CN116024532A - 一种用于真空镀膜的智能控制方法及系统 - Google Patents
一种用于真空镀膜的智能控制方法及系统 Download PDFInfo
- Publication number
- CN116024532A CN116024532A CN202310092218.3A CN202310092218A CN116024532A CN 116024532 A CN116024532 A CN 116024532A CN 202310092218 A CN202310092218 A CN 202310092218A CN 116024532 A CN116024532 A CN 116024532A
- Authority
- CN
- China
- Prior art keywords
- coating
- target
- temperature
- control
- intelligent control
- 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
Links
Images
Classifications
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Application Of Or Painting With Fluid Materials (AREA)
Abstract
本发明提供了一种用于真空镀膜的智能控制方法及系统,涉及智能控制技术领域,方法包括:提取历史镀膜记录所包括的具备时序特征的多次镀膜信息组中的目标镀膜信息组,并分析组建目标控制参数集,依次提取目标控制参数集中的第一、第二、第三参数,在通过智能控制模型中温度优化单元、真空度优化单元、气体流量优化单元,分别获得镀膜温度的目标最优温度、目标最优真空度、目标最优气体流量,并对三者进行仿真验证,并确定目标最优控制方案,根据目标最优控制方案进行真空镀膜的智能控制,本发明解决了现有技术中对真空镀膜过程的控制不佳,使得最终真空镀膜效果差的技术问题,实现了对真空镀膜过程的合理化精准控制,进而提高真空镀膜效果。
Description
技术领域
本发明涉及智能控制技术领域,具体涉及一种用于真空镀膜的智能控制方法及系统。
背景技术
随着镀膜技术的发展,特别是真空镀膜技术的发展,其真空镀膜技术初现于20世纪30年代,四五十年代开始出现工业应用,工业化大规模生产开始于20世纪80年代,在电子、宇航、包装、装潢、烫金印刷等工业中取得广泛的应用,真空镀膜的功能是多方面的,这也决定了其应用场合非常丰富。总体来说,真空镀膜的主要功能包括赋予被镀件表面高度金属光泽和镜面效果,在薄膜材料上使膜层具有出色的阻隔性能,提供优异的电磁屏蔽和导电效果。
而现有技术中对真空镀膜过程的控制不佳,使得出现最终获得的真空镀膜成品效果差的问题。
发明内容
本申请提供了一种用于真空镀膜的智能控制方法及系统,用于针对解决现有技术中存在的对真空镀膜过程的控制不佳,使得最终真空镀膜效果差的技术问题。
鉴于上述问题,本申请提供了一种用于真空镀膜的智能控制方法及系统。
第一方面,本申请提供了一种用于真空镀膜的智能控制方法,所述方法包括:获取历史镀膜记录,其中,所述历史镀膜记录包括具备时序特征的多次镀膜信息组;提取所述多次镀膜信息组中的目标镀膜信息组,并分析组建目标控制参数集;依次提取所述目标控制参数集中的第一参数、第二参数、第三参数,其中,所述第一参数是指镀膜温度,所述第二参数是指镀膜真空度,所述第三参数是指镀膜气体流量;获取智能控制模型,其中,所述智能控制模型包括温度优化单元、真空度优化单元、气体流量优化单元;通过所述温度优化单元得到所述镀膜温度的目标最优温度,通过所述真空度优化单元得到所述镀膜真空度的目标最优真空度,通过所述气体流量优化单元得到所述镀膜气体流量的目标最优气体流量;基于所述目标最优温度、所述目标最优真空度和所述目标最优气体流量进行仿真验证,并确定目标最优控制方案;根据所述目标最优控制方案进行真空镀膜的智能控制。
第二方面,本申请提供了一种用于真空镀膜的智能控制系统,所述系统包括:记录获取模块,所述记录获取模块用于获取历史镀膜记录,其中,所述历史镀膜记录包括具备时序特征的多次镀膜信息组;提取模块,所述提取模块用于提取所述多次镀膜信息组中的目标镀膜信息组,并分析组建目标控制参数集;参数提取模块,所述参数提取模块用于依次提取所述目标控制参数集中的第一参数、第二参数、第三参数,其中,所述第一参数是指镀膜温度,所述第二参数是指镀膜真空度,所述第三参数是指镀膜气体流量;模型获取模块,所述模型获取模块用于获取智能控制模型,其中,所述智能控制模型包括温度优化单元、真空度优化单元、气体流量优化单元;最优模块,所述最优模块用于通过所述温度优化单元得到所述镀膜温度的目标最优温度,通过所述真空度优化单元得到所述镀膜真空度的目标最优真空度,通过所述气体流量优化单元得到所述镀膜气体流量的目标最优气体流量;仿真验证模块,所述仿真验证模块用于基于所述目标最优温度、所述目标最优真空度和所述目标最优气体流量进行仿真验证,并确定目标最优控制方案;智能控制模块,所述智能控制模块用于根据所述目标最优控制方案进行真空镀膜的智能控制。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
本申请提供的一种用于真空镀膜的智能控制方法,涉及智能控制技术领域,解决了现有技术中对真空镀膜过程的控制不佳,使得最终真空镀膜效果差的技术问题,实现了对真空镀膜过程的合理化精准控制,进而提高真空镀膜效果。
附图说明
图1为本申请提供了一种用于真空镀膜的智能控制方法流程示意图;
图2为本申请提供了一种用于真空镀膜的智能控制方法中目标控制参数获得流程示意图;
图3为本申请提供了一种用于真空镀膜的智能控制方法中温度优化单元确定流程示意图;
图4为本申请提供了一种用于真空镀膜的智能控制方法中目标最优控制方案获得流程示意图
图5为本申请提供了一种用于真空镀膜的智能控制方法中镀膜控制评价流程示意图;
图6为本申请提供了一种用于真空镀膜的智能控制系统结构示意图。
附图标记说明:记录获取模块1,提取模块2,参数提取模块3,模型获取模块4,最优模块5,仿真验证模块6,智能控制模块7。
具体实施方式
本申请通过提供一种用于真空镀膜的智能控制方法,用于解决现有技术中对真空镀膜过程的控制不佳,使得最终真空镀膜效果差的技术问题。
实施例一
如图1所示,本申请实施例提供了一种用于真空镀膜的智能控制方法,该方法包括:
步骤S100:获取历史镀膜记录,其中,所述历史镀膜记录包括具备时序特征的多次镀膜信息组;
具体而言,本申请实施例提供的一种用于真空镀膜的智能控制方法应用于一种用于真空镀膜的智能控制系统,从该系统中对真空镀膜的历史镀膜记录进行提取,其历史镀膜记录是指记录在当前时间节点前所完成的真空镀膜成品的制作过程,且历史镀膜记录中包含具备时序特征的多次镀膜信息组,即在真空镀膜的过程中不同时刻所对应的镀膜动作,将其进行整合,从而获得多次镀膜信息组,为后期实现对真空镀膜的智能控制作为重要参考依据。
步骤S200:提取所述多次镀膜信息组中的目标镀膜信息组,并分析组建目标控制参数集;
具体而言,将以上所获历史镀膜记录内具备时序特征的多次镀膜信息组中的目标镀膜信息组进行提取,首先对镀膜控制参数集进行组建,在此基础上对目标镀膜信息组中的目标控制参数信息集提取,即在真空镀膜的过程中,对需要控制的各项参数进行采集,且由于控制各项参数的不同,所对应的最终镀膜效果也不同,从而匹配目标控制参数信息集中的目标镀膜效果,同时对目标控制参数信息集和目标镀膜效果进行相关性分析,并由相关性分析的结果对镀膜控制参数集进行筛选,得到目标控制参数集,其目标控制参数集为控制参数中的典型参数,最终根据该典型参数对真空镀膜进行智能控制。
步骤S300:依次提取所述目标控制参数集中的第一参数、第二参数、第三参数,其中,所述第一参数是指镀膜温度,所述第二参数是指镀膜真空度,所述第三参数是指镀膜气体流量;
具体而言,将目标控制参数集中的参数进行划分后,对目标控制参数集中包含的第一参数、第二参数、第三参数进行依次提取,其目标控制参数集中所包含的第一参数是指镀膜温度,第二参数是指镀膜真空度,第三参数是指镀膜气体流量,其镀膜温度可以是由真空室加热进行镀膜温度控制,其镀膜真空度可以是在镀膜时加少许气体,通过对电弧电源的控制增加母材在真空室的离化率,其镀膜气体流量是指在镀膜的过程中多路气体质量流量对进气进行控制与检测的数据,进而为实现对真空镀膜进行智能控制做保障。
步骤S400:获取智能控制模型,其中,所述智能控制模型包括温度优化单元、真空度优化单元、气体流量优化单元;
具体而言,对智能控制模型进行构建,其智能控制模型中包含温度优化单元、真空度优化单元以及气体流量优化单元,进一步的,对智能控制模型中的温度优化单元进行确定,首先可以在禁忌搜索算法、灰狼优化算法等寻优算法的基础上对不同算法算出的温度优化单元进行构建,再将所构建的多个不同温度优化单元所对应的不同优化效果进行对比,从而对温度优化单元进行确定,在此基础上,同理对智能控制模型中的真空度优化单元以及气体流量优化单元进行依次确定,为后续实现对真空镀膜进行智能控制夯实基础。
步骤S500:通过所述温度优化单元得到所述镀膜温度的目标最优温度,通过所述真空度优化单元得到所述镀膜真空度的目标最优真空度,通过所述气体流量优化单元得到所述镀膜气体流量的目标最优气体流量;
具体而言,在智能控制模型中包含的温度优化单元、真空度优化单元、气体流量优化单元的基础上,进一步通过温度优化单元中将所构建的多个不同温度优化单元所对应的不同优化效果进行对比后,获得镀膜温度的目标最优温度,通过真空度优化单元中将所构建的多个不同真空度优化单元所对应的不同优化效果进行对比后,获得镀膜真空度的目标最优真空度,通过气体流量优化单元中将所构建的多个不同气体流量优化单元所对应的不同优化效果进行对比后,获得镀膜气体流量的目标最优气体流量,从而对应获得目标最优温度、目标最优真空度、目标最优气体流量,对实现真空镀膜进行智能控制有着推进的作用。
步骤S600:基于所述目标最优温度、所述目标最优真空度和所述目标最优气体流量进行仿真验证,并确定目标最优控制方案;
具体而言,以上述所获目标最优温度、目标最优真空度、目标最优气体流量为基础,对其三者进行仿真验证,其中首先可以通过MatLab对镀膜仿真模型进行构建,从而将目标最优温度、目标最优真空度以及目标最优气体流量对镀膜仿真模型进行仿真,并在该仿真过程中对仿真数据进行记录,进而根据仿真数据,对以上进行寻优后所获得的优化结果进行对应微调,以此提高最优解的可靠性和准确性,保证智能控制效果,最终对目标最优控制方案进行确定,并对后期实现真空镀膜进行智能控制有着深远的影响。
步骤S700:根据所述目标最优控制方案进行真空镀膜的智能控制。
具体而言,通过基于目标最优温度、目标最优真空度以及目标最优气体流量进行仿真验证后,对真空镀膜的过程中为最终的镀膜效果确定一个目标最优控制方案,并根据所确定的目标最优控制方案对镀膜过程中的镀膜温度、镀膜真空度、镀膜气体流量都求得一对应目标最优数据,从而根据镀膜温度、镀膜真空度、镀膜气体流量所对应的目标最优数据进行真空镀膜,实现了对真空镀膜过程的合理化精准控制,进而提高真空镀膜效果。
进一步而言,如图2所示,本申请步骤S200还包括:
步骤S210:组建镀膜控制参数集;
步骤S220:基于所述镀膜控制参数集提取所述目标镀膜信息组中的目标控制参数信息集;
步骤S230:匹配所述目标控制参数信息集的目标镀膜效果;
步骤S240:对所述目标控制参数信息集和所述目标镀膜效果进行相关性分析,得到相关性分析结果;
步骤S250:基于所述相关性分析结果对所述镀膜控制参数集进行筛选,得到所述目标控制参数集。
具体而言,对镀膜控制参数集进行组建,其镀膜控制参数组是指在镀膜过程中要控制的所有参数指标,例如温度、湿度、紫外线强度、真空度、气体流量、风力风速风强等,从而对镀膜控制参数集中提取目标镀膜信息中影响真空镀膜过程的参数指标,将所提取的参数指标进行整合后获得目标控制参数信息集,由于在目标控制参数信息集中包含多个控制参数信息,而根据不同的控制参数信息匹配其所对应的不同目标镀膜效果,进一步的,对目标控制参数信息集与所匹配的目标镀膜效果进行相关性分析,其相关性分析时基于最大信息系数方法,该方法根据目标控制参数信息集与所匹配的目标镀膜效果在真空镀膜的总网格中所存在子格内的频率来计算目标控制参数信息集与所匹配的目标镀膜效果之间的相关性系数,从而对应获得相关性分析结果,再根据相关性分析结果对镀膜控制参数集进行筛选,即通过对镀膜控制参数集中的典型参数以及主要的参数进行智能控制,实现真空镀膜智能控制目标。
进一步而言,本申请步骤S250包括:
步骤S251:将所述目标控制参数信息集中各参数信息作为自变量,将所述目标镀膜效果作为因变量;
步骤S252:根据所述自变量与所述因变量之间的映射关系绘制散点图,其中,所述散点图包括多个目标散点图;
步骤S253:依次分析所述多个目标散点图,得到多个目标最大信息系数;
步骤S254:基于所述多个目标最大信息系数对所述目标控制参数信息集进行排序,得到目标控制参数信息降序序列;
步骤S255:基于所述目标控制参数信息降序序列,反向匹配镀膜控制参数降序序列;
步骤S256:提取所述镀膜控制参数降序序列中预设排名阈值的参数,组成所述目标控制参数集。
具体而言,由于目标控制参数信息集中各参数信息为自身可以控制的因素,同时也能引起因变量变化的因素,因此将目标控制参数信息集中各参数信息作为自变量,而目标镀膜效果会因为目标控制参数信息集中各参数信息,从而对应变化结果,因此将目标镀膜效果作为因变量,进一步的,根据所设自变量以及因变量质检的映射关系,对散点图进行绘制,其散点图包含多个目标散点图,即各参数信息与因变量之间的多个散点图,进而对所获多个目标散点图进行依次分析,即首先对多个目标散点图中任意一个目标散点图进行提取,依次基于所预设的多个网格化方案对任意一个目标散点图进行分区,分别得到多个网格化方案所对应的多个分区结果,逐个对多个分区结果进行计算,得到与之对应的多个不同最大互信息值,并将不同的多个最大互信息值进行比对,从中确定一最大互信息值,将其作为目标最大信息系数进行确定,从而根据多个目标最大信息系数的大小,依照从大到小对目标控制参数信息集进行排序后,从而得到目标控制参数信息的降序序列,其目标控制参数信息的降序序列是对镀膜控制参数集中各个镀膜控制参数进行排序,且最大信息系数越大,则相关性越大其参数位置越靠前,在此基础上对镀膜控制参数进行反向匹配后,对应获得镀膜控制参数降序序列,同时对所获镀膜控制参数降序序列中预设排名阈值的参数进行提取,并将所提取的镀膜控制参数降序序列中预设排名阈值的参数进行汇总与整合,最终组成目标控制参数集,根据目标控制参数集更好的实现真空镀膜的智能控制。
进一步而言,本申请步骤S253包括:
步骤S2531:提取所述多个目标散点图中任意一个目标散点图;
步骤S2532:获取预设网格化方案,其中,所述预设网格化方案包括第一网格化方案、第二网格化方案;
步骤S2533:依次基于所述第一网格化方案和所述第二网格化方案对所述任意一个目标散点图进行分区,分别得到第一分区结果和第二分区结果;
步骤S2534:依次对所述第一分区结果和所述第二分区结果进行计算,得到第一最大互信息值和第二最大互信息值;
步骤S2535:对比所述第一最大互信息值和所述第二最大互信息值,确定目标最大信息系数。
具体而言,
根据目标控制参数信息集中各参数信息与目标镀膜效果之间的映射关系对多个目标散点图进行绘制,其散点图是指在回归分析中,数据点在直角坐标系平面上的分布图,散点图表示目标镀膜效果随目标控制参数信息集中各参数信息而变化的大致趋势,据此可以选择合适的函数对数据点进行拟合,进一步对多个目标散点图中任意一目标散点图进行提取,对于目标控制参数信息集中各参数信息、目标镀膜效果的散点图而言,存在某种网格覆盖散点图,从而获取预设网格化方案,其中所获预设网格化方案由相关技术人员根据散点图数据量进行预设,其预设网格化方案包含第一网格化方案、第二网格化方案,从而在第一网格化方案和第二网格化方案的基础上,可以使用曲率工具对任意一个目标散点图进行分区,分别对应得到第一分区结果和第二分区结果,进而依次对第一分区结果和第二分区结果进行计算,得到第一最大互信息值和第二最大互信息值,即根据各散点在网格中子格内的频率来计算目标控制参数信息集中各参数信息、目标镀膜效果之间的相关系数,最终将所获第一最大互信息值和第二最大互信息值进行比对,选取二者间比较后大的值,从而将其作为目标最大信息系数进行输出,达到为后期实现真空镀膜的智能控制提供重要依据的技术效果。
进一步而言,如图3所示,本申请步骤S400还包括:
步骤S410:获取寻优算法组,其中,所述寻优算法组包括第一算法、第二算法;
步骤S420:基于所述第一算法和所述第二算法,分别构建第一温度优化单元和第二温度优化单元;
步骤S430:对比所述第一温度优化单元和所述第二温度优化单元的优化效果,并确定所述温度优化单元。
具体而言,对多个寻优算法进行整合,从而获取寻优算法组,其多个寻优算法可以是天牛须算法、禁忌搜索算法、灰狼优化算法等寻优算法,其中,寻优算法组包含第一算法、第二算法,并在第一算法以及第二算法的基础上,对第一温度优化单元和第二温度优化单元进行构建,示例性的,其第一温度优化单元可以基于禁忌搜索算法对镀膜温度进行寻优,从而对应获得第一优化单元所对应的优化效果,其第二温度优化单元可以基于灰狼优化算法对镀膜温度进行寻优,从而对应获得第二优化单元所对应的优化效果,由于寻优算法的不同,导致最终获得的最优效果也存在差异性,因此,将第一温度优化单元的优化效果与第二温度优化单元的优化效果进行对比择优,将二者所获的优化效果更优的温度优化单元作为智能控制模型中的温度优化单元,以保证在真空镀膜的智能控制时的高效性。
进一步而言,如图4所示,本申请步骤S600还包括:
步骤S610:构建镀膜仿真模型;
步骤S620:将所述目标最优温度、所述目标最优真空度和所述目标最优气体流量作为初始仿真方案;
步骤S630:基于所述初始仿真方案对所述镀膜仿真模型进行仿真,记录仿真数据;
步骤S640:基于所述仿真数据对所述初始仿真方案进行调整,得到所述目标最优控制方案。
具体而言,首先对镀膜仿真模型进行构建,其模型可以是以MatLab作为基础将数值分析、矩阵计算、科学数据可视化以及非线性动态系统的建模和仿真等功能集成在一个易于使用的视窗环境中,将目标最优温度、目标最优真空度和目标最优气体流量作为初始仿真方案,从而基于初始仿真方案对镀膜仿真模型进行仿真,记录仿真数据,即该仿真方案是运用镀膜仿真模型和MatLab技术,对实际问题进行建模,也可以通过镀膜仿真模型采用人工试验的手段,来理解需要解决的实际问题,通过仿真可以记录对解决实际问题有效的仿真数据,进而根据仿真数据,对初始仿真方案进行微调,从而达到提高最优解的可靠性和准确性,并在此基础上,对目标最优控制方案进行获得,最终达到对真空镀膜的智能控制提供参考的技术效果。
进一步而言,如图5所示,本申请步骤S800还包括:
步骤S810:组建镀膜评价指标集,其中,所述镀膜评价指标集包括镀膜效率、镀膜均匀性;
步骤S820:获取智能控制镀膜记录,其中,所述智能控制镀膜记录包括镀膜时长、镀膜面积;
步骤S830:基于所述镀膜时长和所述镀膜面积计算镀膜效率;
步骤S840:获得智能镀膜,并基于预设膜厚测量方案对所述智能镀膜进行检测,得到镀膜均匀性;
步骤S850:基于所述镀膜效率和所述镀膜均匀性进行镀膜控制评价。
具体而言,对真空镀膜的镀膜效率以及镀膜均匀性进行采集,并将二者进行整合后组件出镀膜评价指标集,进一步的对智能控制中的镀膜记录进行获取,其智能控制镀膜记录中包含镀膜时长以及镀膜面积,从而根据所记录的镀膜时长与镀膜面积相应对镀膜效率进行计算,其镀膜时长可以是30分钟至60分钟,其镀膜面积的长*宽不能超过400*400mm,在镀膜时长与镀膜面积的范围内进行效率的计算,同时基于预设膜厚测量方案对智能镀膜的点位集中各点位依次进行检测得到膜厚集,从而对膜厚集中各点位膜厚是否满足预设膜厚标准进行判断,若膜厚集中各点位膜厚满足预设膜厚标准,则提取膜厚集中的最大膜厚和最小膜厚,并计算最大膜厚和最小膜厚之间的膜厚差,再对膜厚差得到智能镀膜的膜均匀性级别进行分析,将分析结果记作镀膜均匀性,最终根据所获镀膜效率以及镀膜均匀性对镀膜控制进行评价,达到对真空镀膜的智能控制的技术效果。
进一步而言,本申请步骤S840包括:
步骤S841:组建所述智能镀膜的点位集;
步骤S842:基于所述预设膜厚测量方案对所述点位集中各点位依次进行检测,得到膜厚集,其中,所述膜厚集与所述点位集具备对应关系;
步骤S843:判断所述膜厚集中各点位膜厚是否满足预设膜厚标准;
步骤S844:若是满足,提取所述膜厚集中的最大膜厚和最小膜厚,并计算膜厚差;
步骤S845:分析所述膜厚差得到所述智能镀膜的膜均匀性级别,记作所述镀膜均匀性。
具体而言,对智能镀膜的均匀厚度进行检测,从而对智能镀膜的点位集进行组建,其均匀厚度可以是通过人工分析进行确定的,例如对历史镀膜易出现膜厚控制差的点位进行重点标记,并在预设膜厚测量方案的基础上,对点位集中各点位的膜厚进行依次检测,从而获得与之对应的膜厚集,其预设膜厚测量方案可以通过机械测量、光学测量、电学测量等进行对应方案的制定,且所获膜厚集与所获点位集具备对应的关系,进一步的,对膜厚集中各点位的膜厚是否满足预设膜厚标准进行判断,其预设膜厚标准是基于预设膜厚测量方案进行预设的标准,当膜厚集中各点位的膜厚满足预设膜厚标准时,则对膜厚集中的上限与下限进行提取,即膜厚集中的最大膜厚与最小膜厚,进而将最大膜厚与最小膜厚进行作差计算,将计算结果作为其膜厚差进行输出,最终对所获膜厚差与检测所获的只能镀膜的膜均匀性级别进行匹配分析,将二者匹配完成的结果基座镀膜均匀性,进而实现对真空镀膜的智能控制。
实施例二
基于与前述实施例中一种用于真空镀膜的智能控制方法相同的发明构思,如图6所示,本申请提供了一种用于真空镀膜的智能控制系统,系统包括:
记录获取模块1,所述记录获取模块1用于获取历史镀膜记录,其中,所述历史镀膜记录包括具备时序特征的多次镀膜信息组;
提取模块2,所述提取模块2用于提取所述多次镀膜信息组中的目标镀膜信息组,并分析组建目标控制参数集;
参数提取模块3,所述参数提取模块3用于依次提取所述目标控制参数集中的第一参数、第二参数、第三参数,其中,所述第一参数是指镀膜温度,所述第二参数是指镀膜真空度,所述第三参数是指镀膜气体流量;
模型获取模块4,所述模型获取模块4用于获取智能控制模型,其中,所述智能控制模型包括温度优化单元、真空度优化单元、气体流量优化单元;
最优模块5,所述最优模块5用于通过所述温度优化单元得到所述镀膜温度的目标最优温度,通过所述真空度优化单元得到所述镀膜真空度的目标最优真空度,通过所述气体流量优化单元得到所述镀膜气体流量的目标最优气体流量;
仿真验证模块6,所述仿真验证模块6用于基于所述目标最优温度、所述目标最优真空度和所述目标最优气体流量进行仿真验证,并确定目标最优控制方案;
智能控制模块7,所述智能控制模块7用于根据所述目标最优控制方案进行真空镀膜的智能控制。
进一步而言,系统还包括:
第一组建模块,所述第一组建模块用于组建镀膜控制参数集;
信息集提取模块,所述信息集提取模块用于基于所述镀膜控制参数集提取所述目标镀膜信息组中的目标控制参数信息集;
第一匹配模块,所述第一匹配模块用于匹配所述目标控制参数信息集的目标镀膜效果;
相关性分析模块,所述相关性分析模块用于对所述目标控制参数信息集和所述目标镀膜效果进行相关性分析,得到相关性分析结果;
筛选模块,所述筛选模块用于基于所述相关性分析结果对所述镀膜控制参数集进行筛选,得到所述目标控制参数集。
进一步而言,系统还包括:
第一参数模块,所述第一参数模块用于将所述目标控制参数信息集中各参数信息作为自变量,将所述目标镀膜效果作为因变量;
绘制模块,所述绘制模块用于根据所述自变量与所述因变量之间的映射关系绘制散点图,其中,所述散点图包括多个目标散点图;
第一分析模块,所述第一分析模块用于依次分析所述多个目标散点图,得到多个目标最大信息系数;
排序模块,所述排序模块用于基于所述多个目标最大信息系数对所述目标控制参数信息集进行排序,得到目标控制参数信息降序序列;
第二匹配模块,所述第二匹配模块用于基于所述目标控制参数信息降序序列,反向匹配镀膜控制参数降序序列;
第二参数模块,所述第二参数模块用于提取所述镀膜控制参数降序序列中预设排名阈值的参数,组成所述目标控制参数集。
进一步而言,系统还包括:
图模块,所述图模块用于提取所述多个目标散点图中任意一个目标散点图;
方案获取模块,所述方案获取模块用于获取预设网格化方案,其中,所述预设网格化方案包括第一网格化方案、第二网格化方案;
分区模块,所述分区模块用于依次基于所述第一网格化方案和所述第二网格化方案对所述任意一个目标散点图进行分区,分别得到第一分区结果和第二分区结果;
第一计算模块,所述第一计算模块用于依次对所述第一分区结果和所述第二分区结果进行计算,得到第一最大互信息值和第二最大互信息值;
对比模块,所述对比模块用于对比所述第一最大互信息值和所述第二最大互信息值,确定目标最大信息系数。
进一步而言,系统还包括:
算法模块,所述算法模块用于获取寻优算法组,其中,所述寻优算法组包括第一算法、第二算法;
单元构建模块,所述单元构建模块用于基于所述第一算法和所述第二算法,分别构建第一温度优化单元和第二温度优化单元;
单元确定模块,所述单元确定模块用于对比所述第一温度优化单元和所述第二温度优化单元的优化效果,并确定所述温度优化单元。
进一步而言,系统还包括:
模型构建模块,所述模型构建模块用于构建镀膜仿真模型;
初始模块,所述初始模块用于将所述目标最优温度、所述目标最优真空度和所述目标最优气体流量作为初始仿真方案;
仿真模块,所述仿真模块用于基于所述初始仿真方案对所述镀膜仿真模型进行仿真,记录仿真数据;
调整模块,所述调整模块用于基于所述仿真数据对所述初始仿真方案进行调整,得到所述目标最优控制方案。
进一步而言,系统还包括:
评价模块,所述评价模块用于组建镀膜评价指标集,其中,所述镀膜评价指标集包括镀膜效率、镀膜均匀性;
记录模块,所述记录模块用于获取智能控制镀膜记录,其中,所述智能控制镀膜记录包括镀膜时长、镀膜面积;
第二计算模块,所述第二计算模块用于基于所述镀膜时长和所述镀膜面积计算镀膜效率;
第一检测模块,所述第一检测模块用于获得智能镀膜,并基于预设膜厚测量方案对所述智能镀膜进行检测,得到镀膜均匀性;
均匀性控制模块,所述均匀性控制模块用于基于所述镀膜效率和所述镀膜均匀性进行镀膜控制评价。
进一步而言,系统还包括:
第二组建模块,所述第二组建模块用于组建所述智能镀膜的点位集;
第二检测模块,所述第二检测模块用于基于所述预设膜厚测量方案对所述点位集中各点位依次进行检测,得到膜厚集,其中,所述膜厚集与所述点位集具备对应关系;
判断模块,所述判断模块用于判断所述膜厚集中各点位膜厚是否满足预设膜厚标准;
第三计算模块,所述第三计算模块用于若是满足,提取所述膜厚集中的最大膜厚和最小膜厚,并计算膜厚差;
级别模块,所述级别模块用于分析所述膜厚差得到所述智能镀膜的膜均匀性级别,记作所述镀膜均匀性。
本说明书通过前述对一种用于真空镀膜的智能控制方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种用于真空镀膜的智能控制方法及系统,对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (9)
1.一种用于真空镀膜的智能控制方法,其特征在于,包括:
获取历史镀膜记录,其中,所述历史镀膜记录包括具备时序特征的多次镀膜信息组;
提取所述多次镀膜信息组中的目标镀膜信息组,并分析组建目标控制参数集;
依次提取所述目标控制参数集中的第一参数、第二参数、第三参数,其中,所述第一参数是指镀膜温度,所述第二参数是指镀膜真空度,所述第三参数是指镀膜气体流量;
获取智能控制模型,其中,所述智能控制模型包括温度优化单元、真空度优化单元、气体流量优化单元;
通过所述温度优化单元得到所述镀膜温度的目标最优温度,通过所述真空度优化单元得到所述镀膜真空度的目标最优真空度,通过所述气体流量优化单元得到所述镀膜气体流量的目标最优气体流量;
基于所述目标最优温度、所述目标最优真空度和所述目标最优气体流量进行仿真验证,并确定目标最优控制方案;
根据所述目标最优控制方案进行真空镀膜的智能控制。
2.根据权利要求1所述的智能控制方法,其特征在于,所述提取所述多次镀膜信息组中的目标镀膜信息组,并分析组建目标控制参数集,包括:
组建镀膜控制参数集;
基于所述镀膜控制参数集提取所述目标镀膜信息组中的目标控制参数信息集;
匹配所述目标控制参数信息集的目标镀膜效果;
对所述目标控制参数信息集和所述目标镀膜效果进行相关性分析,得到相关性分析结果;
基于所述相关性分析结果对所述镀膜控制参数集进行筛选,得到所述目标控制参数集。
3.根据权利要求2所述的智能控制方法,其特征在于,所述基于所述相关性分析结果对所述镀膜控制参数集进行筛选,得到所述目标控制参数集,包括:
将所述目标控制参数信息集中各参数信息作为自变量,将所述目标镀膜效果作为因变量;
根据所述自变量与所述因变量之间的映射关系绘制散点图,其中,所述散点图包括多个目标散点图;
依次分析所述多个目标散点图,得到多个目标最大信息系数;
基于所述多个目标最大信息系数对所述目标控制参数信息集进行排序,得到目标控制参数信息降序序列;
基于所述目标控制参数信息降序序列,反向匹配镀膜控制参数降序序列;
提取所述镀膜控制参数降序序列中预设排名阈值的参数,组成所述目标控制参数集。
4.根据权利要求3所述的智能控制方法,其特征在于,所述依次分析所述多个目标散点图,得到多个目标最大信息系数,包括:
提取所述多个目标散点图中任意一个目标散点图;
获取预设网格化方案,其中,所述预设网格化方案包括第一网格化方案、第二网格化方案;
依次基于所述第一网格化方案和所述第二网格化方案对所述任意一个目标散点图进行分区,分别得到第一分区结果和第二分区结果;
依次对所述第一分区结果和所述第二分区结果进行计算,得到第一最大互信息值和第二最大互信息值;
对比所述第一最大互信息值和所述第二最大互信息值,确定目标最大信息系数。
5.根据权利要求1所述的智能控制方法,其特征在于,所述获取智能控制模型,其中,所述智能控制模型包括温度优化单元、真空度优化单元、气体流量优化单元,包括:
获取寻优算法组,其中,所述寻优算法组包括第一算法、第二算法;
基于所述第一算法和所述第二算法,分别构建第一温度优化单元和第二温度优化单元;
对比所述第一温度优化单元和所述第二温度优化单元的优化效果,并确定所述温度优化单元。
6.根据权利要求1所述的智能控制方法,其特征在于,所述基于所述目标最优温度、所述目标最优真空度和所述目标最优气体流量进行仿真验证,并确定目标最优控制方案,包括:
构建镀膜仿真模型;
将所述目标最优温度、所述目标最优真空度和所述目标最优气体流量作为初始仿真方案;
基于所述初始仿真方案对所述镀膜仿真模型进行仿真,记录仿真数据;
基于所述仿真数据对所述初始仿真方案进行调整,得到所述目标最优控制方案。
7.根据权利要求1所述的智能控制方法,其特征在于,在所述根据所述目标最优控制方案进行真空镀膜的智能控制之后,还包括:
组建镀膜评价指标集,其中,所述镀膜评价指标集包括镀膜效率、镀膜均匀性;
获取智能控制镀膜记录,其中,所述智能控制镀膜记录包括镀膜时长、镀膜面积;
基于所述镀膜时长和所述镀膜面积计算镀膜效率;
获得智能镀膜,并基于预设膜厚测量方案对所述智能镀膜进行检测,得到镀膜均匀性;
基于所述镀膜效率和所述镀膜均匀性进行镀膜控制评价。
8.根据权利要求7所述的智能控制方法,其特征在于,所述获得智能镀膜,并基于预设膜厚测量方案对所述智能镀膜进行检测,得到镀膜均匀性,包括:
组建所述智能镀膜的点位集;
基于所述预设膜厚测量方案对所述点位集中各点位依次进行检测,得到膜厚集,其中,所述膜厚集与所述点位集具备对应关系;
判断所述膜厚集中各点位膜厚是否满足预设膜厚标准;
若是满足,提取所述膜厚集中的最大膜厚和最小膜厚,并计算膜厚差;
分析所述膜厚差得到所述智能镀膜的膜均匀性级别,记作所述镀膜均匀性。
9.一种用于真空镀膜的智能控制系统,其特征在于,包括:
记录获取模块,所述记录获取模块用于获取历史镀膜记录,其中,所述历史镀膜记录包括具备时序特征的多次镀膜信息组;
提取模块,所述提取模块用于提取所述多次镀膜信息组中的目标镀膜信息组,并分析组建目标控制参数集;
参数提取模块,所述参数提取模块用于依次提取所述目标控制参数集中的第一参数、第二参数、第三参数,其中,所述第一参数是指镀膜温度,所述第二参数是指镀膜真空度,所述第三参数是指镀膜气体流量;
模型获取模块,所述模型获取模块用于获取智能控制模型,其中,所述智能控制模型包括温度优化单元、真空度优化单元、气体流量优化单元;
最优模块,所述最优模块用于通过所述温度优化单元得到所述镀膜温度的目标最优温度,通过所述真空度优化单元得到所述镀膜真空度的目标最优真空度,通过所述气体流量优化单元得到所述镀膜气体流量的目标最优气体流量;
仿真验证模块,所述仿真验证模块用于基于所述目标最优温度、所述目标最优真空度和所述目标最优气体流量进行仿真验证,并确定目标最优控制方案;
智能控制模块,所述智能控制模块用于根据所述目标最优控制方案进行真空镀膜的智能控制。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310092218.3A CN116024532B (zh) | 2023-02-10 | 2023-02-10 | 一种用于真空镀膜的智能控制方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310092218.3A CN116024532B (zh) | 2023-02-10 | 2023-02-10 | 一种用于真空镀膜的智能控制方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116024532A true CN116024532A (zh) | 2023-04-28 |
CN116024532B CN116024532B (zh) | 2023-08-08 |
Family
ID=86070479
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310092218.3A Active CN116024532B (zh) | 2023-02-10 | 2023-02-10 | 一种用于真空镀膜的智能控制方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116024532B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117026197A (zh) * | 2023-08-09 | 2023-11-10 | 苏州慧连航科技有限公司 | 一种纳米真空镀膜分区压力控制方法及系统 |
CN117105536A (zh) * | 2023-10-23 | 2023-11-24 | 唐山市蓝欣玻璃有限公司 | 一种基于大数据的玻璃在线镀膜过程智能管理系统 |
CN117142630A (zh) * | 2023-10-26 | 2023-12-01 | 北京华科仪科技股份有限公司 | 一种转盘式生物反应装置的自动控制方法及系统 |
CN117226608A (zh) * | 2023-09-19 | 2023-12-15 | 中山市光大光学仪器有限公司 | 一种用于分光棱镜镀膜的抛光控制方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20200033820A1 (en) * | 2018-07-25 | 2020-01-30 | Asahi Kasei Microdevices Corporation | Learning processor, learning processing method, production method of compound semiconductor, and recording medium |
CN113774353A (zh) * | 2021-09-15 | 2021-12-10 | 佛山市博顿光电科技有限公司 | 镀膜过程的工艺参数优化方法、装置及镀膜实时监控系统 |
WO2022089309A1 (zh) * | 2020-10-28 | 2022-05-05 | 哈尔滨工业大学 | 一种谐振子膜层厚度分布及均匀程度修正方法 |
CN114481077A (zh) * | 2022-01-20 | 2022-05-13 | 江苏南高智能装备创新中心有限公司 | 一种金属镀膜自动化控制装置及其方法 |
-
2023
- 2023-02-10 CN CN202310092218.3A patent/CN116024532B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20200033820A1 (en) * | 2018-07-25 | 2020-01-30 | Asahi Kasei Microdevices Corporation | Learning processor, learning processing method, production method of compound semiconductor, and recording medium |
WO2022089309A1 (zh) * | 2020-10-28 | 2022-05-05 | 哈尔滨工业大学 | 一种谐振子膜层厚度分布及均匀程度修正方法 |
CN113774353A (zh) * | 2021-09-15 | 2021-12-10 | 佛山市博顿光电科技有限公司 | 镀膜过程的工艺参数优化方法、装置及镀膜实时监控系统 |
CN114481077A (zh) * | 2022-01-20 | 2022-05-13 | 江苏南高智能装备创新中心有限公司 | 一种金属镀膜自动化控制装置及其方法 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117026197A (zh) * | 2023-08-09 | 2023-11-10 | 苏州慧连航科技有限公司 | 一种纳米真空镀膜分区压力控制方法及系统 |
CN117026197B (zh) * | 2023-08-09 | 2024-06-18 | 苏州东福来机电科技有限公司 | 一种纳米真空镀膜分区压力控制方法及系统 |
CN117226608A (zh) * | 2023-09-19 | 2023-12-15 | 中山市光大光学仪器有限公司 | 一种用于分光棱镜镀膜的抛光控制方法及系统 |
CN117226608B (zh) * | 2023-09-19 | 2024-04-02 | 中山市光大光学仪器有限公司 | 一种用于分光棱镜镀膜的抛光控制方法及系统 |
CN117105536A (zh) * | 2023-10-23 | 2023-11-24 | 唐山市蓝欣玻璃有限公司 | 一种基于大数据的玻璃在线镀膜过程智能管理系统 |
CN117105536B (zh) * | 2023-10-23 | 2024-01-09 | 唐山市蓝欣玻璃有限公司 | 一种基于大数据的玻璃在线镀膜过程智能管理系统 |
CN117142630A (zh) * | 2023-10-26 | 2023-12-01 | 北京华科仪科技股份有限公司 | 一种转盘式生物反应装置的自动控制方法及系统 |
CN117142630B (zh) * | 2023-10-26 | 2024-02-20 | 北京华科仪科技股份有限公司 | 一种转盘式生物反应装置的自动控制方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116024532B (zh) | 2023-08-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116024532B (zh) | 一种用于真空镀膜的智能控制方法及系统 | |
CN115276006B (zh) | 一种用于电力集成系统的负荷预测的方法及系统 | |
CN111967688B (zh) | 一种基于卡尔曼滤波器与卷积神经网络的电力负荷预测方法 | |
CN111639823B (zh) | 一种基于特征集构建的建筑冷热负荷预测方法 | |
CN110309608B (zh) | 一种针对时滞不确定信息的高炉铁水硅含量预报方法 | |
CN115407739B (zh) | 一种电缆制造的生产设备控制方法及系统 | |
CN108667684A (zh) | 一种基于局部向量点积密度的数据流异常检测方法 | |
CN112884012A (zh) | 基于支持向量机原理的建筑能耗预测方法 | |
CN116541732A (zh) | 基于超声波数据与最优化算法的气象监测系统 | |
CN112947080B (zh) | 一种基于场景参数变换的智能决策模型性能评估系统 | |
CN113868926A (zh) | 一种针对养殖池水质参数空间分布模型构建方法 | |
CN112241832B (zh) | 一种产品质量分级评价标准设计方法及系统 | |
CN117370766A (zh) | 一种基于深度学习的卫星任务规划方案评估方法 | |
CN115471122A (zh) | 基于元数据模型的能耗评估方法及系统 | |
CN114881074B (zh) | 一种基于聚类-深度学习的工程结构变形预测方法 | |
CN109781043A (zh) | 换热翅片关键参数计算方法及分析计算平台 | |
CN117764454B (zh) | 一种遗址片状剥离发育程度评价方法 | |
CN117370770B (zh) | 一种基于Shapelet-XGboost的酒店负荷综合预测方法 | |
CN115034370B (zh) | 基于bp网络模型预测高炉炉缸活性的方法 | |
CN116915122B (zh) | 一种煤矿变频设备的自适应控制方法及系统 | |
CN118171474A (zh) | 一种复合墙板的保温性能检测方法及系统 | |
CN107038412B (zh) | 一种精密配合偶件的同步加工方法 | |
CN115907205A (zh) | 一种集成多工况分析的化工生产过程质量预测方法 | |
CN117990673A (zh) | 一种无损检测的智能调控方法及系统 | |
CN116662809A (zh) | 基于CNN-XGBoost-GA模型的集成电路沉积膜厚预测方法 |
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 | ||
CB02 | Change of applicant information |
Address after: 314399 No. 3, Haiyan Road, Xitangqiao street, Haiyan County, Jiaxing City, Zhejiang Province Applicant after: Hongmi Intelligent Technology (Zhejiang) Co.,Ltd. Address before: No. 3 Haiyan Road, Xitangqiao Street, Haiyan County, Jiaxing City, Zhejiang Province, 314304 Applicant before: Zhejiang Hongmi Plastic Technology Co.,Ltd. |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |