 238000004513 sizing Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000001276 controlling effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 239000002390 adhesive tape Substances 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000007731 hot pressing Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 239000004033 plastic Substances 0.000 description 1
- 229920003023 plastic Polymers 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000011265 semifinished product Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 239000004636 vulcanized rubber Substances 0.000 description 1
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
- B29C35/00—Heating, cooling or curing, e.g. crosslinking or vulcanising; Apparatus therefor
- B29C35/02—Heating or curing, e.g. crosslinking or vulcanizing during moulding, e.g. in a mould
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Thermal Sciences (AREA)
- Heating, Cooling, Or Curing Plastics Or The Like In General (AREA)
Abstract
本发明涉及塑料成型技术领域,具体涉及一种自适应平板硫化机温度控制方法,该方法获取平板硫化机的功率序列、温差序列和压力序列;进而获取每台平板硫化机的工作状态序列;评估对应两台平板硫化机的工况相似度,基于工况相似度将所有平板硫化机分组;获取每个硫化过程的四维指标矩阵并降维为一维指标序列,同时采集对应时间下的温度序列,得到一个二元组序列;在每组中获取预先筛选出的多个合格硫化样本对应的二元组序列作为对照序列,对比判断每个二元组序列对应的硫化过程的温度是否正常;对于温度异常的硫化过程,以所属组中的合格温度作为期望温度进行温度调节。本发明能够自适应获取硫化时的期望温度,使硫化过程达到最佳的硫化效果。
Description
技术领域
本发明涉及塑料成型技术领域,具体涉及一种自适应平板硫化机温度控制方法。
背景技术
平板硫化机是通过热压对橡胶、塑料等行业进行原料成型的成型机,主要用于硫化平型胶带,如输送带、传动带等,主要功能是提供硫化所需的压力和温度。工作过程为将没有硫化的半成品装入模型后,将模型置于上下两层加热板之间的间隙中,对于无模型制品如胶带、胶板可以直接放入加热板之间,然后推动可动平板压紧模具或制品,在进行上述运动同时向加热平板内通加热介质,从而使模型或制品获得硫化过程所需的压力和温度,经一段时间以后硫化完毕。
其中加热板的温度影响硫化反应的速度和硫化制品的质量,所以平板硫化机在工作中温度能否及时控制直接影响最终的硫化效果。目前对于平板硫化机的温度控制为通过多种方法将加热板温度调整至预设温度,然后利用预设温度进行恒温硫化,对于不同材质的原料有对应的预设温度区间,但是不同的平板硫化机由于工作状态存在差异,在进行硫化时的最佳温度也不是一定的,通过预设一个固定的温度不能达到最佳的硫化效果。
发明内容
为了解决预设一个固定的温度不能达到最佳硫化效果的问题,本发明提供一种自适应平板硫化机温度控制方法,所采用的技术方案具体如下:
本发明一个实施例提供了一种自适应平板硫化机温度控制方法,该方法包括以下步骤:
实时采集平板硫化机的功率,组成功率序列;实时采集加热板不同区域之间的温度差异,组成温差序列;实时记录平板硫化机的加热板外部的压力,进而计算出硫化压力,组成压力序列;基于所述功率序列、温差序列和压力序列获取每台平板硫化机的工作状态序列;
根据所述温差序列中温度差异的变化获取稳定温差,根据所述压力序列中压力变化获取稳定压力,通过每两台平板硫化机的稳定温差的差异、稳定压力的差异以及工作状态序列的差异评估对应两台平板硫化机的工况相似度,基于所述工况相似度将所有平板硫化机分组;
每个硫化过程中在均匀的时间间隔下检测原料的弹性度、耐热度、拉伸强度以及密度,组成一个四维指标矩阵,将四维指标矩阵降维为一维指标序列,同时采集对应时间下加热板的温度,组成温度序列;将所述一维指标序列和温度序列中同一时刻下的元素组成一个二元组,得到一个二元组序列;
在每组中获取预先筛选出的多个合格硫化样本对应的二元组序列作为对照序列,基于每个二元组序列与所述对照序列之间的特征向量差异判断对应的硫化过程的温度是否正常;对于温度异常的硫化过程,以所属组中的合格温度作为期望温度,通过PID温度控制进行温度调节。
优选的,所述温度差异的获取方法为:
在加热板上选取多个区域分别实时记录温度,在同一时刻下记录的所有温度中选取最大温度和最小温度作差,作差结果作为对应时刻下加热板的温度差异。
优选的,所述硫化压力的获取方法为:
利用通过加热板外部的压力计算内部压力的公式将所述加热板外部的压力转化为加热板内部的硫化压力。
优选的,所述工作状态序列的获取方法为:
由所述功率序列、温差序列和压力序列组成一个三维矩阵,对所述三维矩阵降维,得到一个一维矩阵,即为所述工作状态序列。
优选的,所述稳定温差的获取方法为:
获取所述温差序列中所有温度差异的标准差、平均温差、温差最大值和温差最小值,计算温差最大值和温差最小值的比值乘上标准差的乘积,作为所述平均温差的权重,得到所述稳定温差。
优选的,所述稳定压力的获取方法为:
获取所述压力序列中所有压力的标准差、平均压力、压力最大值和压力最小值,计算压力最大值和压力最小值的比值乘上标准差的乘积,作为所述平均压力的权重,得到所述稳定压力。
优选的,所述工况相似度的评估过程为:
计算每两台平板硫化机的稳定温差的差值绝对值作为第一差异、稳定压力的差值绝对值作为第二差异、工作状态序列之间的差异距离作为第三差异,分别以所述第一差异、所述第二差异和所述第三差异作为预设值的负指数,得到三个指数函数结果,将三个指数函数结果相乘得到对应两台平板硫化机的所述工况相似度。
优选的,所述基于所述工况相似度将所有平板硫化机分组,包括:
以1减去所述工况相似度得到每两台平板硫化机之间的工况差距,以工况差距作为聚类距离对所有平板硫化机进行聚类,分为多个组。
优选的,所述基于每个二元组序列与所述对照序列之间的特征向量差异判断对应的硫化过程的温度是否正常,包括:
以成对的所述对照序列作为孪生网络的输入,进行网络训练,输出为成对的所述对照序列对应的特征向量,计算两个特征向量之间的向量距离进而得到孪生网络的损失函数;
将每个二元组序列输入训练完成的孪生网络中,得到输入的二元组序列和与其最接近的对照序列的特征向量之间的向量距离,当所述向量距离小于预设的距离阈值时,对应的硫化过程的温度正常;否则,对应的硫化过程的温度异常。
优选的,所述所属组的确定方法为:
计算每个硫化过程对应的工作状态序列与每一组对应的工作状态序列之间的皮尔逊相关系数作为相似性,以相似性最大的组作为对应硫化过程的所属组。
本发明实施例至少具有如下有益效果:
通过采集平板硫化机的工作数据并进行处理得到每台平板硫化机的工作状态序列,能够以工作数据的处理结果反映每台平板硫化机的工作状态;然后对工作状态序列进行分组,将工作状态相似的平板硫化机分为同一组,以便后续分组对照;获取每个硫化过程中的二元组序列,通过与每组的合格硫化样本比较,筛选出每组中温度异常的硫化过程,以所属组中的合格温度作为期望温度,通过PID温度控制进行温度调节。通过与工作状态相似的合格硫化样本比较,自适应获取相应的期望温度,并将温度调节至对应的期望温度进行硫化,使硫化过程达到最佳的硫化效果。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它附图。
图1为本发明一个实施例提供的一种自适应平板硫化机温度控制方法的步骤流程图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种自适应平板硫化机温度控制方法,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种自适应平板硫化机温度控制方法的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种自适应平板硫化机温度控制方法的步骤流程图,该方法包括以下步骤:
步骤S001,实时采集平板硫化机的功率,组成功率序列;实时采集加热板不同区域之间的温度差异,组成温差序列;实时记录平板硫化机的加热板外部的压力,进而计算出硫化压力,组成压力序列;基于功率序列、温差序列和压力序列获取每台平板硫化机的工作状态序列。
具体的步骤包括:
1、实时采集平板硫化机的功率,组成功率序列。
在硫化过程中平板硫化机的加热板温度首先是一个快速上升的过程,之后进入到一个稳定的温度范围区间进行缓慢升温,在整个过程中平板硫化机的功率不断发生变化,利用功率传感器记录平板硫化机的功率变化,采集频率为1HZ,得到一个功率序列,n表示第n个时刻,由于功率为实时采集的,因此n也是实时增加的。
2、实时采集加热板不同区域之间的温度差异,组成温差序列。
在加热板上选取多个区域分别实时记录温度,在同一时刻下记录的所有温度中选取最大温度和最小温度作差,作差结果作为对应时刻下加热板的温度差异。
由于传递热量的加热板面积比较大,在硫化加热时受到外部环境影响或者受热不均匀影响都容易造成表面温差,而表面温差大很容易对硫化效果造成影响。
加热板面积大温度不易均匀采集,选取多个区域分别实时记录温度,进而得到温度差异,在本发明实施例中选取加热板内接正五边形的五个顶点处以及中心点处共六个位置,利用温度传感器实时测量六个位置的温度,采集频率为1HZ,在每个时刻下选取六个数据中的最大值和最小值的差作为该时刻下的温度差异,得到一个温差序列。
3、实时记录平板硫化机的加热板外部的压力,进而计算出硫化压力,组成压力序列。
利用通过加热板外部的压力计算内部压力的公式将加热板外部的压力转化为加热板内部的硫化压力。
在胶料和模具温度升高的同时,胶料内部的温度甚至高于热板内部,因为胶料的线膨胀系数远大于金属模的线膨胀系数,并因为热膨胀影响,胶料体积要克服外压作用而胀大,从而把部分能量作用在外部,产生硫化压力。
因为加热的同时平板硫化机的压力也在不断发生改变。硫化压力作用在两层加热板之间,不易采集,故先采集外部的设备表压,利用公式:硫化压力=设备表压×合模油缸活塞面积/产品橡胶部分最大投影面积,将外部设备表压转化为硫化压力。采集频率为1HZ,得到压力序列。
4、获取每台平板硫化机的工作状态序列。
由功率序列、温差序列和压力序列组成一个三维矩阵,对三维矩阵降维,得到一个一维矩阵,即为工作状态序列。
步骤S002,根据温差序列中温度差异的变化获取稳定温差,根据压力序列中压力变化获取稳定压力,通过每两台平板硫化机的稳定温差的差异、稳定压力的差异以及工作状态序列的差异评估对应两台平板硫化机的工况相似度,基于工况相似度将所有平板硫化机分组。
具体的步骤包括:
1、根据温差序列中温度差异的变化获取稳定温差。
获取温差序列中所有温度差异的标准差、平均温差、温差最大值和温差最小值,计算温差最大值和温差最小值的比值乘上标准差的乘积,作为平均温差的权重,得到稳定温差。
获取反映温差序列中所有元素的分布变化范围的温差最大值和温差最小值的比值,以及反映温差波动情况的温度差异的标准差,然后计算两者的乘积来表示温差序列的稳定程度,以该稳定程度作为平均温差的权重,得到每个温差序列对应的稳定温差。
具体的计算公式为:
2、根据压力序列中压力变化获取稳定压力。
获取压力序列中所有压力的标准差、平均压力、压力最大值和压力最小值,计算压力最大值和压力最小值的比值乘上标准差的乘积,作为平均压力的权重,得到稳定压力。
同样的,获取反映压力序列中所有元素的分布变化范围的压力最大值和压力最小值的比值,以及反映压力波动情况的压力的标准差,然后计算两者的乘积来表示压力序列的稳定程度,以该稳定程度作为平均压力的权重,得到每个压力序列对应的稳定压力。
具体的计算公式为:
3、评估每两台平板硫化机的工况相似度。
计算每两台平板硫化机的稳定温差的差值绝对值作为第一差异、稳定压力的差值绝对值作为第二差异、工作状态序列之间的差异距离作为第三差异,分别以第一差异、第二差异和第三差异作为预设值的负指数,得到三个指数函数结果,将三个指数函数结果相乘得到对应两台平板硫化机的工况相似度。
对于每两台平板硫化机来说,温差序列、压力序列和工作状态序列分别从不同的方面反映了两台平板硫化机的工作状态,其中稳定温差可以代表温差序列的特征,稳定压力可以代表压力序列的特征,因此以稳定温差的差值绝对值作为第一差异,稳定压力的差值绝对值作为第二差异,与工作状态序列对应的第三差异共同评估两台平板硫化机的工作状态是否相似。
以平板硫化机A和平板硫化机B为例,在两台平板硫化机进行硫化100次之后,得到对应长度的温差序列、压力序列、稳定温差和稳定压力,以及工作状态序列,然后计算两者之间的工况相似度:
其中,表示平板硫化机A和平板硫化机B之间的工况相似度;e为自然常数,即本发明实施例中的预设值;表示平板硫化机A的稳定温差,表示平板硫化机B的稳定温差,表示平板硫化机A和平板硫化机B之间的第一差异;表示平板硫化机A的稳定压力,表示平板硫化机B的稳定压力,表示平板硫化机A和平板硫化机B之间的第二差异;表示平板硫化机A的工作状态序列,表示平板硫化机B的工作状态序列,表示平板硫化机A和平板硫化机B之间的第三差异。
表示工作状态序列和工作状态序列之间的动态时间规整距离,即作为第三差异的差异距离。当两个变量序列的数值越接近,变化情况越相似,此时DTW的值越小;当变化情况差距越大时,DTW的数值越大。平板硫化机工作场景以及工况越接近,第三差异越小。
分别以第一差异、第二差异和第三差异作为自然常数e的负指数,得到的三个指数函数结果的取值范围均为[0,1],三个指数函数结果相乘结果的取值范围依然为[0,1]。
4、基于工况相似度将所有平板硫化机分组。
由于平板硫化机在进行硫化时对温度的把控精度要求比较高,并且不同的平板硫化机的使用时间、损耗程度等不同,所以不同工况和场景下的情况是不同的,需要对其进行分类,使其在同组内的平板硫化机的工况及工作场景相似,再进行之后的内部分析。
以1减去工况相似度得到每两台平板硫化机之间的工况差距,以工况差距作为聚类距离对所有平板硫化机进行聚类,分为多个组。
工况差距,工况差距越大,意味着两台平板硫化机的使用场景以及工况差距越大,然后使用K-medoids聚类算法对所有平板硫化机基于工况差距进行聚类分组。
本实施例使用K-medoids聚类算法的原因是K-means算法对异常值非常敏感,具有极大值的对象可能会产生严重扭曲的数据分布,因此使用K-medoids聚类算法。K-medoids聚类算法为公知技术,本发明实施例中不再赘述具体过程。
本发明实施例中令K=5,即将所有平板硫化机分为5组,每组内的平板硫化机的工况相似。
步骤S003,每个硫化过程中在均匀的时间间隔下检测原料的弹性度、耐热度、拉伸强度以及密度,组成一个四维指标矩阵,将四维指标矩阵降维为一维指标序列,同时采集对应时间下加热板的温度,组成温度序列;将一维指标序列和温度序列中同一时刻下的元素组成一个二元组,得到一个二元组序列。
具体的步骤包括:
1、获取每个硫化过程中的四维指标矩阵。
由于硫化后的橡胶监测的项目较多,如果对每项都建立一个合格监测模型不仅操作繁琐,而且消耗计算机的运算能力,成本较高。又因各项指标的情况是有相关联系的,因此可以将多个指标共同建立一个标准指数。其中硫化后橡胶的弹性,耐热性,拉伸强度,密度这四个指标受温度影响最大,所以以此建立一个基于硫化温度的合格指标。
上述几个指标在工作过程中不能直接测量,需要在实验室中通过仪器进行检测,检测方法为:将上述采集的每台平板硫化机,每工作1分钟后快速抽取采样放入到实验室中,进行各项指标的测定。上述指标测定都对应有专业的仪器,本实施例中不再赘述。
首先计算四维指标矩阵F的RBF核矩阵,然后计算核矩阵的特征值与特征向量,将该特征值进行降序排列,取特征值序列中的前M个特征值和对应的特征向量,M为降维后的维数,本实施例中将四维的指标数据降为一维向量,即M=1。利用核矩阵和上述过程选出的特征值、特征向量得到降维结果即为一维指标序列。详细计算过程属于公开技术,不再赘述。
2、获取每个硫化过程的二元组序列。
步骤S004,在每组中获取预先筛选出的多个合格硫化样本对应的二元组序列作为对照序列,基于每个二元组序列与对照序列之间的特征向量差异判断对应的硫化过程的温度是否正常;对于温度异常的硫化过程,以所属组中的合格温度作为期望温度,通过PID温度控制进行温度调节。
具体的步骤包括:
1、判断每个二元组序列对应的硫化过程的温度是否正常。
对于每组中的平板硫化机,筛选出多个合格硫化样本对应的二元组序列作为对照序列,以成对的对照序列作为孪生网络的输入,进行网络训练,输出为成对的对照序列对应的特征向量,计算两个特征向量之间的向量距离进而得到孪生网络的损失函数;将每个二元组序列输入训练完成的孪生网络中,得到输入的二元组序列和与其最接近的对照序列的特征向量之间的向量距离,当向量距离小于预设的距离阈值时,对应的硫化过程的温度正常;否则,对应的硫化过程的温度异常。
孪生网络的损失函数为,其中,z表示判断输入孪生神经网络模型的对照序列对是否为平板硫化机的标准指数集合的标志,若是,则z=1,若不是,则z=0;表示特征向量v1和特征向量v2之间的向量距离;表示在0和中选取最大值,表示不同对照序列对的特征向量的最小距离,。
孪生网络训练完成后,所有对照序列作为进行对照的序列组成一个序列库,用于对比新输入的二元组序列,将每个二元组序列输入训练完成的孪生网络中,计算该二元组序列与序列库中每个对照序列之间的向量距离,选取最小的向量距离即为该二元组序列和与其最接近的对照序列的特征向量之间的向量距离,当该向量距离小于预设的距离阈值时,对应的硫化过程的温度正常;否则,对应的硫化过程的温度异常。
2、对于温度异常的硫化过程,以所属组中的合格温度作为期望温度,通过PID温度控制进行温度调节。
对于温度异常的硫化过程,首先获取该硫化过程所属的组别:计算每个硫化过程对应的工作状态序列与每一组对应的工作状态序列之间的皮尔逊相关系数作为相似性,以相似性最大的组作为对应硫化过程的所属组。
每一组对应的工作状态序列是指每一组中所有工作状态序列对应位置求均值得到的平均工作状态序列。
以所属组中的合格温度作为期望温度,通过PID温度控制进行温度调节至对应的期望温度进行硫化。
合格温度是指与温度异常的硫化过程对应的二元组序列最接近的对照序列的温度。
合格温度的获取能够获取每个硫化过程自适应的期望温度,使硫化过程达到最佳的硫化效果。
综上所述,本发明实施例实时采集平板硫化机的功率,组成功率序列;实时采集加热板不同区域之间的温度差异,组成温差序列;实时记录平板硫化机的加热板外部的压力,进而计算出硫化压力,组成压力序列;基于功率序列、温差序列和压力序列获取每台平板硫化机的工作状态序列;根据温差序列中温度差异的变化获取稳定温差,根据压力序列中压力变化获取稳定压力,通过每两台平板硫化机的稳定温差的差异、稳定压力的差异以及工作状态序列的差异评估对应两台平板硫化机的工况相似度,基于工况相似度将所有平板硫化机分组;每个硫化过程中在均匀的时间间隔下检测原料的弹性度、耐热度、拉伸强度以及密度,组成一个四维指标矩阵,将四维指标矩阵降维为一维指标序列,同时采集对应时间下加热板的温度,组成温度序列;将一维指标序列和温度序列中同一时刻下的元素组成一个二元组,得到一个二元组序列;在每组中获取预先筛选出的多个合格硫化样本对应的二元组序列作为对照序列,基于每个二元组序列与对照序列之间的特征向量差异判断对应的硫化过程的温度是否正常;对于温度异常的硫化过程,以所属组中的合格温度作为期望温度,通过PID温度控制进行温度调节。本发明实施例能够自适应获取硫化时的期望温度,并将温度调节至对应的期望温度进行硫化,使硫化过程达到最佳的硫化效果。
需要说明的是:上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同或相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的范围,均应包含在本申请的保护范围之内。
Claims (6)
1.一种自适应平板硫化机温度控制方法,其特征在于,该方法包括以下步骤:
实时采集平板硫化机的功率,组成功率序列;实时采集加热板不同区域之间的温度差异,组成温差序列;实时记录平板硫化机的加热板外部的压力,进而计算出硫化压力,组成压力序列;基于所述功率序列、温差序列和压力序列获取每台平板硫化机的工作状态序列;
根据所述温差序列中温度差异的变化获取稳定温差,根据所述压力序列中压力变化获取稳定压力,通过每两台平板硫化机的稳定温差的差异、稳定压力的差异以及工作状态序列的差异评估对应两台平板硫化机的工况相似度,基于所述工况相似度将所有平板硫化机分组;
每个硫化过程中在均匀的时间间隔下检测原料的弹性度、耐热度、拉伸强度以及密度,组成一个四维指标矩阵,将四维指标矩阵降维为一维指标序列,同时采集对应时间下加热板的温度,组成温度序列;将所述一维指标序列和温度序列中同一时刻下的元素组成一个二元组,得到一个二元组序列;
在每组中获取预先筛选出的多个合格硫化样本对应的二元组序列作为对照序列,基于每个二元组序列与所述对照序列之间的特征向量差异判断对应的硫化过程的温度是否正常;对于温度异常的硫化过程,以所属组中的合格温度作为期望温度,通过PID温度控制进行温度调节;
所述稳定温差的获取方法为:
获取所述温差序列中所有温度差异的标准差、平均温差、温差最大值和温差最小值,计算温差最大值和温差最小值的比值乘上标准差的乘积,作为所述平均温差的权重,得到所述稳定温差;
所述稳定压力的获取方法为:
获取所述压力序列中所有压力的标准差、平均压力、压力最大值和压力最小值,计算压力最大值和压力最小值的比值乘上标准差的乘积,作为所述平均压力的权重,得到所述稳定压力;
所述工况相似度的评估过程为:
计算每两台平板硫化机的稳定温差的差值绝对值作为第一差异、稳定压力的差值绝对值作为第二差异、工作状态序列之间的差异距离作为第三差异,分别以所述第一差异、所述第二差异和所述第三差异作为预设值的负指数,得到三个指数函数结果,将三个指数函数结果相乘得到对应两台平板硫化机的所述工况相似度;
所述基于每个二元组序列与所述对照序列之间的特征向量差异判断对应的硫化过程的温度是否正常,包括:
以成对的所述对照序列作为孪生网络的输入,进行网络训练,输出为成对的所述对照序列对应的特征向量,计算两个特征向量之间的向量距离进而得到孪生网络的损失函数;
将每个二元组序列输入训练完成的孪生网络中,得到输入的二元组序列和与其最接近的对照序列的特征向量之间的向量距离,当所述向量距离小于预设的距离阈值时,对应的硫化过程的温度正常;否则,对应的硫化过程的温度异常。
2.根据权利要求1所述的一种自适应平板硫化机温度控制方法,其特征在于,所述温度差异的获取方法为:
在加热板上选取多个区域分别实时记录温度,在同一时刻下记录的所有温度中选取最大温度和最小温度作差,作差结果作为对应时刻下加热板的温度差异。
3.根据权利要求1所述的一种自适应平板硫化机温度控制方法,其特征在于,所述硫化压力的获取方法为:
利用通过加热板外部的压力计算内部压力的公式将所述加热板外部的压力转化为加热板内部的硫化压力。
4.根据权利要求1所述的一种自适应平板硫化机温度控制方法,其特征在于,所述工作状态序列的获取方法为:
由所述功率序列、温差序列和压力序列组成一个三维矩阵,对所述三维矩阵降维,得到一个一维矩阵,即为所述工作状态序列。
5.根据权利要求1所述的一种自适应平板硫化机温度控制方法,其特征在于,所述基于所述工况相似度将所有平板硫化机分组,包括:
以1减去所述工况相似度得到每两台平板硫化机之间的工况差距,以工况差距作为聚类距离对所有平板硫化机进行聚类,分为多个组。
6.根据权利要求1所述的一种自适应平板硫化机温度控制方法,其特征在于,所述所属组的确定方法为:
计算每个硫化过程对应的工作状态序列与每一组对应的工作状态序列之间的皮尔逊相关系数作为相似性,以相似性最大的组作为对应硫化过程的所属组。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211244550.9A CN115319974B (zh) | 2022-10-12 | 2022-10-12 | 一种自适应平板硫化机温度控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211244550.9A CN115319974B (zh) | 2022-10-12 | 2022-10-12 | 一种自适应平板硫化机温度控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115319974A CN115319974A (zh) | 2022-11-11 |
CN115319974B true CN115319974B (zh) | 2023-01-03 |
Family
ID=83913257
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211244550.9A Active CN115319974B (zh) | 2022-10-12 | 2022-10-12 | 一种自适应平板硫化机温度控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115319974B (zh) |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3455919B2 (ja) * | 1993-05-31 | 2003-10-14 | Nok株式会社 | 加硫機の温度制御装置 |
CN103213224A (zh) * | 2013-04-26 | 2013-07-24 | 天津市富利达橡胶制品有限公司 | 一种平板硫化机 |
CN109693325B (zh) * | 2018-12-29 | 2020-09-29 | 苏州科技大学 | 硫化工艺的集散控制方法、电子设备及存储介质 |
CN114536616A (zh) * | 2022-03-01 | 2022-05-27 | 国能神东煤炭集团有限责任公司 | 一种温度控制方法、电路、装置、系统及存储介质 |
-
2022
- 2022-10-12 CN CN202211244550.9A patent/CN115319974B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN115319974A (zh) | 2022-11-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wu et al. | Application of the Box–Behnken design to the optimization of process parameters in foam cup molding | |
US11860590B2 (en) | Model-free optimization method of process parameters of injection molding | |
Michaeli et al. | Online control of the injection molding process based on process variables | |
CN115319974B (zh) | 一种自适应平板硫化机温度控制方法 | |
Wang et al. | A novel sensing feature extraction based on mold temperature and melt pressure for plastic injection molding quality assessment | |
CN115049127A (zh) | 基于bohb算法及神经网络的3d打印质量预测方法 | |
CN109614651A (zh) | 一种注塑件加工参数与变形关系的高精度估算方法 | |
Coates et al. | Towards intelligent process control of injection moulding of polymers | |
CN111723513A (zh) | 一种通过机器学习神经网络进行反演模拟参数的方法 | |
CN115008818A (zh) | 可促进钣金结构件生产效率的冲压工序优化方法 | |
CN114770891A (zh) | 一种注塑机异常分析方法及系统 | |
CN110920010A (zh) | 基于大数据分析的注塑工艺生产方法 | |
Li et al. | Predicting the parts weight in plastic injection molding using least squares support vector regression | |
Yang et al. | Modeling and optimization of a plastic thermoforming process | |
CN117094608A (zh) | 结合应用需求的钛带生产控制方法及系统 | |
CN102218840A (zh) | 一种模拟全钢子午线轮胎硫化过程的方法 | |
Chen et al. | Optimization of plastic injection molding process via Taguchi’s parameter design method, BPNN, and DFP | |
KR102500376B1 (ko) | 사출 금형 내 센서 신호를 이용한 모니터링 장치 및 그 방법 | |
CN116894379A (zh) | 一种注塑件质量优化方法 | |
CN115139440A (zh) | 一种压延机参数优化控制方法 | |
Petrova et al. | Incorporation of phenomenological models in a hybrid neural network for quality control of injection molding | |
CN109932908B (zh) | 一种基于报警信度融合的多向主元分析过程监测方法 | |
CN117021524B (zh) | 多腔注塑模具的温度均衡控制方法及系统 | |
Huang et al. | Enhancing Machine Learning Capabilities in Injection Molded Part Quality Prediction Using Transfer Learning Models | |
Lau et al. | Design and implementation of a process optimizer: a case study on monitoring molding operations |
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 |