CN117153310B - 一种耐高温焊接扣式超级电容器的优化方法及系统 - Google Patents
一种耐高温焊接扣式超级电容器的优化方法及系统 Download PDFInfo
- Publication number
- CN117153310B CN117153310B CN202311424220.2A CN202311424220A CN117153310B CN 117153310 B CN117153310 B CN 117153310B CN 202311424220 A CN202311424220 A CN 202311424220A CN 117153310 B CN117153310 B CN 117153310B
- Authority
- CN
- China
- Prior art keywords
- welding
- decision
- protection
- product body
- protection layer
- 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
- 238000003466 welding Methods 0.000 title claims abstract description 418
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000005457 optimization Methods 0.000 title claims abstract description 30
- 239000000463 material Substances 0.000 claims abstract description 108
- 238000012916 structural analysis Methods 0.000 claims abstract description 5
- 239000002245 particle Substances 0.000 claims description 173
- 239000010410 layer Substances 0.000 claims description 155
- 239000003990 capacitor Substances 0.000 claims description 76
- 239000011241 protective layer Substances 0.000 claims description 43
- 230000006378 damage Effects 0.000 claims description 29
- 238000012549 training Methods 0.000 claims description 19
- 238000004458 analytical method Methods 0.000 claims description 17
- 238000013528 artificial neural network Methods 0.000 claims description 17
- 238000004088 simulation Methods 0.000 claims description 15
- 230000004913 activation Effects 0.000 claims description 14
- 230000003213 activating effect Effects 0.000 claims description 10
- 230000009977 dual effect Effects 0.000 claims description 10
- 238000011156 evaluation Methods 0.000 claims description 8
- 230000002452 interceptive effect Effects 0.000 claims description 2
- 230000001681 protective effect Effects 0.000 claims description 2
- 230000008569 process Effects 0.000 abstract description 21
- 238000013461 design Methods 0.000 abstract description 2
- 230000006870 function Effects 0.000 description 17
- 230000000875 corresponding effect Effects 0.000 description 10
- 238000010276 construction Methods 0.000 description 4
- 230000008030 elimination Effects 0.000 description 4
- 238000003379 elimination reaction Methods 0.000 description 4
- 230000010354 integration Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 208000027418 Wounds and injury Diseases 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000004146 energy storage Methods 0.000 description 2
- 208000014674 injury Diseases 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 239000000853 adhesive Substances 0.000 description 1
- 230000001070 adhesive effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000005056 compaction Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 238000010801 machine learning Methods 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
- 238000012545 processing Methods 0.000 description 1
- 238000004080 punching Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01G—CAPACITORS; CAPACITORS, RECTIFIERS, DETECTORS, SWITCHING DEVICES OR LIGHT-SENSITIVE DEVICES, OF THE ELECTROLYTIC TYPE
- H01G11/00—Hybrid capacitors, i.e. capacitors having different positive and negative electrodes; Electric double-layer [EDL] capacitors; Processes for the manufacture thereof or of parts thereof
- H01G11/84—Processes for the manufacture of hybrid or EDL capacitors, or components thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
-
- 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
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01G—CAPACITORS; CAPACITORS, RECTIFIERS, DETECTORS, SWITCHING DEVICES OR LIGHT-SENSITIVE DEVICES, OF THE ELECTROLYTIC TYPE
- H01G11/00—Hybrid capacitors, i.e. capacitors having different positive and negative electrodes; Electric double-layer [EDL] capacitors; Processes for the manufacture thereof or of parts thereof
- H01G11/78—Cases; Housings; Encapsulations; Mountings
- H01G11/80—Gaskets; Sealings
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- 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
- Y02E60/13—Energy storage using capacitors
Abstract
本发明提供了一种耐高温焊接扣式超级电容器的优化方法及系统，涉及焊接控制技术领域，方法包括：获得产品本体特征确定产品本体焊接场景，基于保护层结构决策双通道对扣式超级电容器进行焊接保护层结构解析，确定焊接保护层结构决策，对扣式超级电容器进行焊接保护层材料配比解析，确定焊接保护层材料配比决策，基于焊接保护层结构决策和焊接保护层材料配比决策，生成产品本体保护层决策对扣式超级电容器进行焊接保护，解决了现有技术中在焊接过程中缺乏对扣式超级电容器设计保护层，导致扣式超级电容器的焊接保护性差的技术问题，实现了通过对扣式超级电容器适应性地设计保护层，提高扣式超级电容器的焊接保护性。
Description
技术领域
本发明涉及焊接控制技术领域，具体涉及一种耐高温焊接扣式超级电容器的优化方法及系统。
背景技术
随着科技的进步及社会文明程度的提高，尤其是储能元件领域的发展，扣式超级电容作为一种储能元件它具有充电时间短、温度特性好、节约能源和绿色环保的特点。在扣式超级电容使用的过程中，尤其是温度较高的情况下，容易出现密封失效而导致漏液率高的问题，而在现有技术中当在焊接过程中缺乏对扣式超级电容器设计保护层，导致扣式超级电容器的焊接保护性差的技术问题。
发明内容
本申请提供了一种耐高温焊接扣式超级电容器的优化方法及系统，用于针对解决现有技术中存在的在焊接过程中缺乏对扣式超级电容器设计保护层，导致扣式超级电容器的焊接保护性差的技术问题。
鉴于上述问题，本申请提供了一种耐高温焊接扣式超级电容器的优化方法及系统。
第一方面，本申请提供了一种耐高温焊接扣式超级电容器的优化方法，所述方法包括：读取扣式超级电容器的基础信息，获得产品本体特征，其中，所述产品本体特征包括产品本体结构特征、产品本体性能特征和产品本体成分特征；获得多维预设焊接场景指标，其中，所述多维预设焊接场景指标包括焊接PCB板和焊接方案；根据所述多维预设焊接场景指标对所述扣式超级电容器进行焊接场景信息采集，确定产品本体焊接场景；基于保护层结构决策双通道，根据所述产品本体焊接场景和所述产品本体结构特征对所述扣式超级电容器进行焊接保护层结构解析，确定焊接保护层结构决策；基于所述焊接保护层结构决策、所述产品本体焊接场景和所述产品本体特征，根据保护层成分寻优函数对所述扣式超级电容器进行焊接保护层材料配比解析，确定焊接保护层材料配比决策；基于所述焊接保护层结构决策和所述焊接保护层材料配比决策，生成产品本体保护层决策，并根据所述产品本体保护层决策对所述扣式超级电容器进行焊接保护。
第二方面，本申请提供了一种耐高温焊接扣式超级电容器的优化系统，所述系统包括：特征获取模块，所述特征获取模块用于读取扣式超级电容器的基础信息，获得产品本体特征，其中，所述产品本体特征包括产品本体结构特征、产品本体性能特征和产品本体成分特征；指标获取模块，所述指标获取模块用于获得多维预设焊接场景指标，其中，所述多维预设焊接场景指标包括焊接PCB板和焊接方案；信息采集模块，所述参数获取模块用于根据所述多维预设焊接场景指标对所述扣式超级电容器进行焊接场景信息采集，确定产品本体焊接场景；结构解析模块，所述结构解析模块用于基于保护层结构决策双通道，根据所述产品本体焊接场景和所述产品本体结构特征对所述扣式超级电容器进行焊接保护层结构解析，确定焊接保护层结构决策；决策确定模块，所述决策确定模块用于基于所述焊接保护层结构决策、所述产品本体焊接场景和所述产品本体特征，根据保护层成分寻优函数对所述扣式超级电容器进行焊接保护层材料配比解析，确定焊接保护层材料配比决策；焊接保护模块，所述焊接保护模块用于基于所述焊接保护层结构决策和所述焊接保护层材料配比决策，生成产品本体保护层决策，并根据所述产品本体保护层决策对所述扣式超级电容器进行焊接保护。
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：
本申请提供的一种耐高温焊接扣式超级电容器的优化方法及系统，涉及焊接控制技术领域，解决了现有技术中在焊接过程中缺乏对扣式超级电容器设计保护层，导致扣式超级电容器的焊接保护性差的技术问题，实现了通过对扣式超级电容器适应性地设计保护层，提高扣式超级电容器的焊接保护性。
附图说明
图1为本申请提供了一种耐高温焊接扣式超级电容器的优化方法流程示意图；
图2为本申请提供了一种耐高温焊接扣式超级电容器的优化方法中输出焊接保护层结构决策流程示意图；
图3为本申请提供了一种耐高温焊接扣式超级电容器的优化方法中生成焊接保护层材料配比决策流程示意图；
图4为本申请提供了一种耐高温焊接扣式超级电容器的优化系统结构示意图。
附图标记说明：特征获取模块1，指标获取模块2，信息采集模块3，结构解析模块4，决策确定模块5，焊接保护模块6。
具体实施方式
本申请通过提供一种耐高温焊接扣式超级电容器的优化方法及系统，用于解决现有技术中在焊接过程中缺乏对扣式超级电容器设计保护层，导致扣式超级电容器的焊接保护性差的技术问题。
实施例一
如图1所示，本申请实施例提供了一种耐高温焊接扣式超级电容器的优化方法，该方法包括：
步骤A100：读取扣式超级电容器的基础信息，获得产品本体特征，其中，所述产品本体特征包括产品本体结构特征、产品本体性能特征和产品本体成分特征；
在本申请中，本申请实施例提供的一种耐高温焊接扣式超级电容器的优化方法应用于一种耐高温焊接扣式超级电容器的优化系统，通过从数据源中逐条读取数据对目标扣式超级电容器的基础信息进行信息读取，所读取的信息可以包含扣式超级电容器的结构信息、性能信息、成分信息，该结构信息是指目标扣式超级电容器的物理结构数据，该性能信息中可以包含目标扣式超级电容器的充放电性能数据、循环性能数据、功率密度性能数据等，该成分信息是指目标扣式超级电容器内的组成成分数据，在此基础上分别对结构信息、性能信息、成分信息进行扣式超级电容器的产品本体特征进行提取，所提取的产品本体特征中包含产品本体结构特征、产品本体性能特征、产品本体成分特征，产品本体结构特征可以是双电层与电极所组成的结构，产品本体性能特征可以是充放电性能特征、循环性能特征、功率密度性能特征，产品本体成分特征可以包含电极特征、电解质特征、隔膜特征等，为后期实现对耐高温焊接扣式超级电容器进行优化作为重要参考依据。
步骤A200：获得多维预设焊接场景指标，其中，所述多维预设焊接场景指标包括焊接PCB板和焊接方案；
在本申请中，为了更精准的确定后期在对扣式超级电容器进行耐高温焊接优化过程中的焊接场景，因此首先基于对扣式超级电容器在历史时段进行高温焊接时的场景参数进行提取，将其作为参考数据对目标扣式超级电容器后期在焊接时进行焊接场景指标的预设，其所预设的焊接场景指标可以作为多维预设焊接场景指标，该多维预设焊接场景指标是分别通过在对扣式超级电容器进行高温焊接时焊接PCB板的维度以及对扣式超级电容器进行高温焊接时焊接方案的维度，在焊接PCB板的维度中包含焊接结构指标以及焊接材料指标，在焊接方案的维度中包含焊接位置指标以及焊接温度指标，从而对多维预设焊接场景指标进行确定，进而为实现对耐高温焊接扣式超级电容器进行优化做保障。
步骤A300：根据所述多维预设焊接场景指标对所述扣式超级电容器进行焊接场景信息采集，确定产品本体焊接场景；
在本申请中，为保证在对扣式超级电容进行焊接时焊接场景的适配性，因此将上述所获的多维预设焊接场景指标作为基础数据对扣式超级电容进行焊接场景信息的采集，是指按照多维预设焊接场景指标中的焊接结构指标、焊接材料指标、焊接位置指标、焊接温度指标制定扣式超级电容器在焊接之前的焊接场景进行确定，焊接结构指标可以是指适用于焊接方法的扣式超级电容器结构数据值，示例性的，焊接结构可以包含板焊结构、冲焊结构等，焊接材料指标是指在对扣式超级电容器进行焊接后所消耗的材料数据值，焊接位置指标是指在对扣式超级电容器进行焊接时焊件接缝所处的空间位置数据值，焊接温度指标是指在对扣式超级电容器进行焊接时焊件的温度数据值，从而对扣式超级电容器的焊接场景进行确定并将其记作产品本体焊接场景，为后续实现对耐高温焊接扣式超级电容器进行优化夯实基础。
步骤A400：基于保护层结构决策双通道，根据所述产品本体焊接场景和所述产品本体结构特征对所述扣式超级电容器进行焊接保护层结构解析，确定焊接保护层结构决策；
进一步而言，如图2所示，本申请步骤A400还包括：
步骤A410：搭建所述保护层结构决策双通道，其中，所述保护层结构决策双通道包括本体全保护结构决策通道和本体焊接面保护结构决策通道；
步骤A420：获得所述扣式超级电容器的产品本体保护属性，其中，所述产品本体保护属性为产品本体全保护/产品本体焊接面保护；
步骤A430：若所述产品本体保护属性为产品本体全保护，生成全保护激活指令；
步骤A440：基于所述全保护激活指令，激活所述本体全保护结构决策通道；
步骤A450：将所述产品本体焊接场景和所述产品本体结构特征输入所述本体全保护结构决策通道，得到本体全保护结构决策；
步骤A460：将所述本体全保护结构决策输出为所述焊接保护层结构决策。
进一步而言，本申请步骤A410包括：
步骤A411：获得本体全保护结构决策记录库和本体焊接面保护结构决策记录库；
步骤A412：根据BP神经网络对所述本体全保护结构决策记录库进行有监督训练，生成满足预设收敛条件的所述本体全保护结构决策通道；
步骤A413：根据BP神经网络对所述本体焊接面保护结构决策记录库进行有监督训练，生成满足所述预设收敛条件的所述本体焊接面保护结构决策通道；
步骤A414：对所述本体全保护结构决策通道和所述本体焊接面保护结构决策通道进行全连接，生成所述保护层结构决策双通道。
进一步而言，本申请步骤A460包括：
步骤A461：若所述产品本体保护属性为产品本体焊接面保护，生成焊接面保护激活指令；
步骤A462：基于所述焊接面保护激活指令，激活所述本体焊接面保护结构决策通道；
步骤A463：基于所述产品本体焊接场景对所述产品本体结构特征进行焊接面结构特征识别，确定本体焊接面结构特征；
步骤A464：将所述产品本体焊接场景和所述本体焊接面结构特征输入所述本体焊接面保护结构决策通道，得到本体焊接面保护结构决策；
步骤A465：将所述本体焊接面保护结构决策输出为所述焊接保护层结构决策。
在本申请中，为了更好的在对扣式超级电容在焊接时进行保护，因此需要通过保护层结构决策双通道，将上述所获产品本体焊接场景以及产品本体结构特征对扣式超级电容器进行焊接保护层结构的解析，是指首先对保护层结构决策双通道进行搭建，其中，保护层结构决策双通道包括本体全保护结构决策通道和本体焊接面保护结构决策通道。
首先基于扣式超级电容的结构数据构建本体全保护结构决策记录库，基于焊接部分的结构数据构建本体焊接面保护结构决策记录库，并同时分别根据BP神经网络对本体全保护结构决策记录库进行有监督训练，生成满足预设收敛条件的本体全保护结构决策通道，在BP神经网络的基础上，其BP神经网络是指一种按照误差逆向传播算法训练的多层前馈神经网络，进一步对本体全保护结构决策通道进行构建，其中，对本体全保护结构决策记录库中包含的多个扣式超级电容的结构数据进行不同结构数据的标识，即数据标注，从而获得构建数据集，而本体全保护结构决策通道为机器学习中的，可以不断进行自我迭代优化的神经网络模型，本体全保护结构决策通道通过训练数据集和监督数据集训练获得，其中，监督数据集为与训练数据集一一对应的监督数据。
进一步的，本体全保护结构决策通道构建过程为：将训练数据集中每一组训练数据输入本体全保护结构决策通道，通过这组训练数据对应的监督数据进行本体全保护结构决策通道的输出监督调整，当本体全保护结构决策通道的输出结果与监督数据一致，则当前组训练结束，将训练数据集中全部的训练数据均训练结束，则本体全保护结构决策通道训练完成。
为了保证本体全保护结构决策通道的收敛以及准确性，其收敛过程可以是本体全保护结构决策通道中的输出数据会聚于一点时，向某一个值靠近则为收敛，其准确性可以通过测试数据集进行本体全保护结构决策通道的测试处理，举例而言，测试准确率可以设定为80%，当测试数据集的测试准确率满足80%时，则本体全保护结构决策通道构建完成，从而生成满足预设收敛条件的本体全保护结构决策通道，是指输出准确率满足预设输出准确率范围的本体全保护结构决策通道作为最终输出通道，以及同理根据BP神经网络对本体焊接面保护结构决策记录库进行有监督训练，与本体全保护结构决策通道的构建过程相同，在此不过多赘述，从而生成满足预设收敛条件的本体焊接面保护结构决策通道，指输出准确率满足预设输出准确率范围的本体焊接面保护结构决策通道作为最终输出通道，最终对本体全保护结构决策通道和所述本体焊接面保护结构决策通道进行全连接，生成保护层结构决策双通道。
保护层结构决策双通道的全连接处理流程包括：
搭建全连接神经网络，利用所述神经网络对本体全保护结构决策通道和本体焊接面保护结构决策通道进行训练，其全连接神经网络是指一种多层的感知机结构的神经网络，进一步对保护层结构决策双通道进行构建，其中，全连接神经网络的输入数据包括本体全保护结构决策通道和本体焊接面保护结构决策通道，且全连接神经网络的每一层的每一个节点都与上下层节点全部连接，在保护层结构决策双通道中包含输入层、隐藏层、输出层，输入层是用于数据输入的层级，隐藏层是用于更好的对数据特征进行分离，输出层是用于结果输出的层级，从而完成本体全保护结构决策通道和本体焊接面保护结构决策通道的全连接获取保护层结构决策双通道。
进一步的，通过在焊接过程中对扣式超级电容进行的全包裹数据、以及对扣式超级电容器进行焊接面的包裹数据的基础上，对扣式超级电容器的产品本体保护属性进行确定，其中，产品本体保护属性为产品本体全保护数据以及产品本体焊接面保护数据，产品本体的全保护数据是指在焊接过程中对扣式超级电容的全体结构都进行保护时的数据，示例性的，可以使用耐高温橡胶，将产品本体进行全包裹，使产品外壳形成一层绝缘耐温保护，防止焊接时外部温度对产品性能造成影响，产品本体焊接面保护数据是指在焊接过程中仅对扣式超级电容的焊接面结构都进行保护时的数据，示例性的，扣式超级电容器焊接面，覆盖一层耐高温绝缘垫；耐高温绝缘垫采用背胶设计，以电容器本体有效粘连，扣式电容器外套管再将耐高温绝缘垫包裹，形成二次防脱落保护，进一步的，当产品本体保护属性为产品本体全保护时，则生成全保护激活指令，全保护激活指令是用于控制在焊接过程中对扣式超级电容器进行全体保护操作的指令，同时在全保护激活指令的基础上，将上述所构建的本体全保护结构决策通道进行激活，并将产品本体焊接场景和产品本体结构特征输入至所构建的本体全保护结构决策通道中进行数据整合，是指将产品本体焊接场景与产品本体结构特征的数据进行收集、整理、清洗，转换后加载到一个新的数据源，为后期进行本体全保护的决策提供统一数据视图的数据集成参照，从而生成本体全保护结构决策，继而将本体全保护结构决策输出为焊接保护层结构决策。
进一步的，焊接面保护激活指令是用于控制在焊接过程中对扣式超级电容器的焊接面进行保护操作的指令，同时在焊接面保护激活指令的基础上，将上述所构建的本体焊接面保护结构决策通道进行激活，并将产品本体焊接场景对产品本体结构特征输入至所构建的本体全保护结构决策通道中进行数据整合，是指将产品本体焊接场景对产品本体结构特征的数据进行收集、整理、清洗，转换后加载到一个新的数据源，为后期进行焊接面全保护的决策提供统一数据视图的数据集成参照，从而生成本体焊接面保护结构决策，最终将本体焊接面保护结构决策输出为焊接保护层结构决策，由此对焊接保护层结构决策进行确定，实现对耐高温焊接扣式超级电容器进行优化有着限定的作用。
步骤A500：基于所述焊接保护层结构决策、所述产品本体焊接场景和所述产品本体特征，根据保护层成分寻优函数对所述扣式超级电容器进行焊接保护层材料配比解析，确定焊接保护层材料配比决策；
进一步而言，如图3所示，本申请步骤A500还包括：
步骤A510：基于所述产品本体性能特征和所述产品本体成分特征进行焊接保护层材料配比记录采集，获得保护层材料配比粒子群；
步骤A520：基于所述保护层材料配比粒子群进行随机选择，获得第一材料配比粒子；
步骤A530：基于所述焊接保护层结构决策、所述产品本体焊接场景和所述产品本体特征，根据所述保护层成分寻优函数对所述第一材料配比粒子进行适应度评价，获得第一配比粒子适应度；
步骤A540：基于所述保护层材料配比粒子群进行随机选择，获得第二材料配比粒子，并根据所述保护层成分寻优函数对所述第二材料配比粒子进行适应度评价，获得第二配比粒子适应度；
步骤A550：判断所述第一配比粒子适应度是否小于所述第二配比粒子适应度；
步骤A560：若所述第一配比粒子适应度小于所述第二配比粒子适应度，以所述第二材料配比粒子为当前最优配比粒子，并将所述第一材料配比粒子进行淘汰；
步骤A570：若所述第一配比粒子适应度大于/等于所述第二配比粒子适应度，以所述第一材料配比粒子为所述当前最优配比粒子，并将所述第二材料配比粒子进行淘汰；
步骤A580：基于所述当前最优配比粒子，根据所述保护层材料配比粒子群继续进行迭代寻优，获得迭代寻优次数满足预设寻优次数的最优配比粒子；
步骤A590：根据所述最优配比粒子，生成所述焊接保护层材料配比决策。
进一步而言，本申请步骤A530包括：
步骤A531：交互数字孪生子模块，根据所述产品本体特征进行建模，获得电容器孪生模型；
步骤A532：基于所述数字孪生子模块，根据所述焊接保护层结构决策和所述第一材料配比粒子对所述电容器孪生模型进行仿真保护，获得第一保护电容器模型；
步骤A533：基于所述数字孪生子模块，根据所述产品本体焊接场景对所述第一保护电容器模型进行模拟焊接，获得第一模拟焊接结果，其中，所述第一模拟焊接结果包括第一模拟后本体结构特征和第一模拟后本体性能特征；
步骤A534：基于所述产品本体结构特征和所述产品本体性能特征对所述第一模拟焊接结果进行比对，获得第一模拟焊接结构损伤度和第一模拟焊接性能损伤度；
步骤A535：将所述第一模拟焊接结构损伤度和所述第一模拟焊接性能损伤度输入所述保护层成分寻优函数，得到所述第一配比粒子适应度；
在本申请中，将上述所获焊接保护层结构决策、产品本体焊接场景、产品本体特征作为基础参照数据，通过保护层成分寻优函数对扣式超级电容器进行焊接保护层材料配比解析，其配比解析流程可以为：
首先以产品本体特征中的产品本体性能特征和产品本体成分特征作为焊接过程的参照数据，对扣式超级电容器进行焊接保护层材料配比记录采集，是指在焊接过程中的焊接保护层内根据产品本体成分特征所对应的不同本体成分所对应的产品本体性能特征，在进行焊接过程中焊接保护层所需要的材料进行焊接配比，并将配比记录进行记录同时将记录数据集记作保护层材料配比粒子群，进一步的，基于保护层材料配比粒子群对焊接材料的配比数据进行随机选择，将其记作第一材料配比粒子，进一步的，基于焊接保护层结构决策、产品本体焊接场景和产品本体特征，通过保护层成分寻优函数对第一材料配比粒子进行适应度评价，是指通过一种耐高温焊接扣式超级电容器的优化系统与数字孪生子模块进行数据交互，数据孪生子模块是用于准确反映扣式超级电容器的焊接过程，并通过数据孪生子模型按照系统中所包含的产品本体特征进行建模，是指根据产品本体特征中产品本体结构特征、产品本体性能特征和产品本体成分特征的基本原理与规律，建立产品本体结构特征、产品本体性能特征和产品本体成分特征之间的关系，描述一个产品本体结构特征、产品本体性能特征和产品本体成分特征随另一个变量的变化而变化，从而完成对电容器孪生模型的构建，进一步的，基于数字孪生子模块，通过上述所获的焊接保护层结构决策和第一材料配比粒子对电容器孪生模型进行仿真保护，是指将第一材料配比粒子同步至焊接保护层结构决策中，再按照电容器孪生模型对扣式超级电容器建立关键特征的模拟保护，从而获得第一保护电容器模型。
进一步的，基于数字孪生子模块，通过产品本体焊接场景对第一保护电容器模型进行模拟焊接，是指将产品本体焊接场景作为基础数据，通过数字孪生子模块按照上述生成的第一保护电容器模型对扣式超级电容器进行焊接过程的参数模拟，从而将模拟结果记作第一模拟焊接结果，其中，第一模拟焊接结果包括第一模拟后本体结构特征和第一模拟后本体性能特征，第一模拟后本体结构特征和第一模拟后本体性能特征是指模拟焊接后，第一保护电容器模型对应的结构特征、性能特征，进一步的，将产品本体结构特征和产品本体性能特征作为参照数据分别对第一模拟焊接结果中所包含的结构特征与本体性能特征进行比对，是指分别将产品本体结构特征与第一模拟焊接结果中所包含的结构特征中不一致的结构特征数据进行提取，以及产品本体性能特征与第一模拟焊接结果中所包含的性能特征中不一致的性能特征数据进行提取，将不一致的结构特征数据记作第一模拟焊接结构损伤度和将不一致的性能特征数据记作第一模拟焊接性能损伤度，进一步的，将第一模拟焊接结构损伤度和第一模拟焊接性能损伤度输入至保护层成分寻优函数中进行计算，保护层成分寻优函数如下所示：
；
其中，PFS表征配比粒子适应度，sdy表征模拟焊接结构损伤度，pdy表征模拟焊接性能损伤度，w、r分别为第一预设权重值、第二预设权重值，且，w、r之和为1。
通过保护层成分寻优函数分别对模拟焊接结构损伤度、模拟焊接性能损伤度进行计算，并将模拟焊接结构损伤度、模拟焊接性能损伤度进行数据整合后记作第一配比粒子适应度进行输出，同时通过对保护层材料配比粒子群进行随机选择，将所选择的粒子记作第二材料配比粒子，且第二材料配比粒子与第一材料配比粒子为不相同的粒子数据，同时再根据上述保护层成分寻优函数对第二材料配比粒子进行与上述同理的适应度评价， 将计算结果记作第二配比粒子适应度，进一步的，对第一配比粒子适应度与第二配比粒子适应度进行判断，判断第一配比粒子适应度是否小于第二配比粒子适应度。
当第一配比粒子适应度小于第二配比粒子适应度时，则视为第二配比材料配比粒子的适应度优于第一配比材料配比粒子的适应度，因此将第二材料配比粒子作为当前最优配比粒子，并将第一材料配比粒子作为淘汰数据进行删除。
当第一配比粒子适应度大于/等于第二配比粒子适应度，则视为第一配比材料配比粒子的适应度优于第二配比材料配比粒子的适应度，因此将第一材料配比粒子作为当前最优配比粒子，并将第二材料配比粒子作为淘汰数据进行删除。
进一步的，在当前所设定的最优配比粒子的基础上，根据保护层材料配比粒子群继续进行迭代寻优，直至迭代到预设迭代次数时，将最终满足迭代寻优次数的最优配比粒子进行输出，其中所获预设迭代次数由相关技术人员根据保护层材料配比粒子群内的材料配比数据量进行预设，最终根据最优配比粒子生成焊接保护层材料配比决策，以便为后期对耐高温焊接扣式超级电容器进行优化时作为参照数据。
进一步而言，本申请步骤A590包括：
步骤A591：获得所述最优配比粒子对应的最优配比粒子适应度；
步骤A592：判断所述最优配比粒子适应度是否满足预定寻优约束；
步骤A593：若所述最优配比粒子适应度满足所述预定寻优约束，将所述最优配比粒子输出为所述焊接保护层材料配比决策；
步骤A594：若所述最优配比粒子适应度不满足所述预定寻优约束，对所述最优配比粒子进行随机调整，获得邻域配比粒子群，并对所述邻域配比粒子群进行迭代寻优，直至输出所述焊接保护层材料配比决策。
在本申请中，根据最优配比粒子，生成焊接保护层材料配比决策的过程是指首先将最优配比粒子对应的最优配比粒子适应度通过保护层成分寻优函数进行计算获取，进一步的，对最优配比粒子适应度是否满足预定寻优约束进行判断，预定寻优约束是指预设配比粒子适应度范围，当最优配比粒子适应度满足预定寻优约束时，则视为此时的最优配比粒子适应度所对应的最优配比粒子可以作为最终焊接保护层材料配比决策的执行数据，从而将最优配比粒子输出生成焊接保护层材料配比决策。
当最优配比粒子适应度不满足预定寻优约束时，则视为此时的最优配比粒子适应度所对应的最优配比粒子不可以作为最终焊接保护层材料配比决策的执行数据，因此需要对最优配比粒子进行随机调整，并将随机调整所获的配比粒子进行记录后记作最优配比粒子的邻域配比粒子群，并同时对邻域配比粒子群进行迭代寻优，是指对邻域配比粒子群中所包含的配比粒子依次输入至保护层成分寻优函数进行计算，将适应度最高的配比粒子对最优配比粒子进行替换，从而将所替换的配比粒子输出生成焊接保护层材料配比决策，提高后期实现对耐高温焊接扣式超级电容器进行优化的准确率。
步骤A600：基于所述焊接保护层结构决策和所述焊接保护层材料配比决策，生成产品本体保护层决策，并根据所述产品本体保护层决策对所述扣式超级电容器进行焊接保护。
在本申请中，为提高在对扣式超级电容进行高温焊接时的焊接保护，因此需要将上述所获的焊接保护层结构决策以及焊接保护层材料配比决策作为焊接流程的控制数据，则需要提取焊接保护层结构决策中对扣式超级电容器的结构进行保护的数据，以及提取焊接保护层材料配比决策中对扣式超级电容器的性能与成分进行保护的数据，将所提取的数据进行融合，是指将所提取的数据加以联合、相关及组合，获得更为精确的焊接位置、焊接材料、焊接保护的数据估计，在完成融合的数据的基础上生成产品本体保护层决策，且产品本体保护层决策包括焊接保护层结构决策和焊接保护层材料配比决策，最终根据产品本体保护层决策对扣式超级电容器进行焊接保护，是指基于产品本体保护层决策对扣式超级电容器的，以保证在对耐高温焊接扣式超级电容器进行优化时的高效性。
本体结构、产品本体性能和产品本体成分在焊接过程中进行相应的保护措施，
综上所述，本申请实施例提供的一种耐高温焊接扣式超级电容器的优化方法，至少包括如下技术效果，实现了对在焊接时外部温度进行合理化精准管控，提高扣式超级电容器的焊接保护性。
实施例二
基于与前述实施例中一种耐高温焊接扣式超级电容器的优化方法相同的发明构思，如图4所示，本申请提供了一种耐高温焊接扣式超级电容器的优化系统，系统包括：
特征获取模块1，所述特征获取模块1用于读取扣式超级电容器的基础信息，获得产品本体特征，其中，所述产品本体特征包括产品本体结构特征、产品本体性能特征和产品本体成分特征；
指标获取模块2，所述指标获取模块2用于获得多维预设焊接场景指标，其中，所述多维预设焊接场景指标包括焊接PCB板和焊接方案；
信息采集模块3，所述参数获取模块3用于根据所述多维预设焊接场景指标对所述扣式超级电容器进行焊接场景信息采集，确定产品本体焊接场景；
结构解析模块4，所述结构解析模块4用于基于保护层结构决策双通道，根据所述产品本体焊接场景和所述产品本体结构特征对所述扣式超级电容器进行焊接保护层结构解析，确定焊接保护层结构决策；
决策确定模块5，所述决策确定模块5用于基于所述焊接保护层结构决策、所述产品本体焊接场景和所述产品本体特征，根据保护层成分寻优函数对所述扣式超级电容器进行焊接保护层材料配比解析，确定焊接保护层材料配比决策；
焊接保护模块6，所述焊接保护模块6用于基于所述焊接保护层结构决策和所述焊接保护层材料配比决策，生成产品本体保护层决策，并根据所述产品本体保护层决策对所述扣式超级电容器进行焊接保护。
进一步而言，系统还包括：
通道搭建模块，所述通道搭建模块用于搭建所述保护层结构决策双通道，其中，所述保护层结构决策双通道包括本体全保护结构决策通道和本体焊接面保护结构决策通道；
属性保护模块，所述属性保护模块用于获得所述扣式超级电容器的产品本体保护属性，其中，所述产品本体保护属性为产品本体全保护/产品本体焊接面保护；
第一指令模块，所述第一指令模块用于若所述产品本体保护属性为产品本体全保护，生成全保护激活指令；
激活模块，所述激活模块用于基于所述全保护激活指令，激活所述本体全保护结构决策通道；
第一决策模块，所述第一决策模块用于将所述产品本体焊接场景和所述产品本体结构特征输入所述本体全保护结构决策通道，得到本体全保护结构决策；
第二决策模块，所述第二决策模块用于将所述本体全保护结构决策输出为所述焊接保护层结构决策。
进一步而言，系统还包括：
第二指令模块，所述第二指令模块用于若所述产品本体保护属性为产品本体焊接面保护，生成焊接面保护激活指令；
第三决策模块，所述第三决策模块用于基于所述焊接面保护激活指令，激活所述本体焊接面保护结构决策通道；
特征识别模块，所述特征识别模块用于基于所述产品本体焊接场景对所述产品本体结构特征进行焊接面结构特征识别，确定本体焊接面结构特征；
第四决策模块，所述第四决策模块用于将所述产品本体焊接场景和所述本体焊接面结构特征输入所述本体焊接面保护结构决策通道，得到本体焊接面保护结构决策；
第五决策模块，所述第五决策模块用于将所述本体焊接面保护结构决策输出为所述焊接保护层结构决策。
进一步而言，系统还包括：
记录库获取模块，所述记录库获取模块用于获得本体全保护结构决策记录库和本体焊接面保护结构决策记录库；
第一通道模块，所述第一通道模块用于根据BP神经网络对所述本体全保护结构决策记录库进行有监督训练，生成满足预设收敛条件的所述本体全保护结构决策通道；
第二通道模块，所述第二通道模块用于根据BP神经网络对所述本体焊接面保护结构决策记录库进行有监督训练，生成满足所述预设收敛条件的所述本体焊接面保护结构决策通道；
全连接模块，所述全连接模块用于对所述本体全保护结构决策通道和所述本体焊接面保护结构决策通道进行全连接，生成所述保护层结构决策双通道。
进一步而言，系统还包括：
粒子群获取模块，所述粒子群获取模块用于基于所述产品本体性能特征和所述产品本体成分特征进行焊接保护层材料配比记录采集，获得保护层材料配比粒子群；
第一粒子模块，所述第一粒子模块用于基于所述保护层材料配比粒子群进行随机选择，获得第一材料配比粒子；
第一适应度评价模块，所述第一适应度评价模块用于基于所述焊接保护层结构决策、所述产品本体焊接场景和所述产品本体特征，根据所述保护层成分寻优函数对所述第一材料配比粒子进行适应度评价，获得第一配比粒子适应度；
第二适应度评价模块，所述第二适应度评价模块用于基于所述保护层材料配比粒子群进行随机选择，获得第二材料配比粒子，并根据所述保护层成分寻优函数对所述第二材料配比粒子进行适应度评价，获得第二配比粒子适应度；
第一判断模块，所述第一判断模块用于判断所述第一配比粒子适应度是否小于所述第二配比粒子适应度；
第一淘汰模块，所述第一淘汰模块用于若所述第一配比粒子适应度小于所述第二配比粒子适应度，以所述第二材料配比粒子为当前最优配比粒子，并将所述第一材料配比粒子进行淘汰；
第二淘汰模块，所述第二淘汰模块用于若所述第一配比粒子适应度大于/等于所述第二配比粒子适应度，以所述第一材料配比粒子为所述当前最优配比粒子，并将所述第二材料配比粒子进行淘汰；
迭代寻优模块，所述迭代寻优模块用于基于所述当前最优配比粒子，根据所述保护层材料配比粒子群继续进行迭代寻优，获得迭代寻优次数满足预设寻优次数的最优配比粒子；
第六决策模块，所述第六决策模块用于根据所述最优配比粒子，生成所述焊接保护层材料配比决策。
进一步而言，系统还包括：
建模模块，所述建模模块用于交互数字孪生子模块，根据所述产品本体特征进行建模，获得电容器孪生模型；
仿真保护模块，所述仿真保护模块用于基于所述数字孪生子模块，根据所述焊接保护层结构决策和所述第一材料配比粒子对所述电容器孪生模型进行仿真保护，获得第一保护电容器模型；
模拟焊接模块，所述模拟焊接模块用于基于所述数字孪生子模块，根据所述产品本体焊接场景对所述第一保护电容器模型进行模拟焊接，获得第一模拟焊接结果，其中，所述第一模拟焊接结果包括第一模拟后本体结构特征和第一模拟后本体性能特征；
焊接比对模块，所述焊接比对模块用于基于所述产品本体结构特征和所述产品本体性能特征对所述第一模拟焊接结果进行比对，获得第一模拟焊接结构损伤度和第一模拟焊接性能损伤度；
第三适应度模块，所述第三适应度模块用于将所述第一模拟焊接结构损伤度和所述第一模拟焊接性能损伤度输入所述保护层成分寻优函数，得到所述第一配比粒子适应度；
其中，所述保护层成分寻优函数为：
；
其中，PFS表征配比粒子适应度，sdy表征模拟焊接结构损伤度，pdy表征模拟焊接性能损伤度，w、r分别为第一预设权重值、第二预设权重值，且，w、r之和为1。
进一步而言，系统还包括：
第四适应度模块，所述第四适应度模块用于获得所述最优配比粒子对应的最优配比粒子适应度；
第二判断模块，所述第二判断模块用于判断所述最优配比粒子适应度是否满足预定寻优约束；
第三判断模块，所述第三判断模块用于若所述最优配比粒子适应度满足所述预定寻优约束，将所述最优配比粒子输出为所述焊接保护层材料配比决策；
随机调整模块，所述随机调整模块用于若所述最优配比粒子适应度不满足所述预定寻优约束，对所述最优配比粒子进行随机调整，获得邻域配比粒子群，并对所述邻域配比粒子群进行迭代寻优，直至输出所述焊接保护层材料配比决策。
本说明书通过前述对一种耐高温焊接扣式超级电容器的优化方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种耐高温焊接扣式超级电容器的优化系统，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 (5)
1.一种耐高温焊接扣式超级电容器的优化方法，其特征在于，所述方法包括：
读取扣式超级电容器的基础信息，获得产品本体特征，其中，所述产品本体特征包括产品本体结构特征、产品本体性能特征和产品本体成分特征；
获得多维预设焊接场景指标，其中，所述多维预设焊接场景指标包括焊接PCB板和焊接方案；
根据所述多维预设焊接场景指标对所述扣式超级电容器进行焊接场景信息采集，确定产品本体焊接场景；
基于保护层结构决策双通道，根据所述产品本体焊接场景和所述产品本体结构特征对所述扣式超级电容器进行焊接保护层结构解析，确定焊接保护层结构决策；
基于所述焊接保护层结构决策、所述产品本体焊接场景和所述产品本体特征，根据保护层成分寻优函数对所述扣式超级电容器进行焊接保护层材料配比解析，确定焊接保护层材料配比决策；
基于所述焊接保护层结构决策和所述焊接保护层材料配比决策，生成产品本体保护层决策，并根据所述产品本体保护层决策对所述扣式超级电容器进行焊接保护；
基于所述焊接保护层结构决策、所述产品本体焊接场景和所述产品本体特征，根据保护层成分寻优函数对所述扣式超级电容器进行焊接保护层材料配比解析，确定焊接保护层材料配比决策，包括：
基于所述产品本体性能特征和所述产品本体成分特征进行焊接保护层材料配比记录采集，获得保护层材料配比粒子群；
基于所述保护层材料配比粒子群进行随机选择，获得第一材料配比粒子；
基于所述焊接保护层结构决策、所述产品本体焊接场景和所述产品本体特征，根据所述保护层成分寻优函数对所述第一材料配比粒子进行适应度评价，获得第一配比粒子适应度；
基于所述保护层材料配比粒子群进行随机选择，获得第二材料配比粒子，并根据所述保护层成分寻优函数对所述第二材料配比粒子进行适应度评价，获得第二配比粒子适应度；
判断所述第一配比粒子适应度是否小于所述第二配比粒子适应度；
若所述第一配比粒子适应度小于所述第二配比粒子适应度，以所述第二材料配比粒子为当前最优配比粒子，并将所述第一材料配比粒子进行淘汰；
若所述第一配比粒子适应度大于/等于所述第二配比粒子适应度，以所述第一材料配比粒子为所述当前最优配比粒子，并将所述第二材料配比粒子进行淘汰；
基于所述当前最优配比粒子，根据所述保护层材料配比粒子群继续进行迭代寻优，获得迭代寻优次数满足预设寻优次数的最优配比粒子；
根据所述最优配比粒子，生成所述焊接保护层材料配比决策；
基于所述焊接保护层结构决策、所述产品本体焊接场景和所述产品本体特征，根据所述保护层成分寻优函数对所述第一材料配比粒子进行适应度评价，获得第一配比粒子适应度，包括：
交互数字孪生子模块，根据所述产品本体特征进行建模，获得电容器孪生模型；
基于所述数字孪生子模块，根据所述焊接保护层结构决策和所述第一材料配比粒子对所述电容器孪生模型进行仿真保护，获得第一保护电容器模型；
基于所述数字孪生子模块，根据所述产品本体焊接场景对所述第一保护电容器模型进行模拟焊接，获得第一模拟焊接结果，其中，所述第一模拟焊接结果包括第一模拟后本体结构特征和第一模拟后本体性能特征；
基于所述产品本体结构特征和所述产品本体性能特征对所述第一模拟焊接结果进行比对，获得第一模拟焊接结构损伤度和第一模拟焊接性能损伤度；
将所述第一模拟焊接结构损伤度和所述第一模拟焊接性能损伤度输入所述保护层成分寻优函数，得到所述第一配比粒子适应度；
其中，所述保护层成分寻优函数为：
；
其中，PFS表征配比粒子适应度，sdy表征模拟焊接结构损伤度，pdy表征模拟焊接性能损伤度，w、r分别为第一预设权重值、第二预设权重值，且，w、r之和为1；
根据所述最优配比粒子，生成所述焊接保护层材料配比决策，包括：
获得所述最优配比粒子对应的最优配比粒子适应度；
判断所述最优配比粒子适应度是否满足预定寻优约束；
若所述最优配比粒子适应度满足所述预定寻优约束，将所述最优配比粒子输出为所述焊接保护层材料配比决策；
若所述最优配比粒子适应度不满足所述预定寻优约束，对所述最优配比粒子进行随机调整，获得邻域配比粒子群，并对所述邻域配比粒子群进行迭代寻优，直至输出所述焊接保护层材料配比决策。
2.如权利要求1所述的方法，其特征在于，基于保护层结构决策双通道，根据所述产品本体焊接场景和所述产品本体结构特征对所述扣式超级电容器进行焊接保护层结构解析，确定焊接保护层结构决策，包括：
搭建所述保护层结构决策双通道，其中，所述保护层结构决策双通道包括本体全保护结构决策通道和本体焊接面保护结构决策通道；
获得所述扣式超级电容器的产品本体保护属性，其中，所述产品本体保护属性为产品本体全保护/产品本体焊接面保护；
若所述产品本体保护属性为产品本体全保护，生成全保护激活指令；
基于所述全保护激活指令，激活所述本体全保护结构决策通道；
将所述产品本体焊接场景和所述产品本体结构特征输入所述本体全保护结构决策通道，得到本体全保护结构决策；
将所述本体全保护结构决策输出为所述焊接保护层结构决策。
3.如权利要求2所述的方法，其特征在于，所述方法包括：
若所述产品本体保护属性为产品本体焊接面保护，生成焊接面保护激活指令；
基于所述焊接面保护激活指令，激活所述本体焊接面保护结构决策通道；
基于所述产品本体焊接场景对所述产品本体结构特征进行焊接面结构特征识别，确定本体焊接面结构特征；
将所述产品本体焊接场景和所述本体焊接面结构特征输入所述本体焊接面保护结构决策通道，得到本体焊接面保护结构决策；
将所述本体焊接面保护结构决策输出为所述焊接保护层结构决策。
4.如权利要求2所述的方法，其特征在于，搭建所述保护层结构决策双通道，包括：
获得本体全保护结构决策记录库和本体焊接面保护结构决策记录库；
根据BP神经网络对所述本体全保护结构决策记录库进行有监督训练，生成满足预设收敛条件的所述本体全保护结构决策通道；
根据BP神经网络对所述本体焊接面保护结构决策记录库进行有监督训练，生成满足所述预设收敛条件的所述本体焊接面保护结构决策通道；
对所述本体全保护结构决策通道和所述本体焊接面保护结构决策通道进行全连接，生成所述保护层结构决策双通道。
5.一种耐高温焊接扣式超级电容器的优化系统，其特征在于，所述系统执行权利要求1-4任一项所述的方法，所述系统包括：
特征获取模块，所述特征获取模块用于读取扣式超级电容器的基础信息，获得产品本体特征，其中，所述产品本体特征包括产品本体结构特征、产品本体性能特征和产品本体成分特征；
指标获取模块，所述指标获取模块用于获得多维预设焊接场景指标，其中，所述多维预设焊接场景指标包括焊接PCB板和焊接方案；
信息采集模块，所述信息采集模块用于根据所述多维预设焊接场景指标对所述扣式超级电容器进行焊接场景信息采集，确定产品本体焊接场景；
结构解析模块，所述结构解析模块用于基于保护层结构决策双通道，根据所述产品本体焊接场景和所述产品本体结构特征对所述扣式超级电容器进行焊接保护层结构解析，确定焊接保护层结构决策；
决策确定模块，所述决策确定模块用于基于所述焊接保护层结构决策、所述产品本体焊接场景和所述产品本体特征，根据保护层成分寻优函数对所述扣式超级电容器进行焊接保护层材料配比解析，确定焊接保护层材料配比决策；
焊接保护模块，所述焊接保护模块用于基于所述焊接保护层结构决策和所述焊接保护层材料配比决策，生成产品本体保护层决策，并根据所述产品本体保护层决策对所述扣式超级电容器进行焊接保护。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311424220.2A CN117153310B (zh) | 2023-10-31 | 2023-10-31 | 一种耐高温焊接扣式超级电容器的优化方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311424220.2A CN117153310B (zh) | 2023-10-31 | 2023-10-31 | 一种耐高温焊接扣式超级电容器的优化方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117153310A CN117153310A (zh) | 2023-12-01 |
| CN117153310B true CN117153310B (zh) | 2023-12-29 |
Family
ID=88906559
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311424220.2A Active CN117153310B (zh) | 2023-10-31 | 2023-10-31 | 一种耐高温焊接扣式超级电容器的优化方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117153310B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006032382A (ja) * | 2004-07-12 | 2006-02-02 | Matsushita Electric Ind Co Ltd | 固体電解コンデンサの製造方法 |
| CN110994546A (zh) * | 2019-12-20 | 2020-04-10 | 歌尔科技有限公司 | 一种电子芯片的焊接保护装置 |
| CN116027138A (zh) * | 2023-03-28 | 2023-04-28 | 南通江海储能技术有限公司 | 一种超级电容器的一致性测试方法及系统 |
| CN116038076A (zh) * | 2023-03-28 | 2023-05-02 | 苏芯物联技术(南京)有限公司 | 一种基于场景匹配的焊接保护气体控制方法 |
-
2023
- 2023-10-31 CN CN202311424220.2A patent/CN117153310B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006032382A (ja) * | 2004-07-12 | 2006-02-02 | Matsushita Electric Ind Co Ltd | 固体電解コンデンサの製造方法 |
| CN110994546A (zh) * | 2019-12-20 | 2020-04-10 | 歌尔科技有限公司 | 一种电子芯片的焊接保护装置 |
| CN116027138A (zh) * | 2023-03-28 | 2023-04-28 | 南通江海储能技术有限公司 | 一种超级电容器的一致性测试方法及系统 |
| CN116038076A (zh) * | 2023-03-28 | 2023-05-02 | 苏芯物联技术(南京)有限公司 | 一种基于场景匹配的焊接保护气体控制方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117153310A (zh) | 2023-12-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Jiang et al. | A novel iterative contingency filtering approach to corrective security-constrained optimal power flow | |
| CN104504292A (zh) | 基于bp神经网络预测循环流化床锅炉最佳工作温度的方法 | |
| CN109346787B (zh) | 一种电动汽车动力电池自适应优化充电方法 | |
| Zheng et al. | A fault prediction of equipment based on CNN-LSTM network | |
| Samad et al. | Parameterization of battery electrothermal models coupled with finite element flow models for cooling | |
| CN117153310B (zh) | 一种耐高温焊接扣式超级电容器的优化方法及系统 | |
| Douiri | A predictive model for solar photovoltaic power based on computational intelligence technique | |
| El Shahat | Pv module optimum operation modeling | |
| Bettocchi et al. | Artificial intelligence for the diagnostics of gas turbines—part II: neuro-fuzzy approach | |
| CN114117921A (zh) | 一种光伏阵列故障智能诊断方法 | |
| CN113625144A (zh) | Igbt故障预测方法和系统 | |
| Zhang et al. | Fault detection for Takagi–Sugeno fuzzy systems using multiple observers and ellipsoidal analysis | |
| Khatibi et al. | Comparative Analysis of Power System Model Reduction | |
| Henry et al. | A new multi-objective filter design for guaranteed robust FDI performance | |
| Li et al. | Machine learning algorithm based battery modeling and management method: A Cyber-Physical System perspective | |
| CN116402227A (zh) | 一种基于云计算的风电大数据分析方法及系统 | |
| CN113221064B (zh) | 模型处理方法、装置、计算机设备和存储介质 | |
| Shi et al. | DC-DC power supply fault prediction and analysis based on monitoring parameter simulation and LSTM network model | |
| CN109193617B (zh) | 基于紧约束识别的电力系统脆弱点评价方法及系统 | |
| CN110110471B (zh) | 一种电力系统关键节点的识别方法 | |
| Chen et al. | State-of-charge estimation of lithium-ion batteries using convolutional neural network with self-attention mechanism | |
| Coronado-Martinez et al. | Multi NNARX model of complex engineering systems for fault detection and diagnosis applied to a fossil fuel electric power plant | |
| Zhu et al. | Recursive Bayesian-based approach for online automatic identification of generalized electric load models in a multi-model framework | |
| Feng et al. | Adaptive particle swarm optimization based on quantum oscillator model | |
| Wen et al. | State of charge estimation for lithium battery based on Levenberg-marquardt back-propagation neural network with momentum term |
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 |