CN115356996A - 涂布控制方法、装置、控制设备和存储介质 - Google Patents
涂布控制方法、装置、控制设备和存储介质 Download PDFInfo
- Publication number
- CN115356996A CN115356996A CN202211007561.5A CN202211007561A CN115356996A CN 115356996 A CN115356996 A CN 115356996A CN 202211007561 A CN202211007561 A CN 202211007561A CN 115356996 A CN115356996 A CN 115356996A
- Authority
- CN
- China
- Prior art keywords
- control
- coating
- model
- target
- models
- 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
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM]
- G05B19/41865—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM] characterised by job scheduling, process planning, material flow
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32252—Scheduling production, machining, job shop
-
- 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02E60/10—Energy storage using batteries
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Coating Apparatus (AREA)
- Feedback Control In General (AREA)
Abstract
本申请涉及一种涂布控制方法、装置、控制设备和存储介质。涂布控制方法包括:在自动涂布控制模式下,获取模型选择信息以及当前的涂布面密度;根据模型选择信息,从多个备选的控制模型中选择控制模型得到目标控制模型;采用目标控制模型根据当前的涂布面密度得到涂布控制量;根据涂布控制量输出控制指令至涂布控制对象。采用本申请,可以兼容多种涂布的控制方式,兼容性好。
Description
技术领域
本申请涉及极片涂布技术领域,特别是涉及一种涂布控制方法、装置、控制设备和存储介质。
背景技术
锂电池生产工艺流程的前段包括涂布工艺,如图1所示,其主要是通过调节螺丝调整狭缝唇口大小,将稳定性好、粘度好、流动性好的浆料均匀地涂敷在正负极箔材上,并将浆料中的有机溶剂进行烘干的一种工艺。
为了使浆料涂敷均匀,在涂布过程中需要调节狭缝大小。目前市面上的一种涂布机是采用手动模式调节狭缝,即安排专门的调试工程师用手旋转安装在狭缝上的千分尺以控制调节螺丝,从而控制狭缝的大小;这种人工调试的方式在涂布机每次更换浆料时以及涂布过程中,都需要人工进行数次千分尺的调节,费时费力。还有一种涂布机是在调节螺丝上方安装电机(比如步进电机),通过控制电机的动作来控制调节螺丝从而调节狭缝大小。而无论采用上述的哪一种,控制方式都是单一的,兼容性差。
发明内容
基于此,有必要针对上述技术问题,提供一种能够优化兼容性的涂布控制方法、装置、控制设备和存储介质。
一种涂布控制方法,包括:
在自动涂布控制模式下,获取模型选择信息以及当前的涂布面密度;
根据所述模型选择信息,从多个备选的控制模型中选择控制模型得到目标控制模型;
采用所述目标控制模型并根据当前的涂布面密度得到涂布控制量;
根据所述涂布控制量输出控制指令至涂布控制对象。
一种涂布控制装置,包括:
信息获取模块,用于在自动涂布控制模式下,获取模型选择信息以及当前的涂布面密度;
模型选择模块,用于根据所述模型选择信息,从多个备选的控制模型中选择控制模型得到目标控制模型;
控制量获得模块,用于采用所述目标控制模型并根据当前的涂布面密度得到涂布控制量;
控制模块,用于根据所述涂布控制量输出控制指令至涂布控制对象。
一种控制设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现如下步骤:
在自动涂布控制模式下,获取模型选择信息以及当前的涂布面密度;
根据所述模型选择信息,从多个备选的控制模型中选择控制模型得到目标控制模型;
采用所述目标控制模型并根据当前的涂布面密度得到涂布控制量;
根据所述涂布控制量输出控制指令至涂布控制对象。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如下步骤:
在自动涂布控制模式下,获取模型选择信息以及当前的涂布面密度;
根据所述模型选择信息,从多个备选的控制模型中选择控制模型得到目标控制模型;
采用所述目标控制模型并根据当前的涂布面密度得到涂布控制量;
根据所述涂布控制量输出控制指令至涂布控制对象。
上述涂布控制方法、装置、控制设备和计算机可读存储介质,可以根据模型选择信息从多个控制模型中选择目标控制模型,采用目标控制模型确定涂布控制量以控制涂布控制对象,如此,支持从多个控制模型中选择使用,支持多种控制模型,从而可以兼容多种控制方式,相比于现有技术中只允许一种控制方式,兼容性更好。
附图说明
为了更清楚地说明本申请实施例或传统技术中的技术方案,下面将对实施例或传统技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,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他的附图。
图1为狭缝挤压涂布结构剖面图;
图2为一个实施例中涂布控制方法的流程示意图;
图3为一个实施例中根据模型选择信息,从多个备选的控制模型中选择控制模型得到目标控制模型的流程示意图;
图4为另一个实施例中涂布控制方法的流程示意图;
图5为一个实施例中控制模型选择系统的模块化结构框图;
图6为一个实施例中涂布控制装置的结构框图。
具体实施方式
为了便于理解本申请,下面将参照相关附图对本申请进行更全面的描述。附图中给出了本申请的实施例。但是,本申请可以以许多不同的形式来实现,并不限于本文所描述的实施例。相反地,提供这些实施例的目的是使本申请的公开内容更加透彻全面。
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申请的技术领域的技术人员通常理解的含义相同。本文中在本申请的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本申请。
在此使用时,单数形式的“一”、“一个”和“所述/该”也可以包括复数形式,除非上下文清楚指出另外的方式。还应当理解的是,术语“包括/包含”或“具有”等指定所陈述的特征、整体、步骤、操作、组件、部分或它们的组合的存在,但是不排除存在或添加一个或更多个其他特征、整体、步骤、操作、组件、部分或它们的组合的可能性。
正如背景技术所述,现有技术中涂布机的涂布控制存在控制方式单一、兼容性差的问题。基于此,本申请提供了一种可以优化兼容性的方案,可以用于支持自动控制调节螺丝以调节狭缝大小的控制设备。
如图2所示,在一个实施例中,提供了一种涂布控制方法,以应用于涂布机的控制设备为例,该方法包括如下步骤:
S110:在自动涂布控制模式下,获取模型选择信息以及当前的涂布面密度。
其中,自动涂布控制模式是自动控制调节螺丝以调节狭缝大小的工作模式;是否工作在自动涂布控制模式,可以由用户人工选择,控制设备可以通过判别用户输入的模式选择指令来判定是否工作在自动涂布控制模式下。例如,在控制设备的面板上,有手动涂布模式和自动涂布控制模式的选择按钮,点击手动涂布模式的按钮,允许用户手动操控面板上所有电机调节按钮(加号按钮&减号按钮),可点击/编辑涂布控制量;当用户点击自动涂布控制模式的按钮时,电机调节按钮呈不可编辑状态,可以允许用户实时查看控制模型输出的涂布控制量变化。
其中,模型选择信息是用于选定控制模型的信息,可由用户根据不同的生产需求进行输入。涂布面密度是对涂布产品进行测量得到的面密度;比如,采用面密度测量装置对涂布后的箔材进行测量得到涂布面密度,控制设备可以从面密度测量装置处获得涂布面密度。
S130:根据模型选择信息,从多个备选的控制模型中选择控制模型得到目标控制模型。
其中,控制模型表征涂布面密度与涂布控制量的对应关系;即,可用涂布面密度作为控制模型的输入,则控制模型可以输出该涂布面密度对应的涂布控制量。控制设备可以预先存储多个备选的控制模型。多个备选的控制模型中,不同的控制模型采用不同的控制方法。
S150:采用目标控制模型并根据当前的涂布面密度得到涂布控制量。
将当前的涂布面密度输入目标控制模型,目标控制模型可以输出对应的涂布控制量。具体地,若目标控制模型为一个,则可以直接将目标控制模型输出的涂布控制量作为最终的涂布控制量;若目标控制模型有多个,则可以根据各目标控制模型输出的涂布控制量处理得到最终的涂布控制量。
S170:根据涂布控制量输出控制指令至涂布控制对象。
控制指令用于控制涂布控制对象基于涂布控制量进行动作。其中,涂布控制对象是由控制设备控制、用于调整调节螺丝的器件。比如,涂布控制对象可以是步进电机,控制设备根据最终的涂布控制量输出对应的控制指令至步进电机,操控步进电机调整调节螺丝,从而实现对狭缝大小的调整。
上述涂布控制方法,可以根据模型选择信息从多个控制模型中选择目标控制模型,采用目标控制模型确定涂布控制量以控制涂布控制对象,如此,支持从多个控制模型中选择使用,支持多种控制模型,从而可以兼容多种控制方式,相比于现有技术中只允许一种控制方式,兼容性更好。
在其中一个实施例中,备选的控制模型包括基于经验数据的控制模型、趋势闭环控制模型、机器学习控制模型和约束学习控制模型。各个控制模型的控制逻辑有其各自的特点,适配不同的工业生产需求,如下表1所示,其中,1号模型为基于经验数据的控制模型,2号模型为趋势闭环控制模型,3号模型为机器学习控制模型,4号模型为约束学习控制模型。
表1
控制模型序号 | 控制模型说明 | 控制模型描述 |
1 | 基于专家经验的控制规则 | |
2 | 趋势闭环控制策略 | |
3 | 机器学习拟合+先进控制 | |
4 | 强化学习+硬约束 |
其中,1号模型是根据专家经验给出的涂布面密度与涂布控制量的对应关系数据建立的控制模型,可由现场面密度调试专家输出其经验规则,形成一套基于专家经验的控制参数调整表格或者控制变量流程图。当专家经验足够丰富,且现场浆料、涂布速度等工况稳定的情况下,该控制模型的控制策略往往能达到最优控制效果,其缺点是非常依赖专家经验的支撑,且模型迁移性较差。
其中,2号模型是采集当前的涂布面密度、根据当前的涂布面密度与预设目标值的偏差进行闭环控制的控制模型,控制策略主要是趋势闭环为主,其原理是设置极为保守的安全控制边界(预设目标值),当涂布面密度超过安全控制边界、未达到报警线时,且涂布面密度变化出现部分趋势时,控制模型就输出相应的涂布控制量,相当于针对涂布面密度变化趋势进行闭环控制。2号模型的控制策略能替代人工实时监控调试,无需积累数据训练,可以立马投入使用,缺点是控制逻辑需要调节多次才能达到一个较好的控制结果,中间会造成不少浆料浪费。
3号模型是通过对一段时间的生产数据进行机器学习、建立的表征涂布面密度与涂布控制量的对应关系的控制模型。例如,需要积累至少一个月左右的生产数据,然后根据实际生产数据中的电机位置与涂布面密度变化关系,利用机器学习算法建立拟合模型,利用拟合模型,再结合MPC(模型预测控制)之类的先进控制模型,就可以完成整套控制闭环逻辑。该控制模型的控制精度较高,但是需要前期稳定生产的数据储备。
4号模型是在对生产数据进行学习训练的基础上,添加约束条件建立的控制模型,其需要积累至少3个月以上的生产数据,其主要思想是用强化学习模型直接替代控制器,因为强化学习模型输出的不可预测性,因此需要储备足够的历史数据做训练,同时还需要添加硬约束保证生产的稳定性。该控制模型有良好的控制效果和自适应性,但是需要大量的历史运行数据储备。
具体地,控制设备可以在自动涂布控制模式下,控制显示装置显示各个备用的控制模型的描述信息和适用范围,用户可以基于当前生产工况和模型适用性的理解输入模型选择信息。
在其中一个实施例中,如图3所示,步骤S130包括步骤S131至步骤S137。
S131:从多个备选的控制模型中,选择模型选择信息所对应的多个控制模型。
S133:获取预设历史时间段内的历史涂布面密度。
预设历史时间段内的历史涂布面密度包括预设历史时间段内多个时间点对应的涂布面密度。
S135:分别采用选择的各控制模型基于历史涂布面密度进行仿真测试。
具体地,仿真测试是将历史涂布面密度输入选择的各控制模型,获得各控制模型对应输出的涂布控制量,基于各控制模型的涂布控制量生成控制指令得到仿真控制指令。
S137:根据各控制模型仿真测试的结果选定最终的控制模型作为目标控制模型。
控制模型仿真测试的结果可以包括仿真输出的涂布控制量、仿真测试次数(生成仿真控制指令的次数)等。具体地,控制设备可以控制显示装置将仿真测试的结果输出,用户通过查看结果结合经验判断哪个控制模型更为合适然后选择。或者,控制设备还可以进一步对仿真测试的结果进行处理、再选定最终的控制模型。通过结合历史数据进行仿真、基于仿真结果选定目标控制模型,可以优化选择。
例如,用户可以选择历史任一时间段的涂布面密度,选择相应的控制模型,选择完成之后开始仿真逻辑计算,可以得到各个控制模型在该历史时间段中、针对面密度曲线变化输出的控制量变化次数和面密度整体误差;显示效果见下表2,其中,整体误差是由采用每一次仿真测试输出的涂布控制量控制之后的涂布面密度与涂布面密度的期望值之间的偏差得到。
表2
历史时间段 | 控制模型序号 | 仿真测试次数 | 整体误差 |
2022.3.2~2022.3.5 | 1 | 12 | 0.6 |
2022.3.2~2022.3.5 | 2 | 67 | 0.8 |
2022.3.2~2022.3.5 | 3 | 22 | 0.5 |
2022.3.2~2022.3.5 | 4 | 45 | 0.4 |
在其中一个实施例中,步骤S137包括步骤(a1)和步骤(a2)。
步骤(a1):分别根据各控制模型仿真测试的结果,计算各控制模型对应的仿真评估值。
步骤(a2):根据各控制模型的仿真评估值选取控制模型作为目标控制模型。
仿真评估值用于体现控制模型的优劣性。例如,若仿真评估值越大、代表控制模型越优,则选择最大的仿真评估值对应的控制模型作为目标控制模型。通过进一步基于仿真测试的结果进行评估以选择目标控制模型,相比于基于用户经验选择,可以避免主观性,选择更准确。
在其中一个实施例中,控制模型仿真测试的结果包括控制指令计算耗时、仿真测试次数和控制误差;其中,控制指令计算耗时是指控制模型仿真测试过程中生成仿真控制指令需要的时间;仿真测试次数等于控制模型仿真测试过程中生成仿真控制指令的次数;控制误差由每一次仿真测试输出的涂布控制量控制之后的涂布面密度与涂布面密度的期望值之间的面密度偏差得到,比如可以是多次仿真测试的面密度偏差的平均值。
具体地,步骤(a1)包括:分别根据各控制模型仿真测试的控制误差计算方差和稳态误差;根据方差、稳态误差、控制指令计算耗时、仿真测试次数以及预设方差占比、预设稳态误差占比、预设耗时占比和预设次数占比,计算对应控制模型的仿真评估值。
各控制模型对应有各自的指标,其中指标包括控制指令计算耗时、仿真测试次数、方差和稳态误差;对于一个控制模型,根据其对应的控制指令计算耗时、仿真测试次数、方差和稳态误差和各指标的占比,计算得到该控制模型的仿真评估值。控制指令计算耗时体现控制及时性,方差体现控制稳定性,稳态误差体现控制效果,仿真测试次数即为涂布面密度达到预设目标值内的控制步数;通过基于控制指令计算耗时、仿真测试次数和控制误差定义控制模型的评价指标,实现从控制及时性、控制稳定性、控制效果等多方面对各个控制模型进行综合评估,评估效果好。
其中,预设方差占比是方差这一项参数对应的占比,预设稳态误差占比是稳态误差这一项参数对应的占比,预设耗时占比是控制指令计算耗时这一项参数对应的占比,预设次数占比是仿真测试次数这一项参数对应的占比。例如,仿真评估值=预设耗时占比*控制指令计算耗时+预设次数占比*仿真测试次数+预设方差占比*方差+预设稳态误差占比*稳态误差。默认情况下,预设方差占比、预设稳态误差占比、预设耗时占比和预设次数占比可以等于25%;如果用户考虑不同工况下不同的倾向性,则可以根据需要更改各项占比的大小。
在另一个实施例中,目标控制模型可以有多个。步骤S130包括:从多个备选的控制模型中,选择模型选择信息所对应的多个控制模型得到多个目标控制模型。
对应地,步骤S150包括:获取各目标控制模型根据当前的涂布面密度输出的涂布控制量;将各目标控制模型的涂布控制量进行加权平均得到最终的涂布控制量。具体地,步骤S170根据最终的涂布控制量输出控制指令。
各个控制模型有各自的优缺点。本实施例通过选定多个目标控制模型、根据多个目标控制模型得到最终的涂布控制量,使得可以支持自定义模型组合,方便用户自行组合多个控制模型,以同时启用多个控制模型,达到一个相对均衡的控制效果。
在其中一个实施例中,步骤S150之后、步骤S170之前,还包括:输出涂布控制量;若接收到控制量认可指令,则执行步骤S170;若接收到控制量不认可指令,则返回步骤S110。
输出涂布控制量,可以是由控制设备控制输出装置输出涂布控制量,比如,控制显示装置显示。其中,控制量认可指令和控制量不认可指令可以由用户根据输出的涂布控制量进行输入。控制量认可指令指示认可涂布控制量,可以执行下一步骤;控制量不认可指令指示不认可涂布控制量,需要重新进行模型选择。判断是否接收到控制量认可指令,若是,则执行步骤S170;否则,返回步骤S110,如此,在基于涂布控制量控制涂布控制对象之前,增加人工确认的环节,便于用户根据生产工况进行确认。
在其中一个实施例中,步骤S170之后,还包括:记录控制指令,统计控制次数以及获取的涂布面密度超过预设目标值的超限次数;根据控制指令、控制次数和超限次数定期生成控制报告。
控制次数是控制模型根据涂布控制量输出控制指令的次数;超限次数是涂布面密度超过预设目标值的次数,其中,预设目标值可以根据实际需要的面密度进行设置。在每次输出控制指令控制涂布控制对象后,统计控制次数、超限次数,记录控制指令,并定期生成控制报告,以便用户查阅了解,让用户评估控制模型的效能,给出反馈,从而不断优化控制逻辑。
具体地,控制报告的内容除了包括控制指令、控制次数、超限次数之外,还可以根据需要记录其他内容。比如,还可以包括控制误差、人工确认次数等等用户可能关心的指标和图标。
在其中一个实施例中,上述涂布控制方法还包括:在接收到实时仿真指令时,采用各备选的控制模型根据当前的涂布面密度得到涂布控制量;分别根据各备选的控制模型得到的涂布控制量生成仿真控制指令;输出各备选的控制模型对应的仿真控制指令。
具体地,在接收到实时仿真指令时,控制设备可以接入当前实时的涂布面密度,各控制模型会根据涂布面密度计算出涂布控制对象需要做的涂布控制量,根据涂布控制量生成控制指令得到仿真控制指令。其中控制指令可以以“电机编号:电机位移量”的形式输出,同时,还可以输出控制指令计算耗时,供现场工程师参考,如下表3所示。
表3
控制模型序号 | 控制指令计算耗时 | 电机控制指令 |
1 | 0.5s | 1:+0.2……17:-0.1 |
2 | 0.7s | 1:+0.3……17:0.0 |
3 | 5s | 1:+0.1……17:-0.1 |
4 | 9s | 1:+0.3……17:-0.1 |
上述涂布控制方法,可以应用于用户根据不同的生产工况进行控制模型的选择,从多个控制模型中选择较优的控制模型。比如,在追求生产品质的时候切换控制次数多、误差低的控制模型,在追求产量、放宽品质要求时则切换为控制次数少的控制模型;默认情况下可以优先选择多个控制模型对多个控制模型输出的涂布控制量进行加权平均,从而实现相对平衡的控制方式。
为更好的说明,以一详细实施例进行说明。如图4所示,用户选择自动涂布控制模式或手动涂布模式。若为手动涂布模式,则由现场的调试工程师介入,进行手动控制;若为自动涂布控制模式,则进入控制模型选择系统,选定目标控制模型,进一步可由用户确认选择的控制模型,输出根据目标控制模型得到的涂布控制量。在用户勾选了人工确认模式的情况下,对涂布控制量进行人工确认,若没有勾选人工确认模式,则直接采用涂布控制量生成控制指令以控制涂布控制对象,以实现控制模型辅助生产。每一次控制操作的控制指令都可以记录在本地备份,定期(用户自定义)将控制效果输出成控制报告反馈给用户,控制报告中可以包括涂布面密度的超限次数、控制次数、控制偏差、人工确认次数等。
其中,控制模型选择系统的模块化结构如图5所示,主要有4个模块,分别是“多控制模型展示模块”、“模型仿真模块(历史/实时)”、“模型评价模块”、“模型自定义模块”。多控制模型展示模块用于展示各控制模块的描述信息和适用范围;模型仿真模块(历史/实时)用于根据历史涂布面密度进行历史仿真和根据实时的涂布面密度进行实时仿真;模型评价模块用于根据历史仿真的结果计算仿真评估值;模型自定义模块用于同时启用多个控制模型,然后把各个控制模型的结果加权平均之后作为最终输出。
应该理解的是,虽然图2-图4的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2-图4中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图6所示,提供了一种涂布控制装置,包括:信息获取模块610、模型选择模块630、控制量获得模块650和控制模块670。
信息获取模块610用于在自动涂布控制模式下,获取模型选择信息以及当前的涂布面密度;模型选择模块630用于根据模型选择信息,从多个备选的控制模型中选择控制模型得到目标控制模型;控制量获得模块650用于采用目标控制模型并根据当前的涂布面密度得到涂布控制量;控制模块670用于根据涂布控制量输出控制指令至涂布控制对象。
上述涂布控制装置,可以根据模型选择信息从多个控制模型中选择目标控制模型,采用目标控制模型确定涂布控制量以控制涂布控制对象,如此,支持从多个控制模型中选择使用,支持多种控制模型,从而可以兼容多种控制方式,相比于现有技术中只允许一种控制方式,兼容性更好。
在其中一个实施例中,模型选择模块630包括模型选择单元、历史数据获取单元、仿真单元和模型确定单元。
其中,模型选择单元用于从多个备选的控制模型中,选择模型选择信息所对应的多个控制模型。历史数据获取单元用于获取预设历史时间段内的历史涂布面密度。仿真单元用于分别采用选择的各控制模型基于历史涂布面密度进行仿真测试。模型确定单元用于根据各控制模型仿真测试的结果选定最终的控制模型作为目标控制模型。通过结合历史数据进行仿真、基于仿真结果选定目标控制模型,可以优化选择。
在其中一个实施例中,模型确定单元用于分别根据各控制模型仿真测试的结果,计算各控制模型对应的仿真评估值;根据各控制模型的仿真评估值选取控制模型作为目标控制模型。
通过进一步基于仿真测试的结果进行评估以选择目标控制模型,相比于基于用户经验选择,可以避免主观性,选择更准确。
在其中一个实施例中,控制模型仿真测试的结果包括控制指令计算耗时、仿真测试次数和控制误差。模型确定单元分别根据各控制模型仿真测试的控制误差计算方差和稳态误差;根据方差、稳态误差、控制指令计算耗时、仿真测试次数以及预设方差占比、预设稳态误差占比、预设耗时占比和预设次数占比,计算对应控制模型的仿真评估值。
在另一个实施例中,目标控制模型可以有多个。模型选择模块630从多个备选的控制模型中,选择模型选择信息所对应的多个控制模型得到多个目标控制模型。对应地,控制量获得模块650获取各目标控制模型根据当前的涂布面密度输出的涂布控制量;将各目标控制模型的涂布控制量进行加权平均得到最终的涂布控制量。如此,可以支持自定义模型组合,方便用户自行组合多个控制模型,以同时启用多个控制模型,达到一个相对均衡的控制效果。
在其中一个实施例中,上述涂布控制装置还包括控制量认可模块(图未示),用于输出涂布控制量;在接收到控制量认可指令时,由控制模块670执行对应功能;在接收到控制量不认可指令时,重新由信息获取模块610执行对应功能。
在其中一个实施例中,上述涂布控制装置还包括报告模块(图未示),用于记录控制指令,统计控制次数以及获取的涂布面密度超过预设目标值的超限次数;根据控制指令、控制次数和超限次数定期生成控制报告。
在其中一个实施例中,上述涂布控制装置还包括实时仿真模块(图未示),用于在接收到实时仿真指令时,采用各备选的控制模型根据当前的涂布面密度得到涂布控制量;分别根据各备选的控制模型得到的涂布控制量生成仿真控制指令;输出各备选的控制模型对应的仿真控制指令。
关于涂布控制装置的具体限定可以参见上文中对于涂布方法的限定,在此不再赘述。上述涂布控制装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于控制设备中的处理器中,也可以以软件形式存储于控制设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。需要说明的是,本申请实施例中对模块的划分是示意性的,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
在一个实施例中,提供了一种控制设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现上述各方法实施例中的步骤。
上述控制设备,由于可以实现上述各方法实施例中的步骤,同理,可以支持多种涂布的控制方式,兼容性更好。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述各方法实施例中的步骤。
上述计算机可读存储介质,由于可以实现上述各方法实施例中的步骤,同理,可以支持多种涂布的控制方式,兼容性更好。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory,ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory,RAM)或外部高速缓冲存储器。作为说明而非局限,RAM可以是多种形式,比如静态随机存取存储器(Static Random Access Memory,SRAM)或动态随机存取存储器(Dynamic Random Access Memory,DRAM)等。
在本说明书的描述中,参考术语“有些实施例”、“其他实施例”、“理想实施例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特征包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性描述不一定指的是相同的实施例或示例。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (11)
1.一种涂布控制方法,其特征在于,包括:
在自动涂布控制模式下,获取模型选择信息以及当前的涂布面密度;
根据所述模型选择信息,从多个备选的控制模型中选择控制模型得到目标控制模型;
采用所述目标控制模型并根据当前的涂布面密度得到涂布控制量;
根据所述涂布控制量输出控制指令至涂布控制对象。
2.根据权利要求1所述的方法,其特征在于,所述根据所述模型选择信息,从多个备选的控制模型中选择控制模型得到目标控制模型,包括:
从多个备选的控制模型中,选择所述模型选择信息所对应的多个控制模型;
获取预设历史时间段内的历史涂布面密度;
分别采用选择的各控制模型基于所述历史涂布面密度进行仿真测试;
根据各控制模型仿真测试的结果选定最终的控制模型作为目标控制模型。
3.根据权利要求2所述的方法,其特征在于,所述根据各控制模型仿真测试的结果选定最终的控制模型作为目标控制模型,包括:
分别根据各控制模型仿真测试的结果,计算各控制模型对应的仿真评估值;
根据各控制模型的仿真评估值选取控制模型作为目标控制模型。
4.根据权利要求3所述的方法,其特征在于,所述控制模型仿真测试的结果包括控制指令计算耗时、仿真测试次数和控制误差;所述分别根据各控制模型仿真测试的结果,计算各控制模型对应的仿真评估值,包括:
分别根据各控制模型仿真测试的控制误差计算方差和稳态误差;
根据所述方差、所述稳态误差、所述控制指令计算耗时、所述仿真测试次数以及预设方差占比、预设稳态误差占比、预设耗时占比和预设次数占比,计算对应控制模型的仿真评估值。
5.根据权利要求1所述的方法,其特征在于,所述根据所述模型选择信息,从多个备选的控制模型中选择控制模型得到目标控制模型,包括:
从多个备选的控制模型中,选择所述模型选择信息所对应的多个控制模型得到多个目标控制模型;
所述采用所述目标控制模型并根据当前的涂布面密度得到涂布控制量,包括:
获取各目标控制模型根据当前的涂布面密度输出的涂布控制量;
将各目标控制模型的涂布控制量进行加权平均得到最终的涂布控制量。
6.根据权利要求1所述的方法,其特征在于,所述采用所述目标控制模型并根据当前的涂布面密度得到涂布控制量之后,所述根据所述涂布控制量输出控制指令至涂布控制对象之前,还包括:
输出所述涂布控制量;
若接收到控制量认可指令,则执行所述根据所述涂布控制量输出控制指令至涂布控制对象的步骤;
若接收到控制量不认可指令,则返回所述在自动涂布控制模式下,获取模型选择信息以及当前的涂布面密度的步骤。
7.根据权利要求1所述的方法,其特征在于,所述根据所述涂布控制量输出控制指令至涂布控制对象之后,还包括:
记录所述控制指令,统计控制次数以及获取的涂布面密度超过预设目标值的超限次数;
根据所述控制指令、所述控制次数和所述超限次数定期生成控制报告。
8.根据权利要求1所述的方法,其特征在于,所述方法还包括:
在接收到实时仿真指令时,采用各备选的控制模型根据当前的涂布面密度得到涂布控制量;
分别根据各备选的控制模型得到的涂布控制量生成仿真控制指令;
输出各备选的控制模型对应的仿真控制指令。
9.一种涂布控制装置,其特征在于,包括:
信息获取模块,用于在自动涂布控制模式下,获取模型选择信息以及当前的涂布面密度;
模型选择模块,用于根据所述模型选择信息,从多个备选的控制模型中选择控制模型得到目标控制模型;
控制量获得模块,用于采用所述目标控制模型并根据当前的涂布面密度得到涂布控制量;
控制模块,用于根据所述涂布控制量输出控制指令至涂布控制对象。
10.一种控制设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至8中任一项所述的方法的步骤。
11.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至8中任一项所述的方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211007561.5A CN115356996A (zh) | 2022-08-22 | 2022-08-22 | 涂布控制方法、装置、控制设备和存储介质 |
PCT/CN2023/109701 WO2024041305A1 (zh) | 2022-08-22 | 2023-07-27 | 涂布控制方法、装置、控制设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211007561.5A CN115356996A (zh) | 2022-08-22 | 2022-08-22 | 涂布控制方法、装置、控制设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115356996A true CN115356996A (zh) | 2022-11-18 |
Family
ID=84001778
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211007561.5A Pending CN115356996A (zh) | 2022-08-22 | 2022-08-22 | 涂布控制方法、装置、控制设备和存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN115356996A (zh) |
WO (1) | WO2024041305A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024041305A1 (zh) * | 2022-08-22 | 2024-02-29 | 无锡先导智能装备股份有限公司 | 涂布控制方法、装置、控制设备和存储介质 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7036128B2 (ja) * | 2018-01-16 | 2022-03-15 | 日本電気株式会社 | 制御装置、制御方法およびプログラム |
SE543674C2 (en) * | 2019-04-18 | 2021-05-25 | Calejo Ind Intelligence Ab | Evaluation and/or adaptation of industrial and/or technical process models |
JP7342833B2 (ja) * | 2020-10-16 | 2023-09-12 | 横河電機株式会社 | 制御装置、コントローラ、制御システム、制御方法、および制御プログラム |
CN112596378A (zh) * | 2021-03-02 | 2021-04-02 | 深圳市曼恩斯特科技股份有限公司 | 涂布厚度控制方法及涂布厚度控制模型的训练方法、装置 |
CN114297879A (zh) * | 2022-01-06 | 2022-04-08 | 业泓科技(成都)有限公司 | 狭缝式涂布头之夹片的设计方法 |
CN115356996A (zh) * | 2022-08-22 | 2022-11-18 | 无锡先导智能装备股份有限公司 | 涂布控制方法、装置、控制设备和存储介质 |
-
2022
- 2022-08-22 CN CN202211007561.5A patent/CN115356996A/zh active Pending
-
2023
- 2023-07-27 WO PCT/CN2023/109701 patent/WO2024041305A1/zh unknown
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024041305A1 (zh) * | 2022-08-22 | 2024-02-29 | 无锡先导智能装备股份有限公司 | 涂布控制方法、装置、控制设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
WO2024041305A1 (zh) | 2024-02-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7265364B2 (ja) | 情報処理装置、情報処理方法及び情報処理システム | |
US7877154B2 (en) | Method and system for controlling a batch process | |
CN115356996A (zh) | 涂布控制方法、装置、控制设备和存储介质 | |
US20090125293A1 (en) | Method and System for Real-Time Prediction of Power Usage for a Change to Another Performance State | |
US20190369598A1 (en) | Life predicting device and machine learning device | |
CN108593055B (zh) | 一种煤粉质量流量计在线自动标定方法及系统 | |
CN103135455A (zh) | 用于包括过程启动的工作流程的过程控制的系统和方法 | |
CN114216256A (zh) | 离线预训练-在线学习的通风系统风量控制方法 | |
CN110781969A (zh) | 基于深度强化学习的空调风量控制方法、装置以及介质 | |
CN105453217B (zh) | 用于控制使用反馈的流量比控制器的方法和系統 | |
CN115764870A (zh) | 基于自动化机器学习的多变量光伏发电功率预测方法与装置 | |
CN108223298A (zh) | 用于配置风力涡轮机的方法和系统 | |
CN114326620B (zh) | 一种全流程自动控制方法、装置及电子设备 | |
CN116540523A (zh) | 一种基于关键指标的pid回路参数智能整定方法及系统 | |
CN105785760A (zh) | 一种退火炉净环水硬度自动控制系统及其方法 | |
CN110726216B (zh) | 空调器及其控制方法、装置、系统、存储介质和处理器 | |
CN101109099A (zh) | 基于工业以太网电镀生产过程的控制方法 | |
CN108955850B (zh) | 用于计量机的自动获取计量预设值的方法 | |
CN116830049A (zh) | 用于碳氢化合物系统的数字孪生化的系统和方法 | |
JP2020113151A (ja) | 処理水質推定装置、処理水質推定方法及びプログラム | |
CN105527837A (zh) | 化工生产装置控制回路参数整定测试方法和装置 | |
CN113791579A (zh) | 线切割加工时间预测方法、装置、计算机设备和存储介质 | |
US20230335225A1 (en) | Method and system for virtual inspection and simulation of rare earth production process | |
EP4198655A1 (en) | Establishing or improving a simulation model of an electrolyzer plant | |
Liu et al. | The fuzzy-PID application in speed control system of the paper cutter |
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 |