CN117131646B - 共混型互穿网络热塑性弹性体生产环境控制方法及系统 - Google Patents
共混型互穿网络热塑性弹性体生产环境控制方法及系统 Download PDFInfo
- Publication number
- CN117131646B CN117131646B CN202311393554.8A CN202311393554A CN117131646B CN 117131646 B CN117131646 B CN 117131646B CN 202311393554 A CN202311393554 A CN 202311393554A CN 117131646 B CN117131646 B CN 117131646B
- Authority
- CN
- China
- Prior art keywords
- index
- environmental
- interpenetrating network
- groups
- polymer
- 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 52
- 229920002725 thermoplastic elastomer Polymers 0.000 title claims abstract description 40
- 238000002156 mixing Methods 0.000 title claims abstract description 31
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 26
- 230000007613 environmental effect Effects 0.000 claims abstract description 178
- 229920000642 polymer Polymers 0.000 claims abstract description 159
- 238000002360 preparation method Methods 0.000 claims abstract description 103
- 238000004132 cross linking Methods 0.000 claims abstract description 92
- 229920001971 elastomer Polymers 0.000 claims abstract description 67
- 239000000806 elastomer Substances 0.000 claims abstract description 64
- 238000005457 optimization Methods 0.000 claims abstract description 51
- 230000003213 activating effect Effects 0.000 claims abstract description 18
- 230000006855 networking Effects 0.000 claims abstract description 13
- 230000002776 aggregation Effects 0.000 claims description 21
- 238000004220 aggregation Methods 0.000 claims description 21
- 230000006870 function Effects 0.000 claims description 18
- 238000012549 training Methods 0.000 claims description 14
- 238000004458 analytical method Methods 0.000 claims description 12
- 238000001514 detection method Methods 0.000 claims description 12
- 238000011156 evaluation Methods 0.000 claims description 11
- 238000006116 polymerization reaction Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 7
- 238000009826 distribution Methods 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 125000000524 functional group Chemical group 0.000 claims description 5
- 238000004140 cleaning Methods 0.000 claims description 4
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 230000004044 response Effects 0.000 claims description 3
- 238000012512 characterization method Methods 0.000 claims description 2
- 238000010606 normalization Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 8
- 230000002452 interceptive effect Effects 0.000 abstract description 3
- 230000000704 physical effect Effects 0.000 abstract 1
- 239000000203 mixture Substances 0.000 description 5
- 239000004033 plastic Substances 0.000 description 5
- 230000006835 compression Effects 0.000 description 4
- 238000007906 compression Methods 0.000 description 4
- 238000013140 knowledge distillation Methods 0.000 description 4
- 239000005060 rubber Substances 0.000 description 3
- 239000000243 solution Substances 0.000 description 3
- 229920001187 thermosetting polymer Polymers 0.000 description 3
- 238000012098 association analyses Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000001035 drying Methods 0.000 description 2
- 238000001125 extrusion Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000000465 moulding Methods 0.000 description 2
- 230000036314 physical performance Effects 0.000 description 2
- 229920001169 thermoplastic Polymers 0.000 description 2
- 239000004416 thermosoftening plastic Substances 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000003490 calendering Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000000205 computational method Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000001723 curing Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000013536 elastomeric material Substances 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000001746 injection moulding Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000000329 molecular dynamics simulation Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000037361 pathway Effects 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 230000035484 reaction time Effects 0.000 description 1
- 239000002990 reinforced plastic Substances 0.000 description 1
- 230000010076 replication Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000004381 surface treatment Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000004448 titration Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C60/00—Computational materials science, i.e. ICT specially adapted for investigating the physical or chemical properties of materials or phenomena associated with their design, synthesis, processing, characterisation or utilisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Computing Systems (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computational Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Compositions Of Macromolecular Compounds (AREA)
Abstract
本申请公开了共混型互穿网络热塑性弹性体生产环境控制方法及系统，涉及热塑性弹性体领域，所述方法包括：交互弹性体力学性能期望阈值，对共混型互穿网络进行结构遴选，生成互穿网络期望拓扑结构；根据N种聚合物类型，结合互穿网络期望拓扑结构，匹配弹性体制备工艺；激活环境指标搜索模块，调取第一聚合物交联坐标序列、第二聚合物交联坐标序列直到第N聚合物交联坐标序列，对多组环境控制指标进行联网优化，生成多组环境指标波动优化曲线；根据多组环境指标波动优化曲线对多组制备仪器进行环境控制约束，生产共混型互穿网络热塑性弹性体。具有参数调优规范化、调节效率高、环境控制准确的技术效果。
Description
技术领域
本发明涉及热塑性弹性体领域，特别涉及共混型互穿网络热塑性弹性体生产环境控制方法及系统。
背景技术
共混型互穿网络热塑性弹性体是一种结合互穿聚合物网络（IPN）和弹性互穿网络（IEN）等技术方法的复相体系聚合物，性质稳定牢固，具有良好的热塑性加工性能。实际生产应用中，对于不同性能需求，组分构成的多种共混型互穿网络热塑性弹性体，生产环境控制参数众多，需要通过实验、测试、试产等流程反复调整。存在参数调优受人为影响、调节效率低、环境控制难度大的技术问题。
发明内容
本申请的目的在于提供共混型互穿网络热塑性弹性体生产环境控制方法及系统。用以解决现有技术中参数调优受人为影响、调节效率低、环境控制难度大的技术问题。
鉴于以上技术问题，本申请提供了共混型互穿网络热塑性弹性体生产环境控制方法及系统。
第一方面，本申请提供了共混型互穿网络热塑性弹性体生产环境控制方法，其中，所述方法包括：
从用户终端，交互弹性体力学性能期望阈值，对共混型互穿网络进行结构遴选，生成互穿网络期望拓扑结构，其中，所述互穿网络期望拓扑结构包括第一聚合物交联坐标序列、第二聚合物交联坐标序列直到第N聚合物交联坐标序列；根据第一聚合物类型、第二聚合物类型直到第N聚合物类型，结合所述互穿网络期望拓扑结构，匹配弹性体制备工艺，其中，所述弹性体制备工艺包括若干个制备阶段；提取所述若干个制备阶段的多组环境控制指标和多组制备仪器；激活环境指标搜索模块，调取所述第一聚合物交联坐标序列、所述第二聚合物交联坐标序列直到所述第N聚合物交联坐标序列，对所述多组环境控制指标进行联网优化，生成多组环境指标波动优化曲线；根据所述多组环境指标波动优化曲线对所述多组制备仪器进行环境控制约束，生产所述共混型互穿网络热塑性弹性体。
第二方面，本申请还提供了共混型互穿网络热塑性弹性体生产环境控制系统，其中，所述系统包括：
结构遴选模块，所述结构遴选模块用于从用户终端，交互弹性体力学性能期望阈值，对共混型互穿网络进行结构遴选，生成互穿网络期望拓扑结构，其中，所述互穿网络期望拓扑结构包括第一聚合物交联坐标序列、第二聚合物交联坐标序列直到第N聚合物交联坐标序列；工艺配合模块，所述工艺配合模块用于根据第一聚合物类型、第二聚合物类型直到第N聚合物类型，结合所述互穿网络期望拓扑结构，匹配弹性体制备工艺，其中，所述弹性体制备工艺包括若干个制备阶段；要素获取模块，所述要素获取模块用于提取所述若干个制备阶段的多组环境控制指标和多组制备仪器；调优约束模块，所述调优约束模块用于激活环境指标搜索模块，调取所述第一聚合物交联坐标序列、所述第二聚合物交联坐标序列直到所述第N聚合物交联坐标序列，对所述多组环境控制指标进行联网优化，生成多组环境指标波动优化曲线；约束控制模块，所述约束控制模块用于根据所述多组环境指标波动优化曲线对所述多组制备仪器进行环境控制约束，生产所述共混型互穿网络热塑性弹性体。
本申请实施例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：
从用户终端，交互弹性体力学性能期望阈值，对共混型互穿网络进行结构遴选，生成互穿网络期望拓扑结构；根据第一聚合物类型、第二聚合物类型直到第N聚合物类型，结合所述互穿网络期望拓扑结构，匹配弹性体制备工艺；激活环境指标搜索模块，调取所述第一聚合物交联坐标序列、所述第二聚合物交联坐标序列直到所述第N聚合物交联坐标序列，对所述多组环境控制指标进行联网优化，生成多组环境指标波动优化曲线；根据所述多组环境指标波动优化曲线对所述多组制备仪器进行环境控制约束，生产所述共混型互穿网络热塑性弹性体。具有参数调优规范化、调节效率高、环境控制准确的技术效果。
上述说明仅是本申请技术方案的概述，为了能够更清楚阐明本申请的技术手段，进而可依照说明书的内容予以实施，并且为了让本申请的上述及其他目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
本发明的实施例及后述简单说明结合图示予以说明，附图说明如下：
图1为本申请共混型互穿网络热塑性弹性体生产环境控制方法的流程示意图；
图2为本申请共混型互穿网络热塑性弹性体生产环境控制方法中对共混型互穿网络进行结构遴选，生成互穿网络期望拓扑结构的流程示意图；
图3为本申请共混型互穿网络热塑性弹性体生产环境控制系统的结构示意图。
附图标记说明：结构遴选模块11、工艺配合模块12、要素获取模块13、调优约束模块14、约束控制模块15。
具体实施方式
本申请通过提供共混型互穿网络热塑性弹性体生产环境控制方法和系统，解决了现有技术面临的参数调优受人为影响、调节效率低、环境控制难度大的技术问题。
本技术实施例中的方案，为解决上述问题，所采用的整体思路如下：
首先，自用户终端，交互弹性体力学性能期望阈值，对共混型互穿网络进行结构遴选，生成互穿网络期望拓扑结构；接着，根据第一聚合物类型、第二聚合物类型直到第N聚合物类型，结合互穿网络期望拓扑结构，匹配弹性体制备工艺；然后，激活环境指标搜索模块，调取第一聚合物交联坐标序列、第二聚合物交联坐标序列直到第N聚合物交联坐标序列，对多组环境控制指标进行联网优化，生成多组环境指标波动优化曲线；最后，根据多组环境指标波动优化曲线对多组制备仪器进行环境控制约束，生产共混型互穿网络热塑性弹性体。具有参数调优规范化、调节效率高、环境控制准确的技术效果。
为更好理解上述技术方案，下面将结合说明书附图和具体的实施方式来对上述技术方案进行详细的说明，需要说明的是，所描述的实施例仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。基于本发明的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部。
实施例一
如图1所示，本申请提供了共混型互穿网络热塑性弹性体生产环境控制方法，所述方法包括：
S100：从用户终端，交互弹性体力学性能期望阈值，对共混型互穿网络进行结构遴选，生成互穿网络期望拓扑结构，其中，所述互穿网络期望拓扑结构包括第一聚合物交联坐标序列、第二聚合物交联坐标序列直到第N聚合物交联坐标序列；
用户终端是指用于获取用户需求的人机交互装置或设备。可选的，通过网络连接与用户终端交互，获取用户输入的弹性体力学性能期望阈值。示例性的，用户终端包括硬件组件与程序组件、传输组件。
一种可行的实施例中，弹性体力学性能期望阈值包括：硬度、熔指、拉伸强度、撕裂强度、扯断伸长率、压缩永久变形等。进一步的，拉伸强度是指弹性体材料产生最大均匀塑性变形的应力，公式如下：
其中，F：最大力（N），W：试样狭小平行部分的宽度。b：厚度。材料断裂所受的最大拉伸应力即为断裂拉伸强度，简称拉伸强度，单位（MPa），比较常用的单位还有kg/cm2，它们之间的换算关系是1MPa≈10Kg/cm2。
进一步的，如图2所示，用户终端，交互弹性体力学性能期望阈值，对共混型互穿网络进行结构遴选，生成互穿网络期望拓扑结构，其中，所述互穿网络期望拓扑结构包括第一聚合物交联坐标序列、第二聚合物交联坐标序列直到第N聚合物交联坐标序列，步骤S100包括：
S110：设定力学性能指标集，发送至用户终端，获得所述弹性体力学性能期望阈值；
S120：以所述第一聚合物类型、所述第二聚合物类型直到所述第N聚合物类型进行分子链交联结构，生成多个互穿网络拓扑结构；
S130：激活指标特征赋值模块，对所述多个互穿网络拓扑结构分别进行所述力学性能指标集赋值，生成多组弹性体力学指标赋值结果；
S140：根据所述多组弹性体力学指标赋值结果，基于所述弹性体力学性能期望阈值对所述多个互穿网络记忆拓扑结构进行邻近结构遴选，生成所述互穿网络期望拓扑结构，其中，所述互穿网络期望拓扑结构的数量为1。
力学性能指标集是指用于对多个类型的聚合物进行结构遴选的性能指标约束条件的集合。可选的，力学性能指标集中包含F个力学性能指标，用户终端可以选取其中与用户需求相适应度G个力学性能指标进行设定，其中，G≤F，且F、G均为正整数。
热塑性弹性体通常由两种或多种不同类型的聚合物组成，分为化学合成型热塑性弹性体和共混型热塑性弹性体，共混型热塑性弹性体又包括共混型互穿网络热塑性弹性体（TPE—IPN），共混型互穿网络具有多种结构类型，根据结构类型不同TPE—IPN分为全互穿网络聚合物（Full-IPN）、半互穿网络聚合物（Semi-IPN）、渐变互穿网络聚合物等。
可选的，互穿网络拓扑结构通过对N类聚合物进行分子链交联结构分析获取，生成多个互穿网络拓扑结构。首先，基于目标生产线共混型互穿网络热塑性弹性体产品库，对N类聚合物进行组合，获取多个TPE—IP产品标签；接着，遍历TPE—IPN产品统合数据库，根据多个TPE—IPN产品标签，提取多个TPE—IPN网络拓扑结构，存储为互穿网络拓扑结构集。其中，互穿网络拓扑结构集中多个TPE—IPN网络拓扑结构与目标生产线共混型互穿网络热塑性弹性体产品库中多个TPE—IPN产品一一对应。
进一步的，互穿网络拓扑结构包括I个子网络拓扑结构，分别对应共混形成TPE—IPN产品的I类聚合物在TPE—IPN产品中的拓扑结构。其中，拓扑结构包括I类合物交联坐标序列、最小交联基团结构等。这些序列描述了聚合物链如何交错和交联，以形成所需的网络结构。
进一步的，激活指标特征赋值模块，对所述多个互穿网络拓扑结构分别进行所述力学性能指标集赋值，生成多组弹性体力学指标赋值结果，步骤S130包括：
S131：以所述第一聚合物类型、所述第二聚合物类型直到所述第N聚合物类型为约束进行分子链交联回溯，生成多个互穿网络记忆拓扑结构；
S132：对所述多个互穿网络记忆拓扑结构分别进行所述力学性能指标集的关联性分析，生成力学性能指标关联特征值；
S133：根据所述第一聚合物类型、所述第二聚合物类型直到所述第N聚合物类型，构建头节点，其中，所述头节点包括N个并行输入通道；
S134：根据所述力学性能指标集，构建尾节点，其中，所述尾节点包括若干个并行输出通道，所述若干个并行输出通道的数量和所述力学性能指标集的数量相同；
S135：构建训练损失评价函数：
;
其中，为任意一次训练的损失函数输出值，/>表征第i个指标类型预测值，/>表征第i个指标类型关联特征值，/>表征归一化调整因子，/>表征第i个指标类型关注权重，/>表征第i个指标类型损失容错阈值，i为指标类型的序号，m为指标类型的类目总数量；
S136：以BP神经网络，搭建身节点，与所述头节点和所述尾节点全连接，调取所述多个互穿网络记忆拓扑结构和所述力学性能指标关联特征值，结合所述训练损失评价函数训练收敛至最小损失评价函数值，生成指标特征赋值模块，对所述多个互穿网络拓扑结构分别进行所述力学性能指标集赋值，生成所述多组弹性体力学指标赋值结果。
其中，分子链交联回溯是指以聚合物类型为约束，交互目标生产线日志提取历史分子链交联生成物日志。可选的，对多个互穿网络记忆拓扑结构分别进行力学性能指标集的关联性分析，包括力学分析获取性能指标集、映射关联多个互穿网络记忆拓扑结构与力学分析获取性能指标集。
其中，头节点是指标特征赋值模块的数据输入端，用于接收互穿网络拓扑结构信息，并基于互穿网络拓扑结构的聚合物组成，将多个互穿网络拓扑结构分别分配至对应的并行输入通道。尾节点是指标特征赋值模块的复制结果输出端，若干个并行输出通道与力学性能指标集中多个力学性能指标一一对应。
进一步的，结合所述训练损失评价函数训练收敛至最小损失评价函数值，生成指标特征赋值模块。训练损失评价函数是一种用来度量模型输出值与实际值之间差异的函数，目的是指导模型参数的优化，使其能够更好地拟合训练数据。进一步的，上述训练损失函数中，第i个指标类型预测值是指指标特征赋值模块输出的力学性能指标值，第i个指标类型关联特征值/>是指第i个指标类型对应的力学性能真实值。此外，收敛至最小损失评价函数值，是指连续输出的损失函数值收敛，则收敛点损失函数值为最小损失函数值。
一种可行的实施例中，基于知识蒸馏原理，对于训练收敛至最小损失评价函数值进行模型压缩，获取指标特征赋值模块。其中，神经网络模型，大模型往往是单个复杂网络或者是若干网络的集合，拥有良好的性能和泛化能力，而小模型因为网络规模较小，表达能力有限。知识蒸馏是指利用大模型学习到的知识去指导小模型训练，使得小模型具有与大模型相当的性能，但是参数数量大幅降低，从而实现模型压缩与加速，达到优化模型的目的。可以在损失较小网络精度的情况下，大幅减小网络参数，提升模型效率和响应速度。
进一步的，知识蒸馏中，将高性能的复杂网络称为教师网络，低性能的简单网络称为学生网络。学生网络通过知识蒸馏学习教师网络提取到的输入信号特征，即教师网络的Softmax输出（Soft-target），提升学生网络的识别精度，使其获得和教师网络相近的性能，从而实现了对复杂网络模型的压缩。其中，与原始数据集标注的真实的数据标签（Hard-target）中除了正标签为1，其他负标签都是0不同，Soft-target具有更多的信息，即Soft-target信息熵更高，包含了教师网络softmax层输出的类别概率，每个类别都分配了概率，正标签的概率最高。
可选的，指标特征赋值模块用于确定多个互穿网络拓扑结构对应的多组弹性体力学指标赋值结果。首先，遍历TPE—IPN产品统合数据库获取多组弹性体力学指标值；接着，对多组弹性体力学指标值进行数据清洗，生成多组置信弹性体力学指标值；而后，获取多组置信弹性体力学指标值求平均值，存储为多组标记弹性体力学指标值，并对多个互穿网络拓扑结构分别进行力学性能指标集赋值。
可选的，指标特征赋值模块基于计算方法构建（如分子动力学模拟或Monte Carlo模拟）。通过对多个互穿网络拓扑结构进行仿真模拟，实现了力学性能指标的赋值。具有赋值结果准确、可迁移性强的技术效果。
进一步的，以所述第一聚合物类型、所述第二聚合物类型直到所述第N聚合物类型进行分子链交联结构，生成多个互穿网络拓扑结构，之前，步骤S120包括：
S1201：根据所述第一聚合物类型、所述第二聚合物类型直到所述第N聚合物类型进行交联反应分析，获取所述第一聚合物类型、所述第二聚合物类型直到所述第N聚合物类型的两两交联特征官能团；
S1202：根据所述两两交联特征官能团，对所述第一聚合物类型、所述第二聚合物类型直到所述第N聚合物类型进行分子链结构随机交联，生成多个互穿网络拓扑结构。
其中，两两交联特征官能团是指N类聚合物之间，体现两两交联的聚合物之间结构关系特征的最小结构单元。用于反映聚合物之间的交联结构，教练点位等结构特征。
S200：根据第一聚合物类型、第二聚合物类型直到第N聚合物类型，结合所述互穿网络期望拓扑结构，匹配弹性体制备工艺，其中，所述弹性体制备工艺包括若干个制备阶段；
本申请涉及橡塑共混型热塑性弹性体，根据组成可分为共混橡胶（两种弹性体组成）、公混塑料（两种热塑性塑料组成）、增轫塑料（用弹性体作为分散相填充塑料）、聚合物填充橡胶（塑料作为分散相填充橡胶）。工业上用于共混聚合物生成的聚合物都是线型聚合物，进一步的，弹性体制备工艺类型包括：挤塑、注塑成型、模塑成型。可选的，弹性体支配工艺匹配途径包括大数据匹配、本领域专业技术人员给出等。
S300：提取所述若干个制备阶段的多组环境控制指标和多组制备仪器；
可选的，弹性体制备工艺包括原材料整备、混合与预处理、挤出或压延、成型合固化、修正切割、表面处理等。不同的制备阶段对应不同的环境控制指标，示例性的，包括反应温度、反应时间、反应压力、干燥温度、干燥压力等。若干个制备阶段中的制备仪器包括滴定槽、计量槽、混合釜、存储槽、挤出机、压延机、切割机、磨光机等。
S400：激活环境指标搜索模块，调取所述第一聚合物交联坐标序列、所述第二聚合物交联坐标序列直到所述第N聚合物交联坐标序列，对所述多组环境控制指标进行联网优化，生成多组环境指标波动优化曲线；
可选的，对所述多组环境控制指标进行联网优化，通过与IPN产品大数据平台通信连接，检索弹性体制备日志实现。
进一步的，激活环境指标搜索模块，调取所述第一聚合物交联坐标序列、所述第二聚合物交联坐标序列直到所述第N聚合物交联坐标序列，对所述多组环境控制指标进行联网优化，生成多组环境指标波动优化曲线，步骤S400包括：
S410：激活环境指标搜索模块，接收所述第一聚合物交联坐标序列、所述第二聚合物交联坐标序列直到所述第N聚合物交联坐标序列，结合所述弹性体制备工艺进行多生产源检索，生成弹性体制备日志，其中，所述弹性体制备日志包括多组环境指标记录值序列；
S420：遍历若干个环境指标类型进行多制备阶段一致性偏离分析，生成若干个环境指标一致偏离阈值；
S430：根据所述若干个环境指标一致偏离阈值，对所述多组环境指标记录值序列进行多阶段一致聚合，生成第一制备阶段若干个环境指标聚合结果直到第M制备阶段若干个环境指标聚合结果；
S440：遍历所述第一制备阶段若干个环境指标聚合结果直到所述第M制备阶段若干个环境指标聚合结果进行高频分选，构建所述多组环境指标波动优化曲线。
可选的，弹性体制备日志中的多组环境指标记录值序列对应弹性体制备工艺中的多个工艺步骤，每一组环境指标记录值序列中包含多个指标类型的记录值序列。环境指标记录值序列反映了对应工艺步骤中某一指标类型的指标值与时间的关联，体现了指标值的时域变化特征。
其中，多阶段一致聚合是基于若干个环境指标一致偏离阈值，对多组环境指标记录值序列进行数据聚合的过程。示例性的对于温度序列，对比多个序列对应时刻的温度值，若一致性偏离值小于温度环境指标一致偏离阈值，则标识为一致，并保留多个温度值中任意一值作为第一制备阶段当前时刻温度值。若一致性偏离值大于温度环境指标一致偏离阈值，则该对应时刻多个序列的温度值不一致，保留该时刻的多个序列的多个温度值，作为第一制备阶段当前时刻温度值取值范围。
进一步的，遍历若干个环境指标类型进行多制备阶段一致性偏离分析，生成若干个环境指标一致偏离阈值，步骤S420还包括：
S421：获取第一制备阶段若干个环境指标类型的第一环境指标类型；
S422：以第一制备阶段的所述第一环境指标类型作为弹性体制备工艺唯一变量，对所述第一环境指标类型和力学性能检测记录值进行多生产源检索，生成第一环境指标记录集与力学性能检测记录集，其中，第一环境指标记录值与力学性能检测记录值一一对应；
S423：基于用户终端，设为力学性能单指标偏离阈值集和力学性能联合偏离阈值，对所述力学性能检测记录集两两比对，生成单指标偏离特征和联合偏离特征，其中，所述联合偏离特征为所述单指标偏离特征的归一化数据均值；
S424：当所述单指标偏离特征均满足所述力学性能单指标偏离阈值集，且所述联合偏离特征小于或等于所述力学性能联合偏离阈值，则将相应的所述第一环境指标记录值聚集为一组，生成多个第一环境指标记录分组；
S425：将所述多个第一环境指标记录分组的组内记录值数量比小于或等于预设数量比的清洗，对剩余第一环境指标记录分组进行最大分布区间分选，设为第一制备阶段第一环境指标一致偏离阈值，添加进所述若干个环境指标一致偏离阈值。
其中，第一环境指标记录集与力学性能检测记录集一一对应，用于，得以反映在第一制备阶段以第一环境指标类型为唯一变量的前提下，力学性能与第一环境指标的关系。
可选的，基于线性与非线性方法，基于第一环境指标记录集与力学性能检测记录集的一一对应关系，建立第一环境指标与力学性能的回归模型。其中，线性方法包括：线性回归、相关性分析或线性模型等方法。非线性方法包括使用非线性回归、神经网络、支持向量机等方法。基于数据分析和建模方法，根据对应关系建立对应模型，以捕捉非线性影响因素。实现了环境指标与力学性能之间影响关系分析的范围拓展，提高了对应关系的精准性。
可选的，力学性能单指标偏离阈值集和力学性能联合偏离阈值基于用户需求确定，示例性的，包括阈值上限与阈值下限。其中，力学性能单指标偏离阈值集包括对应多种指标类型的多个偏离阈值。分别对应力学性能指标约束的局部关注和力学性能指标约束的整体性原则。从而实现环境的均衡控制。
进一步的，基于力学性能单指标偏离阈值集和力学性能联合偏离阈值，对力学性能检测记录集进行对比，获取满足阈值集的多个力学性能检测记录，进而得以根据对应关系得到多个环境指标一致偏离阈值。
可选的，基于3sigma原则，对多个第一环境指标记录分组的组内记录值进行数据清洗，对剩余第一环境指标记录分组进行最大分布区间分选。示例性的，对记录值位于平均值的正负三个标准差之外的数据进行清洗，选取记录值位于平均值的正负一个标准差之内的数据，作为最大分布区，存储为第一制备阶段第一环境指标一致偏离阈值，遍历多个环境指标记录分组，获取多个环境指标一致偏离阈值。
进一步的，遍历所述第一制备阶段若干个环境指标聚合结果直到所述第M制备阶段若干个环境指标聚合结果进行高频分选，构建所述多组环境指标波动优化曲线，步骤S440还包括：
S441：获取第一制备阶段的第一环境指标聚合结果；
S442：提取聚合指标特征序列最大值的所述第一环境指标聚合结果，获取第一时刻环境指标特征集，第二时刻环境指标特征集直到第t时刻环境指标特征集，其中，t为第一制备阶段第一环境指标类型的响应终点时刻；
S443：遍历所述第一时刻环境指标特征集，所述第二时刻环境指标特征集直到所述第t时刻环境指标特征集进行最大值分选，构建第一环境指标上限曲线；
S444：遍历所述第一时刻环境指标特征集，所述第二时刻环境指标特征集直到所述第t时刻环境指标特征集进行最小值分选，构建第一环境指标下限曲线；
S445：根据所述第一环境指标上限曲线和所述第一环境指标下限曲线，构建第一环境指标第一制备阶段波动优化曲线，添加进所述多组环境指标波动优化曲线。
可选的，第一环境指标聚合结果包括聚合指标特征序列，序列又包含多个时刻的温度指标特征值，即上述温度值。
可选的，进行最大值分选，构建第一环境指标上限曲线。首先，提取第一时刻至第t时刻每一时刻的温度指标特征值最大值，作为第一环境指标上限点集；接着，上述同样的线性与非线性方法，拟合第一环境指标上限点集的曲线，构建第一环境指标上限曲线。
可选的，构建第一环境指标上限曲线同样的原理和思路，构建第一环境指标下限曲线。为了说明的简洁，在此不做进一步的展开。
其中，第一环境指标第一制备阶段波动优化曲线包括第一环境指标上限曲线和第一环境指标下限曲线，两曲线间空间便为第一环境指标第一制备阶段的优化波动区间，当环境控制使得指标值位于该区间时，产品性能最优。进而实现基于波动优化曲线的环境控制。具有环境控制区间明确、环境控制约束精细化、连续控制的技术效果。
S500：根据所述多组环境指标波动优化曲线对所述多组制备仪器进行环境控制约束，生产所述共混型互穿网络热塑性弹性体。
可选的，目标生产线设置有与多种环境指标相对应的多种环境传感器，形成环境传感器网络。传感器与控制中心通信连接，控制中心基于传感器采集的环境数据，依据多组环境指标波动优化曲线对多组制备仪器进行环境控制约束。
可选的，控制中心包括多个控制单元，多个控制单元对应多种环境指标，与多组制备仪器的对应环境指标的控制接口通信连接。多个控制单元之间相互隔离，避免控制单元之间的相互干扰，进而提升了环境控制的稳定性。
综上所述，本发明所提供的共混型互穿网络热塑性弹性体生产环境控制方法具有如下技术效果：
通过自用户终端，交互弹性体力学性能期望阈值，对共混型互穿网络进行结构遴选，生成互穿网络期望拓扑结构；根据第一聚合物类型、第二聚合物类型直到第N聚合物类型，结合互穿网络期望拓扑结构，匹配弹性体制备工艺；激活环境指标搜索模块，调取第一聚合物交联坐标序列、第二聚合物交联坐标序列直到第N聚合物交联坐标序列，对多组环境控制指标进行联网优化，生成多组环境指标波动优化曲线；根据多组环境指标波动优化曲线对多组制备仪器进行环境控制约束，生产共混型互穿网络热塑性弹性体。具有参数调优规范化、调节效率高、环境控制准确的技术效果。
实施例二
基于与所述实施例中的共混型互穿网络热塑性弹性体生产环境控制方法同样的构思，如图3所示，本申请还提供了共混型互穿网络热塑性弹性体生产环境控制系统，所述系统包括：
结构遴选模块11，用于从用户终端，交互弹性体力学性能期望阈值，对共混型互穿网络进行结构遴选，生成互穿网络期望拓扑结构，其中，所述互穿网络期望拓扑结构包括第一聚合物交联坐标序列、第二聚合物交联坐标序列直到第N聚合物交联坐标序列；
工艺配合模块12，用于根据第一聚合物类型、第二聚合物类型直到第N聚合物类型，结合所述互穿网络期望拓扑结构，匹配弹性体制备工艺，其中，所述弹性体制备工艺包括若干个制备阶段；
要素获取模块13，用于提取所述若干个制备阶段的多组环境控制指标和多组制备仪器；
调优约束模块14，用于激活环境指标搜索模块，调取所述第一聚合物交联坐标序列、所述第二聚合物交联坐标序列直到所述第N聚合物交联坐标序列，对所述多组环境控制指标进行联网优化，生成多组环境指标波动优化曲线；
约束控制模块15，用于根据所述多组环境指标波动优化曲线对所述多组制备仪器进行环境控制约束，生产所述共混型互穿网络热塑性弹性体。
进一步的，结构遴选模块11还包括：
性能需求获取单元，用于设定力学性能指标集，发送至用户终端，获得所述弹性体力学性能期望阈值；
交联互穿单元，用于以所述第一聚合物类型、所述第二聚合物类型直到所述第N聚合物类型进行分子链交联结构，生成多个互穿网络拓扑结构；
力学指标赋值单元，用于激活指标特征赋值模块，对所述多个互穿网络拓扑结构分别进行所述力学性能指标集赋值，生成多组弹性体力学指标赋值结果；
结构遴选单元，用于根据所述多组弹性体力学指标赋值结果，基于所述弹性体力学性能期望阈值对所述多个互穿网络记忆拓扑结构进行邻近结构遴选，生成所述互穿网络期望拓扑结构，其中，所述互穿网络期望拓扑结构的数量为1。
进一步的，调优约束模块14还包括：
制备日志提取单元，用于激活环境指标搜索模块，接收所述第一聚合物交联坐标序列、所述第二聚合物交联坐标序列直到所述第N聚合物交联坐标序列，结合所述弹性体制备工艺进行多生产源检索，生成弹性体制备日志，其中，所述弹性体制备日志包括多组环境指标记录值序列；
一致性偏离分析单元，用于遍历若干个环境指标类型进行多制备阶段一致性偏离分析，生成若干个环境指标一致偏离阈值；
环境指标聚合单元，用于根据所述若干个环境指标一致偏离阈值，对所述多组环境指标记录值序列进行多阶段一致聚合，生成第一制备阶段若干个环境指标聚合结果直到第M制备阶段若干个环境指标聚合结果；
高频分选单元，用于遍历所述第一制备阶段若干个环境指标聚合结果直到所述第M制备阶段若干个环境指标聚合结果进行高频分选，构建所述多组环境指标波动优化曲线。
应当理解的是，本说明书中所提及的实施例重点在其与其他实施例的不同，前述实施例一中的具体实施例，同样适用于实施例二所述的共混型互穿网络热塑性弹性体生产环境控制系统，为了说明书的简洁，在此不做进一步的展开。
应当理解的是，本申请所公开的实施例及上述说明，可以使得本领域的技术人员运用本申请实现本申请。同时本申请不被限制于上述所提到的这部分实施例，对本申请提到的实施例进行显而易见的修改、变种，也属于本申请原理范围之内。
Claims (6)
1.共混型互穿网络热塑性弹性体生产环境控制方法，其特征在于，包括：
从用户终端，交互弹性体力学性能期望阈值，对共混型互穿网络进行结构遴选，生成互穿网络期望拓扑结构，其中，所述互穿网络期望拓扑结构包括第一聚合物交联坐标序列、第二聚合物交联坐标序列直到第N聚合物交联坐标序列；
根据第一聚合物类型、第二聚合物类型直到第N聚合物类型，结合所述互穿网络期望拓扑结构，匹配弹性体制备工艺，其中，所述弹性体制备工艺包括若干个制备阶段；
提取所述若干个制备阶段的多组环境控制指标和多组制备仪器；
激活环境指标搜索模块，调取所述第一聚合物交联坐标序列、所述第二聚合物交联坐标序列直到所述第N聚合物交联坐标序列，对所述多组环境控制指标进行联网优化，生成多组环境指标波动优化曲线；
根据所述多组环境指标波动优化曲线对所述多组制备仪器进行环境控制约束，生产所述共混型互穿网络热塑性弹性体；
激活环境指标搜索模块，调取所述第一聚合物交联坐标序列、所述第二聚合物交联坐标序列直到所述第N聚合物交联坐标序列，对所述多组环境控制指标进行联网优化，生成多组环境指标波动优化曲线，包括：
激活环境指标搜索模块，接收所述第一聚合物交联坐标序列、所述第二聚合物交联坐标序列直到所述第N聚合物交联坐标序列，结合所述弹性体制备工艺进行多生产源检索，生成弹性体制备日志，其中，所述弹性体制备日志包括多组环境指标记录值序列；
遍历若干个环境指标类型进行多制备阶段一致性偏离分析，生成若干个环境指标一致偏离阈值；
根据所述若干个环境指标一致偏离阈值，对所述多组环境指标记录值序列进行多阶段一致聚合，生成第一制备阶段若干个环境指标聚合结果直到第M制备阶段若干个环境指标聚合结果；
遍历所述第一制备阶段若干个环境指标聚合结果直到所述第M制备阶段若干个环境指标聚合结果进行高频分选，构建所述多组环境指标波动优化曲线；
遍历所述第一制备阶段若干个环境指标聚合结果直到所述第M制备阶段若干个环境指标聚合结果进行高频分选，构建所述多组环境指标波动优化曲线，包括：
获取第一制备阶段的第一环境指标聚合结果；
提取聚合指标特征序列最大值的所述第一环境指标聚合结果，获取第一时刻环境指标特征集，第二时刻环境指标特征集直到第t时刻环境指标特征集，其中，t为第一制备阶段第一环境指标类型的响应终点时刻；
遍历所述第一时刻环境指标特征集，所述第二时刻环境指标特征集直到所述第t时刻环境指标特征集进行最大值分选，构建第一环境指标上限曲线；
遍历所述第一时刻环境指标特征集，所述第二时刻环境指标特征集直到所述第t时刻环境指标特征集进行最小值分选，构建第一环境指标下限曲线；
根据所述第一环境指标上限曲线和所述第一环境指标下限曲线，构建第一环境指标第一制备阶段波动优化曲线，添加进所述多组环境指标波动优化曲线。
2.如权利要求1所述的方法，其特征在于，从用户终端，交互弹性体力学性能期望阈值，对共混型互穿网络进行结构遴选，生成互穿网络期望拓扑结构，其中，所述互穿网络期望拓扑结构包括第一聚合物交联坐标序列、第二聚合物交联坐标序列直到第N聚合物交联坐标序列，包括：
设定力学性能指标集，发送至用户终端，获得所述弹性体力学性能期望阈值；
以所述第一聚合物类型、所述第二聚合物类型直到所述第N聚合物类型进行分子链交联结构，生成多个互穿网络拓扑结构；
激活指标特征赋值模块，对所述多个互穿网络拓扑结构分别进行所述力学性能指标集赋值，生成多组弹性体力学指标赋值结果；
根据所述多组弹性体力学指标赋值结果，基于所述弹性体力学性能期望阈值对所述多个互穿网络拓扑结构进行邻近结构遴选，生成所述互穿网络期望拓扑结构，其中，所述互穿网络期望拓扑结构的数量为1。
3.如权利要求2所述的方法，其特征在于，激活指标特征赋值模块，对所述多个互穿网络拓扑结构分别进行所述力学性能指标集赋值，生成多组弹性体力学指标赋值结果，包括：
以所述第一聚合物类型、所述第二聚合物类型直到所述第N聚合物类型为约束进行分子链交联回溯，生成多个互穿网络记忆拓扑结构；
对所述多个互穿网络记忆拓扑结构分别进行所述力学性能指标集的关联性分析，生成力学性能指标关联特征值；
根据所述第一聚合物类型、所述第二聚合物类型直到所述第N聚合物类型，构建头节点，其中，所述头节点包括N个并行输入通道；
根据所述力学性能指标集，构建尾节点，其中，所述尾节点包括若干个并行输出通道，所述若干个并行输出通道的数量和所述力学性能指标集的数量相同；
构建训练损失评价函数：
;
其中，为任意一次训练的损失函数输出值，/>表征第i个指标类型预测值，/>表征第i个指标类型关联特征值，/>表征归一化调整因子，/>表征第i个指标类型关注权重，/>表征第i个指标类型损失容错阈值，i为指标类型的序号，m为指标类型的类目总数量；
以BP神经网络，搭建身节点，与所述头节点和所述尾节点全连接，调取所述多个互穿网络记忆拓扑结构和所述力学性能指标关联特征值，结合所述训练损失评价函数训练收敛至最小损失评价函数值，生成指标特征赋值模块，对所述多个互穿网络拓扑结构分别进行所述力学性能指标集赋值，生成所述多组弹性体力学指标赋值结果。
4.如权利要求2所述的方法，其特征在于，以所述第一聚合物类型、所述第二聚合物类型直到所述第N聚合物类型进行分子链交联结构，生成多个互穿网络拓扑结构，之前包括：
根据所述第一聚合物类型、所述第二聚合物类型直到所述第N聚合物类型进行交联反应分析，获取所述第一聚合物类型、所述第二聚合物类型直到所述第N聚合物类型的两两交联特征官能团；
根据所述两两交联特征官能团，对所述第一聚合物类型、所述第二聚合物类型直到所述第N聚合物类型进行分子链结构随机交联，生成多个互穿网络拓扑结构。
5.如权利要求1所述的方法，其特征在于，遍历若干个环境指标类型进行多制备阶段一致性偏离分析，生成若干个环境指标一致偏离阈值，包括：
获取第一制备阶段若干个环境指标类型的第一环境指标类型；
以第一制备阶段的所述第一环境指标类型作为弹性体制备工艺唯一变量，对所述第一环境指标类型和力学性能检测记录值进行多生产源检索，生成第一环境指标记录集与力学性能检测记录集，其中，第一环境指标记录值与力学性能检测记录值一一对应；
基于用户终端，设为力学性能单指标偏离阈值集和力学性能联合偏离阈值，对所述力学性能检测记录集两两比对，生成单指标偏离特征和联合偏离特征，其中，所述联合偏离特征为所述单指标偏离特征的归一化数据均值；
当所述单指标偏离特征均满足所述力学性能单指标偏离阈值集，且所述联合偏离特征小于或等于所述力学性能联合偏离阈值，则将相应的所述第一环境指标记录值聚集为一组，生成多个第一环境指标记录分组；
将所述多个第一环境指标记录分组的组内记录值数量比小于或等于预设数量比的清洗，对剩余第一环境指标记录分组进行最大分布区间分选，设为第一制备阶段第一环境指标一致偏离阈值，添加进所述若干个环境指标一致偏离阈值。
6.共混型互穿网络热塑性弹性体生产环境控制系统，其特征在于，所述系统执行权利要求1-5任一项所述的方法，所述系统包括：
结构遴选模块，所述结构遴选模块用于从用户终端，交互弹性体力学性能期望阈值，对共混型互穿网络进行结构遴选，生成互穿网络期望拓扑结构，其中，所述互穿网络期望拓扑结构包括第一聚合物交联坐标序列、第二聚合物交联坐标序列直到第N聚合物交联坐标序列；
工艺配合模块，所述工艺配合模块用于根据第一聚合物类型、第二聚合物类型直到第N聚合物类型，结合所述互穿网络期望拓扑结构，匹配弹性体制备工艺，其中，所述弹性体制备工艺包括若干个制备阶段；
要素获取模块，所述要素获取模块用于提取所述若干个制备阶段的多组环境控制指标和多组制备仪器；
调优约束模块，所述调优约束模块用于激活环境指标搜索模块，调取所述第一聚合物交联坐标序列、所述第二聚合物交联坐标序列直到所述第N聚合物交联坐标序列，对所述多组环境控制指标进行联网优化，生成多组环境指标波动优化曲线；
约束控制模块，所述约束控制模块用于根据所述多组环境指标波动优化曲线对所述多组制备仪器进行环境控制约束，生产所述共混型互穿网络热塑性弹性体。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311393554.8A CN117131646B (zh) | 2023-10-26 | 2023-10-26 | 共混型互穿网络热塑性弹性体生产环境控制方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311393554.8A CN117131646B (zh) | 2023-10-26 | 2023-10-26 | 共混型互穿网络热塑性弹性体生产环境控制方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117131646A CN117131646A (zh) | 2023-11-28 |
| CN117131646B true CN117131646B (zh) | 2023-12-29 |
Family
ID=88858460
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311393554.8A Active CN117131646B (zh) | 2023-10-26 | 2023-10-26 | 共混型互穿网络热塑性弹性体生产环境控制方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117131646B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103819695A (zh) * | 2014-02-27 | 2014-05-28 | 单东成 | 三种聚合物互穿网络弹性体的制备及性能 |
| CN105086326A (zh) * | 2015-08-31 | 2015-11-25 | 青岛科技大学 | 一种热可逆交联橡胶及其制备方法 |
| CN115826541A (zh) * | 2023-02-16 | 2023-03-21 | 一夫科技股份有限公司 | 一种β型建筑石膏粉的生产控制方法及系统 |
| CN116502963A (zh) * | 2023-06-29 | 2023-07-28 | 苏州鸿安机械股份有限公司 | 一种基于人工智能的晶圆运输控制方法及系统 |
-
2023
- 2023-10-26 CN CN202311393554.8A patent/CN117131646B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103819695A (zh) * | 2014-02-27 | 2014-05-28 | 单东成 | 三种聚合物互穿网络弹性体的制备及性能 |
| CN105086326A (zh) * | 2015-08-31 | 2015-11-25 | 青岛科技大学 | 一种热可逆交联橡胶及其制备方法 |
| CN115826541A (zh) * | 2023-02-16 | 2023-03-21 | 一夫科技股份有限公司 | 一种β型建筑石膏粉的生产控制方法及系统 |
| CN116502963A (zh) * | 2023-06-29 | 2023-07-28 | 苏州鸿安机械股份有限公司 | 一种基于人工智能的晶圆运输控制方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117131646A (zh) | 2023-11-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109299284B (zh) | 一种基于结构信息与文本描述的知识图谱表示学习方法 | |
| EP1281106B1 (en) | Sensor placement and control design for distributed parameter systems | |
| CN108304679A (zh) | 一种自适应可靠性分析方法 | |
| CN105388402B (zh) | 基于参数优化svm算法的交联电缆局部放电模式识别方法 | |
| CN107729999A (zh) | 考虑矩阵相关性的深度神经网络压缩方法 | |
| CN111612125B (zh) | 一种面向在线学习的新型htm时间池方法及其系统 | |
| CN110555121B (zh) | 基于图神经网络的图像哈希生成方法及装置 | |
| CN104573000A (zh) | 基于排序学习的自动问答装置及方法 | |
| CN111768000A (zh) | 在线自适应微调深度学习的工业过程数据建模方法 | |
| CN117131646B (zh) | 共混型互穿网络热塑性弹性体生产环境控制方法及系统 | |
| CN111459022B (zh) | 设备参数调整方法、设备控制装置和计算机可读存储介质 | |
| CN117008557B (zh) | 共混型互穿网络热塑性弹性体的生产控制方法及系统 | |
| CN109242093A (zh) | 一种基于模糊神经网络的电动汽车电机的可靠性评价方法 | |
| CN115071090B (zh) | 基于注塑发泡成型模具的注塑量动态补偿系统及方法 | |
| KR101748013B1 (ko) | 고분자의 동일성 평가 방법 및 이를 이용한 시스템 | |
| CN112437485B (zh) | 一种基于神经网络的指纹空间插值法的定位方法及装置 | |
| CN114710313A (zh) | 一种电网的设备攻击检测方法、装置及系统 | |
| CN109934489B (zh) | 一种电力设备状态评价方法 | |
| CN112989713A (zh) | 一种高压开关柜负荷智能动态分析方法 | |
| CN111612665B (zh) | 用于打地基学习的监督和校正系统与方法 | |
| CN117162357B (zh) | 碳纤维复合材料的成型优化控制方法及系统 | |
| CN116795065B (zh) | 一种不饱和聚酯树脂的生产设备控制方法及系统 | |
| CN109508666A (zh) | 基于小波核支持向量机的聚丙烯腈产物浓度在线测量方法 | |
| CN116864025A (zh) | 一种聚丙烯产量与性质的预测方法、装置、设备及介质 | |
| CN108985371B (zh) | 一种图像多分辨率字典学习方法及其应用 |
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 |