CN117170446B - 一种用于真空热压炉的循环水智能调节方法及系统 - Google Patents

Abstract

本申请提供了一种用于真空热压炉的循环水智能调节方法及系统，涉及智能调节技术领域，所述方法包括：对真空热压炉进行特征提取，建立设备特征集，然后依据标定的温度极限标识进行温度聚类，划分控制区域，然后确定管道数量执行水冷管道的分布拟合，基于分布结果采集光纤温度，然后建立温度损失函数并进行损失分析，然后执行控制寻优，通过寻优结果来进行控制。本申请主要解决了现有技术调节能力一般，无法根据特定的温度进行调节，无法获取管道数据、无法根据实际需求进行精细调节的问题。通过循环水控制系统进行优化调节，通过调整冷却水的流量、进出口水温等参数来优化控制策略。达到了更好的降温效果和更稳定的控制系统性能。

Description

一种用于真空热压炉的循环水智能调节方法及系统

技术领域

本发明涉及智能调节技术领域，具体涉及一种用于真空热压炉的循环水智能调节方法及系统。

背景技术

真空热压炉是一种在真空环境下对材料进行加热和加压的设备，广泛应用于陶瓷、金属、玻璃等领域。在真空热压炉的运行过程中，需要保持炉内的高温高真空状态，这就需要大量的冷却水来冷却设备和炉体。为了确保冷却水的供应和系统的稳定性，需要采用一种智能调节方法来控制循环水的流量和温度。

现有技术是通过循环水池储存大量的冷却水，并配备有水泵和应急电系统。在正常运行时，循环水池中的水被水泵吸入并通过管道输送到真空热压炉进行冷却。

现有技术存在调节能力一般，无法根据特定的温度进行调节，无法获取管道数据、无法根据实际需求进行精细调节。

发明内容

本申请主要解决了现有技术调节能力一般，无法根据特定的温度进行调节，无法获取管道数据、无法根据实际需求进行精细调节的问题。

鉴于上述问题，本申请提供了一种用于真空热压炉的循环水智能调节方法及系统，第一方面，本申请实施例提供了一种用于真空热压炉的循环水智能调节方法，所述方法包括：对真空热压炉进行设备特征提取，建立设备特征集，其中，所述设备特征集中的特征为需要执行温度调控的特征，且所述设备特征集中的各个特征均具有标定温度极限标识。依据所述标定温度极限标识进行温度聚类，基于温度聚类结果划分水冷控制区域。分布水冷管道，所述水冷管道通过确定管道数量和管道位置分布完成，所述管道数量通过进行水冷控制区域的温度损失评价获得，在确定所述管道数量后，执行水冷管道的分布拟合，基于分布拟合结果完成水冷管道分布。基于分布结果阵列光纤温度传感器，在进行循环水调节时，基于所述光纤温度传感器执行温度数据采集，生成带有位置标识的温度数据集。以所述分布结果建立水冷管道的温度损失函数，并基于所述温度数据集和所述温度损失函数进行循环水控制的损失分析，基于损失分析结果执行循环水控制寻优。通过循环水控制寻优结果进行真空热压炉的循环水控制调节。

第二方面，本申请提供了一种用于真空热压炉的循环水智能调节系统，所述系统包括：设备特征集建立模块，所述设备特征集建立模块用于对真空热压炉进行设备特征提取，建立设备特征集，其中，所述设备特征集中的特征为需要执行温度调控的特征，且所述设备特征集中的各个特征均具有标定温度极限标识。控制区域划分模块，所述控制区域划分模块用于依据所述标定温度极限标识进行温度聚类，基于温度聚类结果划分水冷控制区域。水冷管道分布模块，所述水冷管道分布模块用于分布水冷管道，所述水冷管道通过确定管道数量和管道位置分布完成，所述管道数量通过进行水冷控制区域的温度损失评价获得，在确定所述管道数量后，执行水冷管道的分布拟合，基于分布拟合结果完成水冷管道分布。温度数据集生成模块，所述温度数据集生成模块是基于分布结果阵列光纤温度传感器，在进行循环水调节时，基于所述光纤温度传感器执行温度数据采集，生成带有位置标识的温度数据集。控制寻优模块，所述控制寻优模块用于以所述分布结果建立水冷管道的温度损失函数，并基于所述温度数据集和所述温度损失函数进行循环水控制的损失分析，基于损失分析结果执行循环水控制寻优。控制调节模块，所述控制调节模块用于通过循环水控制寻优结果进行真空热压炉的循环水控制调节。

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：

本申请提供了一种用于真空热压炉的循环水智能调节方法及系统，涉及智能调节技术领域，所述方法包括：对真空热压炉进行特征提取，建立设备特征集，然后依据标定的温度极限标识进行温度聚类，划分控制区域，然后确定管道数量执行水冷管道的分布拟合，基于分布结果采集光纤温度，然后建立温度损失函数并进行损失分析，然后执行控制寻优，通过寻优结果来进行控制。

本申请主要解决了现有技术调节能力一般，无法根据特定的温度进行调节，无法获取管道数据、无法根据实际需求进行精细调节的问题。通过循环水控制系统进行优化调节，通过调整冷却水的流量、进出口水温等参数来优化控制策略。达到了更好的降温效果和更稳定的控制系统性能。

上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，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和其他目的、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

为了更清楚地说明本公开或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是示例性的，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，还可以根据提供的附图获得其他的附图。

图1为本申请实施例提供了一种用于真空热压炉的循环水智能调节方法流程示意图；

图2为本申请实施例提供了一种用于真空热压炉的循环水智能调节方法中，执行循环水控制寻优的方法流程示意图；

图3为本申请实施例提供了一种用于真空热压炉的循环水智能调节方法中，执行循环水控制寻优的方法流程示意图；

图4为本申请实施例提供了一种用于真空热压炉的循环水智能调节系统的结构示意图。

附图标记说明：设备特征集建立模块10，控制区域划分模块20，水冷管道分布模块30，温度数据集生成模块40，控制寻优模块50，控制调节模块60。

具体实施方式

本申请主要解决了现有技术调节能力一般，无法根据特定的温度进行调节，无法获取管道数据、无法根据实际需求进行精细调节的问题。通过循环水控制系统进行优化调节，通过调整冷却水的流量、进出口水温等参数来优化控制策略。达到了更好的降温效果和更稳定的控制系统性能。

为了更好地理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述方案进行详细介绍：

实施例一

如图1所示一种用于真空热压炉的循环水智能调节方法，所述方法包括：

对真空热压炉进行设备特征提取，建立设备特征集，其中，所述设备特征集中的特征为需要执行温度调控的特征，且所述设备特征集中的各个特征均具有标定温度极限标识；

具体而言，数据收集：首先需要收集与真空热压炉相关的各种数据。这些数据可能包括设备的设计参数、运行数据、维护记录、故障报告等。这些数据可以通过各种方式获取，如直接从设备制造商、使用单位或相关的研究文献中获取。数据清洗和处理：在收集到数据后，需要对其进行清洗和处理。这可能包括去除重复数据、处理缺失值、消除异常值等。此外，还需要对数据进行转换和整理，特征提取：从处理后的数据中，可以提取出与真空热压炉设备特征相关的数据。这些特征可能包括设备的结构参数、运行性能、维护状况等。建立设备特征集：类似于温度传感器1（Temperature Sensor 1）：用于测量炉体内温度的特征。具有标定温度极限标识，高温极限为炉体内最高工作温度，低温极限为炉体内最低工作温度。温度传感器2（Temperature Sensor 2）：用于测量模具表面温度的特征。具有标定温度极限标识，高温极限为模具最高工作温度，低温极限为模具最低工作温度。冷却水入口（Cooling Water Inlet）：控制冷却水流入真空热压炉的特征。具有标定温度极限标识，高温极限为冷却水入口处允许的最高水温，低温极限为冷却水入口处允许的最低水温。冷却水出口（Cooling WaterOutlet）：控制冷却水流出真空热压炉的特征。具有标定温度极限标识，高温极限为冷却水出口处允许的最高水温，低温极限为冷却水出口处允许的最低水温。

依据所述标定温度极限标识进行温度聚类，基于温度聚类结果划分水冷控制区域；

具体而言，收集数据：收集真空热压炉在运行过程中各个时间点的温度数据，包括炉体和模具的温度数据。数据预处理：对收集到的温度数据进行清洗、去噪等预处理工作，以保证数据的质量和准确性。温度聚类：利用统计学中的聚类分析方法，如k-means聚类、层次聚类等，对预处理后的温度数据进行聚类。聚类的目的是将炉体和模具的温度数据划分为不同的区域，使得同一区域内的温度数据尽可能相似，不同区域之间的温度数据尽可能不同。划分水冷控制区域：根据聚类结果，将真空热压炉的水冷控制区域划分为不同的区域。一般来说，每个聚类可以对应一个水冷控制区域。对于每个水冷控制区域，可以设定相应的控制策略和参数，例如设定冷却水的流量、进出口水温等。

分布水冷管道，所述水冷管道通过确定管道数量和管道位置分布完成，所述管道数量通过进行水冷控制区域的温度损失评价获得，在确定所述管道数量后，执行水冷管道的分布拟合，基于分布拟合结果完成水冷管道分布；

具体而言，确定管道数量：在进行水冷管道分布之前，需要先确定管道数量。这个数量的确定可以基于真空热压炉的设计和实际工作需要。可以参考之前提到的炉体特征和模具特征，通过对其进行温度损失评价，得到管道数量。例如，如果炉体或模具的某些区域的温度较高，那么就需要在这些区域增加管道数量，以确保这些区域的温度得到有效控制。确定管道位置：在确定了管道数量后，需要确定这些管道的具体位置。位置的确定可以基于炉体和模具的形状、大小和结构，同时考虑热量的分布和流动。例如，如果炉体的直径较大，那么就需要将管道分布在炉体的四周，以使热量能够均匀分布。分布拟合：在确定了管道数量和位置之后，需要进行分布拟合。分布拟合的目的是使管道的分布更合理、更高效。可以通过对管道分布进行模拟和分析，得到最佳的管道分布方案。例如，可以通过模拟不同管道分布方案下的温度分布情况，选择最优的方案。完成水冷管道分布：在完成分布拟合后，就可以进行水冷管道的分布了。可以根据拟合的结果，将管道按照最优的方案分布在炉体和模具的外表面。在分布过程中，需要考虑到管道的材质、形状、大小等因素，以确保管道能够有效地对炉体和模具进行冷却。

基于分布结果阵列光纤温度传感器，在进行循环水调节时，基于所述光纤温度传感器执行温度数据采集，生成带有位置标识的温度数据集；

具体而言，安装光纤温度传感器阵列：将阵列光纤温度传感器安装在真空热压炉的炉体、模具或循环水管道的外表面，以监测其温度。每个光纤温度传感器都具有位置标识，用于记录其所在的位置。温度数据采集：通过光纤温度传感器阵列采集真空热压炉各部分的温度数据。每个光纤温度传感器将实时监测到的温度数据传输到数据采集系统中。数据处理与分析：对采集到的温度数据进行处理和分析。根据各个位置的温度数据的变化，判断当前的水冷控制系统是否有效。调节循环水：如果发现某些位置的温度过高或过低，需要对循环水进行调节。可以调节冷却水的流量、进出口水温等参数。优化控制策略：根据采集到的温度数据的变化情况，对控制策略进行优化。例如，可以根据温度数据的变化趋势，提前采取相应的控制措施，使真空热压炉始终处于最佳工作状态。

以所述分布结果建立水冷管道的温度损失函数，并基于所述温度数据集和所述温度损失函数进行循环水控制的损失分析，基于损失分析结果执行循环水控制寻优；

具体而言，建立温度损失函数：根据分布结果，可以建立水冷管道的温度损失函数。该函数可以描述管道中的冷却水与炉体和模具之间的热交换过程，以及冷却水的温度对管道内流动阻力的影响。通过该函数，可以预测在给定条件下管道的冷却效果。温度数据集的采集与处理：通过光纤温度传感器阵列采集真空热压炉各部分的温度数据，形成温度数据集。对温度数据集进行处理和分析，提取出与水冷管道相关的温度信息。损失分析：将温度数据集和温度损失函数结合起来进行损失分析。通过计算管道中的冷却水流量、进出口水温等参数，以及检测炉体和模具的温度变化，可以评估当前的水冷控制策略对真空热压炉的热损失和冷却效果的影响。循环水控制寻优：根据损失分析结果，可以优化循环水控制策略。例如，通过调整冷却水的流量、进出口水温等参数，可以降低真空热压炉的热损失和提高冷却效果。优化后的控制策略可以提高真空热压炉的工作效率和使用寿命。

通过循环水控制寻优结果进行真空热压炉的循环水控制调节。

具体而言，确定控制目标：根据寻优结果，确定循环水控制的目标。这个目标可以是降低真空热压炉的热损失、提高冷却效果、减小温度波动范围等。调节冷却水流量：根据目标，可以通过调节冷却水流量来实现控制目标。流量调节可以通过改变循环水泵的转速、调节阀门的开度等方式实现。调节进出口水温：除了调节冷却水流量，还可以调节进出口水温。通过改变冷却水的进出口水温，可以更好地控制炉体和模具的温度。实时监测温度变化：在进行调节时，需要实时监测炉体和模具的温度变化。可以通过光纤温度传感器阵列来监测温度变化，并根据监测结果及时调整控制策略。保持稳定运行：在调节过程中，需要保持真空热压炉的稳定运行。可以通过控制真空泵的工作状态、保持液压系统的稳定等方式来实现。

进一步而言，如图2所示，本申请方法还包括：

基于分布结果和所述设备特征集进行关键区域分割，建立关键水冷段；

在进行控制寻优前，通过所述关键水冷段和所述温度数据集进行温度异常分析，基于分析结果确定目标降温空间，其中，所述目标降温空间包括降温位置和降温值；

以所述目标降温空间作为寻优结果，执行循环水控制寻优。

具体而言，基于分布结果和设备特征集进行关键区域分割，建立关键水冷段；在进行控制寻优前，通过关键水冷段和温度数据集进行温度异常分析，基于分析结果确定目标降温空间，其中目标降温空间包括降温位置和降温值；以目标降温空间作为寻优结果，执行循环水控制寻优，基于分布结果和设备特征集进行关键区域分割，建立关键水冷段。包括详细考察真空热压炉的设计和工作模式，特别是对热压炉的结构、炉体和模具的热特性、冷却水的流动和热交换等进行深入理解。利用这些信息，可以确定出对温度控制影响最为显著的关键区域，并以此分割出关键水冷段。通过关键水冷段和温度数据集进行温度异常分析。需要收集真空热压炉在各种操作条件下的温度数据，并将这些数据与关键水冷段的特性进行对比分析。通过观察和分析温度数据的变化趋势和异常情况，可以找出潜在的温度异常区域和需要降温的位置。基于分析结果确定目标降温空间。在完成温度异常分析后，根据分析结果可以确定出需要降温的位置和降温的目标值，即目标降温空间。这个目标空间应包括需要降温的位置和预期达到的降温值。以目标降温空间作为寻优结果，执行循环水控制寻优。根据目标降温空间，可以设定优化目标，如最小化热损失、最大化冷却效率等。然后，通过循环水控制系统进行优化调节，以实现目标降温空间的要求。在这个过程中，可以通过调整冷却水的流量、进出口水温等参数来优化控制策略。

进一步而言，如图3所示，本申请方法还包括：

通过所述分布结果提取分布特征，建立拐点特征集，其中，所述拐点特征集中每个拐点均具有转弯半径和转弯角度标识；

获取所述拐点特征集的拐点坐标，通过所述拐点坐标执行所述拐点特征集与所述温度数据集的数据映射；

通过所述拐点特征集进行所述循环水控制的损失分析补偿；

基于损失分析补偿结果执行循环水控制寻优。

具体而言，通过分布结果提取分布特征，建立拐点特征集。包括详细考察真空热压炉的设计和工作模式，特别是对热压炉的结构、炉体和模具的热特性、冷却水的流动和热交换等进行深入理解。利用这些信息，可以确定出对温度控制影响最为显著的关键区域，并以此分割出关键水冷段。获取拐点特征集的拐点坐标，通过拐点坐标执行拐点特征集与温度数据集的数据映射。包括收集真空热压炉在各种操作条件下的温度数据，并将这些数据与拐点特征集进行对比分析。通过观察和分析温度数据的变化趋势和异常情况，可以找出潜在的温度异常区域和需要降温的位置，同时获取这些位置的拐点坐标。通过拐点特征集进行循环水控制的损失分析补偿。包括建立损失分析模型，该模型可以根据拐点特征集中的数据预测循环水控制的损失。通过对该模型的训练和学习，可以获得具有较高准确性的预测结果。基于损失分析补偿结果执行循环水控制寻优。根据损失分析模型的预测结果，可以设定优化目标，如最小化热损失、最大化冷却效率等。然后，通过循环水控制系统进行优化调节，以实现损失分析补偿结果的要求。在这个过程中，可以通过调整冷却水的流量、进出口水温等参数来优化控制策略。

进一步而言，本申请方法还包括：

设定目标降温空间的判定阈值；

若所述分析结果不能满足所述判定阈值，则生成均衡降温约束，并根据所述温度数据集确定温度偏离区间；

以所述均衡降温约束为寻优目标，通过所述温度偏离区间完成循环水控制寻优。

具体而言，设定目标降温空间的判定阈值。这个判定阈值可以根据实际应用场景和需求来确定。例如，可以设定一个预期的降温范围或者降温速率作为判定阈值。这个预期的降温范围或降温速率可以基于经验、实验数据或类似设备的性能指标来设定。分析结果不能满足判定阈值时，生成均衡降温约束。

如果分析结果显示当前的温度控制策略不能满足预期的降温范围或降温速率，那么可以生成均衡降温约束。这个均衡降温约束可以是一个指导性的策略，包括但不限于调节冷却水的流量、进出口水温等参数。根据温度数据集确定温度偏离区间。收集并处理温度数据集，根据这些数据确定出温度偏离预期降温空间的区间。这可以通过对比温度数据集与预期降温空间进行计算和分析得到。以均衡降温约束为寻优目标，通过温度偏离区间完成循环水控制寻优。在这个步骤中，需要设定一个优化算法（例如，遗传算法、粒子群优化算法、梯度下降法等）来寻找最优的循环水控制策略。这个最优策略的目标是使温度偏离区间最小化，从而满足均衡降温约束的要求。

进一步而言，本申请方法还包括：

基于所述温度数据集和所述标定温度极限标识进行极限温度逼近分析，生成逼近结果；

设定逼近的递增关联系数，通过所述递增关联系数对所述逼近结果加权计算；

通过加权计算结果对所述分析结果补偿，以确定目标降温空间。

具体而言，基于温度数据集和标定温度极限标识进行极限温度逼近分析，生成逼近结果。包括收集真空热压炉在各种操作条件下的温度数据，并将这些数据与标定温度极限标识进行对比分析。通过观察和分析温度数据的变化趋势和异常情况，可以找出潜在的温度异常区域和需要降温的位置，同时获取这些位置的极限逼近分析结果。设定逼近的递增关联系数。这个递增关联系数可以根据实际应用场景和需求来设定。例如，你可以设定一个与温度变化速率相关的系数作为递增关联系数。通过递增关联系数对逼近结果加权计算。在这个步骤中，需要使用设定好的递增关联系数来对逼近结果进行加权计算。这个加权计算可以是一个简单的乘法运算，也可以是一个复杂的算法，例如神经网络或其他机器学习算法。通过加权计算结果对分析结果补偿，以确定目标降温空间。

在这个步骤中，需要使用加权计算的结果来对之前得到的分析结果进行补偿。这个补偿可以是一个简单的加法运算，也可以是一个复杂的算法，例如遗传算法或其他优化算法。通过这个补偿过程，可以更准确地确定目标降温空间。通过重新分析，可以再次确定出需要降温的位置和降温的目标值，即目标降温空间。这个目标空间应包括需要降温的位置和预期达到的降温值。

进一步而言，本申请方法还包括：

配置N级验证节点，在所述N级验证节点对所述阵列光纤温度传感器进行数据读取；

将数据读取结果和循环水控制寻优结果输入拟合控制模型，执行拟合偏差分析；

根据拟合偏差分析结果确定补偿参数，通过所述补偿参数进行循环水控制寻优结果优化。

具体而言，配置N级验证节点。包括详细考察真空热压炉的设计和工作模式，特别是对热压炉的结构、炉体和模具的热特性、冷却水的流动和热交换等进行深入理解。利用这些信息，可以确定出对温度控制影响最为显著的关键区域，并以此分割出关键水冷段基于这些信息，可以配置N级验证节点。在N级验证节点对阵列光纤温度传感器进行数据读取。包括收集真空热压炉在各种操作条件下的温度数据，并将这些数据与阵列光纤温度传感器进行对比分析。通过观察和分析温度数据的变化趋势和异常情况，可以找出潜在的温度异常区域和需要降温的位置，同时获取这些位置的数据读取结果。将数据读取结果和循环水控制寻优结果输入拟合控制模型，执行拟合偏差分析。包括建立拟合控制模型，该模型可以根据输入的数据读取结果和循环水控制寻优结果预测循环水控制的性能。通过对该模型的训练和学习，可以获得具有较高准确性的预测结果，根据拟合偏差分析结果确定补偿参数。根据模型的预测结果和实际控制效果的差异，可以确定出需要进行补偿的参数。这些参数可能包括冷却水的流量、进出口水温等参数。通过补偿参数进行循环水控制寻优结果优化。根据确定的补偿参数，可以对循环水控制策略进行调整和优化。这些优化可能包括调整冷却水的流量、进出口水温等参数，以达到更好的降温效果和更稳定的控制系统性能。

进一步而言，本申请方法还包括：

记录控制结果，并通过所述控制结果执行水冷控制区域的控制能力评估；

通过控制能力评估结果构建附加管路，通过所述附加管路同步进行真空热压炉的循环水控制调节。

具体而言，记录控制结果。在执行循环水控制策略后，记录所达到的控制结果。这些控制结果可以包括但不限于温度变化范围、降温速度、控制系统稳定性等。通过控制结果执行水冷控制区域的控制能力评估。根据记录的控制结果，可以对水冷控制区域的控制能力进行评估。这个评估可以包括对控制系统的性能、稳定性、可靠性等方面进行分析和评价。通过控制能力评估结果构建附加管路。根据控制能力评估的结果，可以构建附加管路。这些附加管路可以包括额外的冷却水管道、温度传感器等设备，用于增强循环水控制系统的性能和稳定性。通过附加管路同步进行真空热压炉的循环水控制调节。在附加管路构建完成后，可以将其纳入循环水控制系统，并同步进行真空热压炉的循环水控制调节。这个调节过程可以包括调整冷却水的流量、进出口水温等参数，以达到更好的降温效果和更稳定的控制系统性能。

实施例二

基于与前述实施例一种用于真空热压炉的循环水智能调节方法相同的发明构思，如图4所示，本申请提供了一种用于真空热压炉的循环水智能调节系统，所述系统包括：

设备特征集建立模块10，所述设备特征集建立模块10用于对真空热压炉进行设备特征提取，建立设备特征集，其中，所述设备特征集中的特征为需要执行温度调控的特征，且所述设备特征集中的各个特征均具有标定温度极限标识；

控制区域划分模块20，所述控制区域划分模块20用于依据所述标定温度极限标识进行温度聚类，基于温度聚类结果划分水冷控制区域；

水冷管道分布模块30，所述水冷管道分布模块30用于分布水冷管道，所述水冷管道通过确定管道数量和管道位置分布完成，所述管道数量通过进行水冷控制区域的温度损失评价获得，在确定所述管道数量后，执行水冷管道的分布拟合，基于分布拟合结果完成水冷管道分布；

温度数据集生成模块40，所述温度数据集生成模块40是基于分布结果阵列光纤温度传感器，在进行循环水调节时，基于所述光纤温度传感器执行温度数据采集，生成带有位置标识的温度数据集；

控制寻优模块50，所述控制寻优模块50用于以所述分布结果建立水冷管道的温度损失函数，并基于所述温度数据集和所述温度损失函数进行循环水控制的损失分析，基于损失分析结果执行循环水控制寻优；

控制调节模块60，所述控制调节模块60用于通过循环水控制寻优结果进行真空热压炉的循环水控制调节。

进一步地，该系统还包括：

关键水冷段建立模块，是基于分布结果和所述设备特征集进行关键区域分割，建立关键水冷段；

降温空间确定模块，是在进行控制寻优前，通过所述关键水冷段和所述温度数据集进行温度异常分析，基于分析结果确定目标降温空间，其中，所述目标降温空间包括降温位置和降温值；

寻优控制模块，是以所述目标降温空间作为寻优结果，执行循环水控制寻优。

进一步地，该系统还包括：

拐点特征集建立模块，用于通过所述分布结果提取分布特征，建立拐点特征集，其中，所述拐点特征集中每个拐点均具有转弯半径和转弯角度标识；

拐点坐标获取模块，用于获取所述拐点特征集的拐点坐标，通过所述拐点坐标执行所述拐点特征集与所述温度数据集的数据映射；

损失分析补偿模块，用于通过所述拐点特征集进行所述循环水控制的损失分析补偿；

控制寻优模块，是基于损失分析补偿结果执行循环水控制寻优。

进一步地，该系统还包括：

判定阈值设定模块，用于设定目标降温空间的判定阈值；

均衡降温约束生成模块，若所述分析结果不能满足所述判定阈值，则生成均衡降温约束，并根据所述温度数据集确定温度偏离区间；

寻优模块，用于以所述均衡降温约束为寻优目标，通过所述温度偏离区间完成循环水控制寻优。

进一步地，该系统还包括：

逼近结果生成模块，是基于所述温度数据集和所述标定温度极限标识进行极限温度逼近分析，生成逼近结果；

关联系数设定模块，用于设定逼近的递增关联系数，通过所述递增关联系数对所述逼近结果加权计算；

降温空间确定模块，用于通过加权计算结果对所述分析结果补偿，以确定目标降温空间。

进一步地，该系统还包括：

N级验证节点配置模块，用于配置N级验证节点，在所述N级验证节点对所述阵列光纤温度传感器进行数据读取；

拟合偏差分析执行模块，用于将数据读取结果和循环水控制寻优结果输入拟合控制模型，执行拟合偏差分析；

结果优化模块，用于根据拟合偏差分析结果确定补偿参数，通过所述补偿参数进行循环水控制寻优结果优化。

进一步地，该系统还包括：

结果记录模块，用于记录控制结果，并通过所述控制结果执行水冷控制区域的控制能力评估；

控制调节模块，用于通过控制能力评估结果构建附加管路，通过所述附加管路同步进行真空热压炉的循环水控制调节。

说明书通过前述一种用于真空热压炉的循环水智能调节方法的详细描述，本领域技术人员可以清楚地知识本实施例中一种用于真空热压炉的循环水智能调节系统，对于实施例公开的系统而言，由于其与实施例公开装置相对应，所以描述得比较简单，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，在其他实施例中实现。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 (7)

1.一种用于真空热压炉的循环水智能调节方法，其特征在于，所述方法包括：

对真空热压炉进行设备特征提取，建立设备特征集，其中，所述设备特征集中的特征为需要执行温度调控的特征，且所述设备特征集中的各个特征均具有标定温度极限标识；

依据所述标定温度极限标识进行温度聚类，基于温度聚类结果划分水冷控制区域；

分布水冷管道，所述水冷管道通过确定管道数量和管道位置分布完成，所述管道数量通过进行水冷控制区域的温度损失评价获得，在确定所述管道数量后，执行水冷管道的分布拟合，基于分布拟合结果完成水冷管道分布；

基于分布拟合结果安装光纤温度传感器，在进行循环水调节时，基于所述光纤温度传感器执行温度数据采集，生成带有位置标识的温度数据集；

以所述分布拟合结果建立水冷管道的温度损失函数，并基于所述温度数据集和所述温度损失函数进行循环水控制的损失分析，基于损失分析结果执行循环水控制寻优；

通过循环水控制寻优结果进行真空热压炉的循环水控制调节；

所述方法还包括：

基于分布拟合结果和所述设备特征集进行关键区域分割，建立关键水冷段；

在进行控制寻优前，通过所述关键水冷段和所述温度数据集进行温度异常分析，基于分析结果确定目标降温空间，其中，所述目标降温空间包括降温位置和降温值；

以所述目标降温空间作为寻优结果，执行循环水控制寻优。

2.如权利要求1所述的方法，其特征在于，所述方法还包括：

通过所述分布拟合结果提取分布特征，建立拐点特征集，其中，所述拐点特征集中每个拐点均具有转弯半径和转弯角度标识；

获取所述拐点特征集的拐点坐标，通过所述拐点坐标执行所述拐点特征集与所述温度数据集的数据映射；

通过所述拐点特征集进行所述循环水控制的损失分析补偿；

基于损失分析补偿结果执行循环水控制寻优。

3.如权利要求1所述的方法，其特征在于，所述方法还包括：

设定目标降温空间的判定阈值；

若所述分析结果不能满足所述判定阈值，则生成均衡降温约束，并根据所述温度数据集确定温度偏离区间；

以所述均衡降温约束为寻优目标，通过所述温度偏离区间完成循环水控制寻优。

4.如权利要求1所述的方法，其特征在于，所述方法还包括：

基于所述温度数据集和所述标定温度极限标识进行极限温度逼近分析，生成逼近结果；

设定逼近的递增关联系数，通过所述递增关联系数对所述逼近结果加权计算；

通过加权计算结果对所述分析结果补偿，以确定目标降温空间。

5.如权利要求1所述的方法，其特征在于，所述方法还包括：

配置N级验证节点，在所述N级验证节点对所述光纤温度传感器进行数据读取；

将数据读取结果和循环水控制寻优结果输入拟合控制模型，执行拟合偏差分析；

根据拟合偏差分析结果确定补偿参数，通过所述补偿参数进行循环水控制寻优结果优化。

6.如权利要求1所述的方法，其特征在于，所述方法还包括：

记录控制结果，并通过所述控制结果执行水冷控制区域的控制能力评估；

通过控制能力评估结果构建附加管路，通过所述附加管路同步进行真空热压炉的循环水控制调节。

7.一种用于真空热压炉的循环水智能调节系统，其特征在于，所述系统包括：

设备特征集建立模块，所述设备特征集建立模块用于对真空热压炉进行设备特征提取，建立设备特征集，其中，所述设备特征集中的特征为需要执行温度调控的特征，且所述设备特征集中的各个特征均具有标定温度极限标识；

控制区域划分模块，所述控制区域划分模块用于依据所述标定温度极限标识进行温度聚类，基于温度聚类结果划分水冷控制区域；

水冷管道分布模块，所述水冷管道分布模块用于分布水冷管道，所述水冷管道通过确定管道数量和管道位置分布完成，所述管道数量通过进行水冷控制区域的温度损失评价获得，在确定所述管道数量后，执行水冷管道的分布拟合，基于分布拟合结果完成水冷管道分布；

温度数据集生成模块，所述温度数据集生成模块是基于分布拟合结果安装光纤温度传感器，在进行循环水调节时，基于所述光纤温度传感器执行温度数据采集，生成带有位置标识的温度数据集；

控制寻优模块，所述控制寻优模块用于以所述分布拟合结果建立水冷管道的温度损失函数，并基于所述温度数据集和所述温度损失函数进行循环水控制的损失分析，基于损失分析结果执行循环水控制寻优；

控制调节模块，所述控制调节模块用于通过循环水控制寻优结果进行真空热压炉的循环水控制调节；

所述系统还包括：

关键水冷段建立模块，是基于分布拟合结果和所述设备特征集进行关键区域分割，建立关键水冷段；

降温空间确定模块，是在进行控制寻优前，通过所述关键水冷段和所述温度数据集进行温度异常分析，基于分析结果确定目标降温空间，其中，所述目标降温空间包括降温位置和降温值；

寻优控制模块，是以所述目标降温空间作为寻优结果，执行循环水控制寻优。