CN117359812B - 环氧树脂密封胶块智能制备方法及系统 - Google Patents
环氧树脂密封胶块智能制备方法及系统 Download PDFInfo
- Publication number
- CN117359812B CN117359812B CN202311681661.0A CN202311681661A CN117359812B CN 117359812 B CN117359812 B CN 117359812B CN 202311681661 A CN202311681661 A CN 202311681661A CN 117359812 B CN117359812 B CN 117359812B
- Authority
- CN
- China
- Prior art keywords
- mixing
- viscosity
- density
- uniformity
- component
- 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
- 239000003822 epoxy resin Substances 0.000 title claims abstract description 86
- 229920000647 polyepoxide Polymers 0.000 title claims abstract description 86
- 238000007789 sealing Methods 0.000 title claims abstract description 32
- 239000003292 glue Substances 0.000 title claims abstract description 30
- 238000002360 preparation method Methods 0.000 title claims abstract description 18
- 239000000463 material Substances 0.000 claims abstract description 97
- 238000000034 method Methods 0.000 claims abstract description 47
- 239000000565 sealant Substances 0.000 claims abstract description 27
- 238000012549 training Methods 0.000 claims description 28
- 230000005284 excitation Effects 0.000 claims description 23
- 230000008859 change Effects 0.000 claims description 21
- 238000005457 optimization Methods 0.000 claims description 20
- 230000008569 process Effects 0.000 claims description 15
- 230000004044 response Effects 0.000 claims description 14
- 238000004891 communication Methods 0.000 claims description 7
- 230000001276 controlling effect Effects 0.000 claims description 5
- 230000001105 regulatory effect Effects 0.000 claims description 5
- 230000003213 activating effect Effects 0.000 claims description 4
- 238000004519 manufacturing process Methods 0.000 abstract description 18
- 239000000523 sample Substances 0.000 description 49
- 239000002994 raw material Substances 0.000 description 35
- 239000003795 chemical substances by application Substances 0.000 description 26
- 239000000203 mixture Substances 0.000 description 5
- 230000001070 adhesive effect Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 239000000853 adhesive Substances 0.000 description 2
- 230000004075 alteration Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000005260 corrosion Methods 0.000 description 2
- 238000009792 diffusion process Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 239000004593 Epoxy Substances 0.000 description 1
- 230000002378 acidificating effect Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000012098 association analyses Methods 0.000 description 1
- 230000003197 catalytic effect Effects 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 238000005034 decoration Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000003085 diluting agent Substances 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005538 encapsulation Methods 0.000 description 1
- 239000003365 glass fiber Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 238000007711 solidification Methods 0.000 description 1
- 230000008023 solidification Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
- B29B—PREPARATION OR PRETREATMENT OF THE MATERIAL TO BE SHAPED; MAKING GRANULES OR PREFORMS; RECOVERY OF PLASTICS OR OTHER CONSTITUENTS OF WASTE MATERIAL CONTAINING PLASTICS
- B29B7/00—Mixing; Kneading
- B29B7/002—Methods
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01F—MIXING, e.g. DISSOLVING, EMULSIFYING OR DISPERSING
- B01F35/00—Accessories for mixers; Auxiliary operations or auxiliary devices; Parts or details of general application
- B01F35/20—Measuring; Control or regulation
- B01F35/22—Control or regulation
- B01F35/221—Control or regulation of operational parameters, e.g. level of material in the mixer, temperature or pressure
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01F—MIXING, e.g. DISSOLVING, EMULSIFYING OR DISPERSING
- B01F35/00—Accessories for mixers; Auxiliary operations or auxiliary devices; Parts or details of general application
- B01F35/20—Measuring; Control or regulation
- B01F35/22—Control or regulation
- B01F35/222—Control or regulation of the operation of the driving system, e.g. torque, speed or power of motors; of the position of mixing devices or elements
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
- B29B—PREPARATION OR PRETREATMENT OF THE MATERIAL TO BE SHAPED; MAKING GRANULES OR PREFORMS; RECOVERY OF PLASTICS OR OTHER CONSTITUENTS OF WASTE MATERIAL CONTAINING PLASTICS
- B29B7/00—Mixing; Kneading
- B29B7/02—Mixing; Kneading non-continuous, with mechanical mixing or kneading devices, i.e. batch type
- B29B7/22—Component parts, details or accessories; Auxiliary operations
- B29B7/28—Component parts, details or accessories; Auxiliary operations for measuring, controlling or regulating, e.g. viscosity control
- B29B7/283—Component parts, details or accessories; Auxiliary operations for measuring, controlling or regulating, e.g. viscosity control measuring data of the driving system, e.g. torque, speed, power
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
- B29B—PREPARATION OR PRETREATMENT OF THE MATERIAL TO BE SHAPED; MAKING GRANULES OR PREFORMS; RECOVERY OF PLASTICS OR OTHER CONSTITUENTS OF WASTE MATERIAL CONTAINING PLASTICS
- B29B7/00—Mixing; Kneading
- B29B7/02—Mixing; Kneading non-continuous, with mechanical mixing or kneading devices, i.e. batch type
- B29B7/22—Component parts, details or accessories; Auxiliary operations
- B29B7/28—Component parts, details or accessories; Auxiliary operations for measuring, controlling or regulating, e.g. viscosity control
- B29B7/286—Component parts, details or accessories; Auxiliary operations for measuring, controlling or regulating, e.g. viscosity control measuring properties of the mixture, e.g. temperature, density
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
- B29B—PREPARATION OR PRETREATMENT OF THE MATERIAL TO BE SHAPED; MAKING GRANULES OR PREFORMS; RECOVERY OF PLASTICS OR OTHER CONSTITUENTS OF WASTE MATERIAL CONTAINING PLASTICS
- B29B7/00—Mixing; Kneading
- B29B7/30—Mixing; Kneading continuous, with mechanical mixing or kneading devices
- B29B7/58—Component parts, details or accessories; Auxiliary operations
- B29B7/72—Measuring, controlling or regulating
- B29B7/726—Measuring properties of mixture, e.g. temperature or density
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
- B29B—PREPARATION OR PRETREATMENT OF THE MATERIAL TO BE SHAPED; MAKING GRANULES OR PREFORMS; RECOVERY OF PLASTICS OR OTHER CONSTITUENTS OF WASTE MATERIAL CONTAINING PLASTICS
- B29B7/00—Mixing; Kneading
- B29B7/30—Mixing; Kneading continuous, with mechanical mixing or kneading devices
- B29B7/58—Component parts, details or accessories; Auxiliary operations
- B29B7/72—Measuring, controlling or regulating
- B29B7/728—Measuring data of the driving system, e.g. torque, speed, power, vibration
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
- B01F—MIXING, e.g. DISSOLVING, EMULSIFYING OR DISPERSING
- B01F2101/00—Mixing characterised by the nature of the mixed materials or by the application field
- B01F2101/2805—Mixing plastics, polymer material ingredients, monomers or oligomers
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Chemical & Material Sciences (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Processing And Handling Of Plastics And Other Materials For Molding In General (AREA)
Abstract
本公开提供了一种环氧树脂密封胶块智能制备方法及系统，涉及智能制造技术领域，方法包括：获取待混合组分配比；获取第一组分和第二组分的多个属性特征，其中包括材料密度、材料流动以及材料粘度；将多个属性特征输入混合控制模块中进行识别；输出密度‑均匀度数据、流动‑均匀度数据和粘度‑均匀度数据；根据待混合组分配比、密度‑均匀度数据、流动‑均匀度数据和粘度‑均匀度数据，生成混合控制参数制备环氧树脂密封胶块。能够解决现有的环氧树脂密封胶块生产工艺存在混合控制参数设置不准确造成环氧树脂密封胶块生产质量较低的技术问题，可以提高混合控制参数设置的准确性，从而提高环氧树脂密封胶块的生产质量。
Description
技术领域
本公开涉及智能制造技术领域，并且更具体地，涉及一种环氧树脂密封胶块智能制备方法及系统。
背景技术
环氧树脂密封胶块是一种常用的工业胶水，是一种以环氧树脂为主体，通过添加固化剂、稀释剂等原料制备而成，具有较强的粘接性能和耐化学腐蚀性能，广泛应用于家装、电子器件封装等领域。
原料混合工艺是环氧树脂密封胶块生产过程中一个非常重要的环节，由于原料混合比例不同，所需的混合控制参数也不完全一样，因此如何提高混合控制参数与原料混合比例的适配度，使得混合控制参数设置更加准确，对于提高环氧树脂密封胶块的生产质量非常关键。
现有的环氧树脂密封胶块生产工艺存在的不足之处在于：在进行原料混合时存在混合控制参数设置不准确导致原料混合质量较差，进而造成环氧树脂密封胶块生产质量较低。
发明内容
因此，为了解决上述技术问题，本公开的实施例采用的技术方案如下：
环氧树脂密封胶块智能制备方法，包括以下步骤：获取制备环氧树脂密封胶块的待混合组分配比，所述待混合组分包括第一组分和第二组分；分别获取所述第一组分和所述第二组分的多个属性特征，其中，每个组分对应的多个属性特征均包括材料密度属性、材料流动属性以及材料粘度属性；将所述第一组分和所述第二组分分别对应的多个属性特征输入混合控制模块中进行识别，所述混合控制模块包括密度混合识别层、流动混合识别层和粘度混合识别层，且所述混合控制模块与制备环氧树脂密封胶块的混合设备终端通信连接；根据所述密度混合识别层、流动混合识别层和粘度混合识别层，分别输出密度-均匀度数据、流动-均匀度数据和粘度-均匀度数据；根据所述待混合组分配比、所述密度-均匀度数据、流动-均匀度数据和粘度-均匀度数据，生成输出混合控制参数，其中，所述混合控制参数至少包括混合强度和混合时长，根据所述混合控制参数制备环氧树脂密封胶块。
环氧树脂密封胶块智能制备系统，包括：待混合组分配比获取模块，所述待混合组分配比获取模块用于获取制备环氧树脂密封胶块的待混合组分配比，所述待混合组分包括第一组分和第二组分；组分属性特征获取模块，所述组分属性特征获取模块用于分别获取所述第一组分和所述第二组分的多个属性特征，其中，每个组分对应的多个属性特征均包括材料密度属性、材料流动属性以及材料粘度属性；属性特征识别模块，所述属性特征识别模块用于将所述第一组分和所述第二组分分别对应的多个属性特征输入混合控制模块中进行识别，所述混合控制模块包括密度混合识别层、流动混合识别层和粘度混合识别层，且所述混合控制模块与制备环氧树脂密封胶块的混合设备终端通信连接；均匀度数据输出模块，所述均匀度数据输出模块用于根据所述密度混合识别层、流动混合识别层和粘度混合识别层，分别输出密度-均匀度数据、流动-均匀度数据和粘度-均匀度数据；混合控制参数生成模块，所述混合控制参数生成模块用于根据所述待混合组分配比、所述密度-均匀度数据、流动-均匀度数据和粘度-均匀度数据，生成输出混合控制参数，其中，所述混合控制参数至少包括混合强度和混合时长，根据所述混合控制参数制备环氧树脂密封胶块。
由于采用了上述技术方法，本公开相对于现有技术来说，取得的技术进步有如下几点：
可以解决现有的环氧树脂密封胶块生产工艺在进行原料混合时存在混合控制参数设置不准确导致原料混合质量较差，进而造成环氧树脂密封胶块生产质量较低的技术问题，首先，获取制备环氧树脂密封胶块的待混合组分配比，其中所述待混合组分包括第一组分和第二组分，其中第一部分为环氧树脂，第二部分为固化剂；然后分别获取所述第一组分和所述第二组分的多个属性特征，其中每个组分对应的多个属性特征均包括材料密度属性、材料流动属性以及材料粘度属性；构建混合控制模块，其中所述混合控制模块包括密度混合识别层、流动混合识别层和粘度混合识别层，且所述混合控制模块与制备环氧树脂密封胶块的混合设备终端通信连接，然后将所述第一组分和所述第二组分分别对应的多个属性特征输入混合控制模块中进行识别；根据所述密度混合识别层、流动混合识别层和粘度混合识别层，分别输出密度-均匀度数据、流动-均匀度数据和粘度-均匀度数据；根据所述待混合组分配比、所述密度-均匀度数据、流动-均匀度数据和粘度-均匀度数据进行混合控制参数寻优，生成混合控制参数，其中所述混合控制参数至少包括混合强度和混合时长，最后根据所述混合控制参数进行环氧树脂密封胶块生产时的原料混合控制。通过上述方法可以提高混合控制参数设置的准确性和合理性，从而进一步提高环氧树脂密封胶块的生产质量。
附图说明
为了更清楚地说明本公开的实施例的技术方案，下面将对实施例的描述中所需要使用的附图作简单的介绍。
图1为本申请提供了一种环氧树脂密封胶块智能制备方法的流程示意图；
图2为本申请提供了一种环氧树脂密封胶块智能制备方法中训练温度激励反馈网络层的流程示意图；
图3为本申请提供了一种环氧树脂密封胶块智能制备系统的结构示意图。
附图标记说明：待混合组分配比获取模块01、组分属性特征获取模块02、属性特征识别模块03、均匀度数据输出模块04、混合控制参数生成模块05。
具体实施方式
下面将结合本公开实施例中的附图，对本公开实施例中的技术方案进行清楚、完整的描述。基于本公开中的实施例，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，都属于本公开保护的范围。
基于上述描述，如图1所示，本公开提供了一种环氧树脂密封胶块智能制备方法，包括：
环氧树脂密封胶块是一种高性能粘合剂，可以用于玻纤粘接、木料粘接、金属粘接等，具有广泛的商业用途。本申请提供的方法用于对环氧树脂密封胶块制备时原料混合工艺中的混合控制参数进行优化，来提高混合控制参数设置的准确性和合理性，从而达到提高环氧树脂密封胶块生产质量的目的，所述方法具体实施于一种环氧树脂密封胶块智能制备系统。
获取制备环氧树脂密封胶块的待混合组分配比，所述待混合组分包括第一组分和第二组分；
在本申请实施例中，首先，获取制备环氧树脂密封胶块的待混合组分配比，其中所述待混合组分包括第一组分和第二组分，所述第一组分是指环氧树脂密封胶块的主体，即环氧树脂，常见的环氧树脂类型包括普通环氧树脂、电气环氧树脂、防腐环氧树脂、水性环氧树脂，可根据实际用途进行选择；所述第二组分是指固化剂，常用的固化剂包括碱性类、酸性类、加成型、催化型等，可根据实际需求进行选择；其中所述待混合组分配比是指环氧树脂和固化剂的分配比例，其中不同配比会影响环氧树脂密封胶块的使用性能，例如：粘接强度、硬度、耐热性等，本领域技术人员可根据实际性能需求进行配比设置。通过获得待混合组分配比，为进行混合控制参数寻优提供了支持。
分别获取所述第一组分和所述第二组分的多个属性特征，其中，每个组分对应的多个属性特征均包括材料密度属性、材料流动属性以及材料粘度属性；
在本申请实施例中，基于所述第一组分和所述第二组分进行数据采集，获取所述第一组分的多个属性特征，即环氧树脂的多个属性特征，其中包括环氧树脂密度属性、环氧树脂流动属性、环氧树脂粘度属性，其中环氧树脂流动属性和粘度属性相关，粘度越高，流动性越差，反之粘度越低，流动性越好；获取所述第二组分的多个属性特征，即固化剂的多个属性特征，其中包括固化剂密度属性、固化剂流动属性、固化剂粘度属性，其中固化剂粘度属性和其分子量、油脂度相关，固化剂的粘度会影响其在环氧树脂中的扩散和反应速率，其中固化剂的粘度越低，其扩散速度和反应速度越快。
通过获得第一组分和第二组分的多个属性特征，为下一步进行原料混合识别提供了支持。
将所述第一组分和所述第二组分分别对应的多个属性特征输入混合控制模块中进行识别，所述混合控制模块包括密度混合识别层、流动混合识别层和粘度混合识别层，且所述混合控制模块与制备环氧树脂密封胶块的混合设备终端通信连接；
在本申请实施例中，首先，构建混合控制模块，所述混合控制模块用于对环氧树脂和固化剂的原料混合过程进行管控，其中所述混合控制模块包括密度混合识别层、流动混合识别层和粘度混合识别层，且所述混合控制模块通过信号传输的方式将生成的混合控制参数传输至制备环氧树脂密封胶块的混合设备中，实现对混合设备的智能控制，常用的混合设备包括环氧树脂混胶机、混合搅拌机等。
然后将所述第一组分和所述第二组分的材料密度属性输入所述密度混合识别层，将材料流动属性输入所述流动混合识别层，将材料粘度属性输入所述粘度混合识别层中进行识别。
根据所述密度混合识别层、流动混合识别层和粘度混合识别层，分别输出密度-均匀度数据、流动-均匀度数据和粘度-均匀度数据；
在本申请实施例中，根据所述密度混合识别层对材料密度属性进行识别，得到密度-均匀度数据；根据所述流动混合识别层对材料流动属性进行识别，得到流动-均匀度数据；根据所述粘度混合识别层对材料粘度属性进行识别，得到粘度-均匀度数据。
在一个实施例中，所述方法还包括：
获取混合控制模块，其中，所述混合控制模块的密度混合识别层为基于所述第一组分的材料密度属性和所述第二组分的材料密度属性建立的均匀度影响识别网络层，根据所述密度混合识别层输出密度影响指标；
所述混合控制模块的流动混合识别层为基于所述第一组分的材料流动属性和所述第二组分的材料流动属性建立的均匀度影响识别网络层，根据所述流动混合识别层输出流动影响指标；
所述混合控制模块的粘度混合识别层为基于所述第一组分的材料粘度属性和所述第二组分的材料粘度属性建立的均匀度影响识别网络层，根据所述粘度混合识别层输出粘度影响指标；
将所述密度影响指标、所述流动影响指标和所述粘度影响指标，分别作为密度-均匀度数据、流动-均匀度数据和粘度-均匀度数据输出。
在本申请实施例中，首先，构建所述混合控制模块的密度混合识别层，其中所述密度混合识别层为基于所述第一组分的材料密度属性和所述第二组分的材料密度属性建立的均匀度影响识别网络层，其中均匀度是指第一组分和第二组分原料混合后的均匀度，并根据所述密度混合识别层输出密度影响指标，其中所述密度影响指标是指密度属性对混合均匀度的影响程度，其中包括第一组分材料密度属性、第二组分材料密度属性、密度混合均匀度。
其中所述均匀度影响识别网络层可基于BP神经网络构建，为机器学习中可进行迭代优化的神经网络模型，其中所述均匀度影响识别网络层的输入数据为环氧树脂密度、固化剂密度，输出数据为混合均匀度，即环氧树脂原料和固化剂原料混合之后的均匀度。首先，调取环氧树脂密封胶块的历史制备日志，并基于所述历史制备日志进行数据提取，得到多个样本数据，其中所述样本数据包括历史环氧树脂密度、历史固化剂密度和历史混合均匀度；然后根据所述多个样本数据对所述均匀度影响识别网络层进行监督训练，得到训练完成的均匀度影响识别网络层。
其中所述均匀度识别网络层的训练方法为：首先在多个样本数据中随机选取第一样本数据，并通过所述第一样本数据对所述均匀度影响识别网络层进行监督训练，输出第一混合均匀度；将所述第一均匀度与所述第一样本数据中的历史混合均匀度进行比对，当两者一致时，则进行第二样本数据的监督训练；当两者不一致时，则根据所述第一均匀度与所述第一样本数据中的历史混合均匀度的均匀度偏差对所述均匀度影响识别网络层的权重参数进行校正，然后进行第二样本数据的监督训练；通过多个样本数据不断进行迭代监督训练，当所述均匀度影响识别网络层的输出均匀度趋于收敛状态时，则获得训练完成的均匀度影响识别网络层。
最后将所述第一组分的材料密度属性和所述第二组分的材料密度属性输入训练完成的均匀度影响识别网络层，得到混合均匀度，并根据所述混合均匀度组件密度影响指标。
所述混合控制模块的流动混合识别层为基于所述第一组分的材料流动属性和所述第二组分的材料流动属性建立的均匀度影响识别网络层，其中流动属性的均匀度影响识别网络层的构建方法与密度属性的均匀度影响识别网络层的构建方法相同，在此不进行展开说明，并根据所述流动混合识别层输出流动影响指标，其中所述流动影响指标包括第一组分材料流动属性、第二组分材料流动属性、流动混合均匀度；
所述混合控制模块的粘度混合识别层为基于所述第一组分的材料粘度属性和所述第二组分的材料粘度属性建立的均匀度影响识别网络层，其中粘度属性的均匀度影响识别网络层的构建方法与密度属性的均匀度影响识别网络层的构建方法相同，在此不进行展开说明，然后根据所述粘度混合识别层输出粘度影响指标，其中所述粘度影响指标包括第一组分材料粘度属性、第二组分材料粘度属性、粘度混合均匀度。
最后将所述密度影响指标、所述流动影响指标和所述粘度影响指标，分别作为密度-均匀度数据、流动-均匀度数据和粘度-均匀度数据输出。通过基于BP神经网络构建均匀度影响识别网络层，可以提高均匀度数据获得的准确性和效率，从而提高混合控制参数得到的准确性和效率。
根据所述待混合组分配比、所述密度-均匀度数据、流动-均匀度数据和粘度-均匀度数据，生成输出混合控制参数，其中，所述混合控制参数至少包括混合强度和混合时长，根据所述混合控制参数制备环氧树脂密封胶块。
在本申请实施例中，根据所述待混合组分配比、所述密度-均匀度数据、流动-均匀度数据和粘度-均匀度数据进行混合控制参数寻优，得到混合控制参数，其中所述混合控制参数至少包括混合强度和混合时长。最后根据获得的混合控制参数进行环氧树脂密封胶块制备时的原料混合控制。
在一个实施例中，所述方法还包括：
以所述待混合组分配比、所述密度-均匀度数据、流动-均匀度数据和粘度-均匀度数据为输入变量进行预测，得到预测均匀度；
以所述预测均匀度以达到预设均匀度为目标条件，以所述混合控制参数为响应变量，获取所述混合控制参数。
在本申请实施例中，首先，基于BP神经网络构建混合均匀度预测模型，其中所述混合均匀度预测模型为神经网络模型，所述混合均匀度预测模型的输入数据为待混合组分配比、密度-均匀度数据、流动-均匀度数据和粘度-均匀度数据，输出数据为预测均匀度。
首先，获取多个模型训练数据，其中模型训练数据包括样本待混合组分配比、样本密度-均匀度数据、样本流动-均匀度数据、样本粘度-均匀度数据以及样本混合均匀度。然后通过所述多个模型训练数据对所述混合均匀度预测模型进行监督训练，其中所述混合均匀度预测模型的训练方法与上述均匀度影响识别网络层的训练方法相同，本领域技术人员可参考均匀度影响识别网络层的训练方法，在此不进行展开说明，得到训练完成的混合均匀度预测模型。
将所述待混合组分配比、所述密度-均匀度数据、流动-均匀度数据和粘度-均匀度数据输入训练完成的混合均匀度预测模型进行均匀度预测，得到预测均匀度。
获取预设均匀度，所述预设均匀度是指环氧树脂与固化剂混合原料的预期均匀度指标，本领域技术人员可根据环氧树脂密封胶块的实际用途和使用需求进行设置。然后将所述预测均匀度大于等于所述预设均匀度为寻优目的，将所述混合控制参数作为寻优响应参数，对所述混合控制参数进行寻优，得到混合控制参数。
在一个实施例中，所述方法还包括：
获取一次响应后的混合控制参数；
将一次响应后的混合控制参数中对应的混合强度和混合时长作为分段优化的变量进行迭代寻优，直至连续两个寻优结果的误差满足预设误差，获取所述混合控制参数；
其中，每个寻优过程包括固定混合强度对混合时长进行寻优，得到寻优后的混合时长，再将寻优后的混合时长固定对混合强度进行寻优，得到寻优后的混合强度，将寻优后的混合时长和寻优后的混合强度作为每个寻优过程的寻优结果进行输出。
在本申请实施例中，首先，获取一次响应后的混合控制参数，其中一次响应后的混合控制参数是指所述混合设备终端的初始混合控制参数，其中所述初始混合控制参数至少包括初始混合强度和初始混合时长。
然后将一次响应后的混合控制参数中对应的混合强度和混合时长作为分段优化的变量进行迭代寻优，获取预设误差，其中所述预设误差包括预设强度误差和预设时长误差，本领域技术人员可基于寻优精度需求进行设置，其中寻优精度需求越高，则预设强度误差和预设时长误差越小，然后根据所述预设强度误差对当前混合强度与相邻上一次混合强度的偏差进行判断，当偏差小于所述预设强度误差时，表征强度寻优结果满足预设强度误差；根据所述预设时长误差对当前混合时长与相邻上一次混合时长的偏差进行判断，当偏差小于所述预设时长偏差，表征时长寻优结果满足预设时长偏差。
当连续两个寻优结果的误差均满足预设误差时，表征当前寻优结果几乎不会发生变化，则输出当前寻优结果作为混合控制参数。
其中分段寻优步骤为：其中分段寻优包括多个寻优过程，在每个寻优过程中，首先，将混合强度作为固定参数，对混合时长进行寻优，当在所述混合时长下进行原料混合满足预设均匀度时，则输出寻优后的混合时长，可通过构建所述混合终端设备的混合仿真模型进行原料模拟混合，得到模拟混合均匀度进行判断；然后将寻优后的混合时长作为固定参数，对混合强度进行寻优，得到寻优后的混合强度；最后将寻优后的混合时长和寻优后的混合强度作为每个寻优过程的寻优结果进行输出。
通过对混合控制参数进行分段寻优，由于该算法收敛速度较快，因此可以提高混合控制参数寻优的效率，从而提高混合设备终端的控制响应速度，使得混合控制参数适应性更强。
在一个实施例中，所述方法还包括：
训练温度激励反馈网络层，所述温度激励反馈网络层嵌入所述混合控制模块中；
如图2所示，在一个实施例中，所述方法还包括：
建立温度-密度样本，所述温度-密度样本通过识别材料密度属性与温度之间的变化关系获取；
建立温度-流动样本，所述温度-流动样本通过识别材料流动属性与温度之间的变化关系获取；
建立温度-粘度样本，所述温度-粘度样本通过识别材料粘度属性与温度之间的变化关系获取；
以所述温度-密度样本，所述温度-流动样本和所述温度-粘度样本为样本，训练所述温度激励反馈网络层，其中，所述温度激励反馈网络层用于对输出的密度-均匀度数据、流动-均匀度数据和粘度-均匀度数据进行反馈调节。
在本申请实施例中，首先，对材料密度属性与温度之间的变化关系进行分析，确定温度变化对材料密度属性的影响，例如：可调取同源环氧树脂与同源固化剂的历史混合日志，其中同源环氧树脂为与第一组分中环氧树脂相同类型的材料，同源固化剂为与第二组分中固化剂相同类型的材料，然后根据所述历史混合日志提取样本历史温度和样本材料密度属性，并对所述样本历史温度和所述样本材料密度属性进行关联分析，确定温度-材料密度的映射关系，其中材料密度包括第一组分的材料密度属性和第二组分的材料密度属性，基于温度-材料密度的映射关系构建温度-密度样本。
对材料流动属性与温度之间的变化关系进行分析，获取多个样本历史温度和对应的多个样本材料流动属性，并对所述多个样本历史温度和所述多个样本材料流动属性进行关联分析，构建温度-流动样本；对材料粘度属性与温度之间的变化关系进行分析，根据分析结果建立温度-粘度样本。
构建温度激励反馈网络层，其中所述温度激励反馈网络层用于对输出的密度-均匀度数据、流动-均匀度数据和粘度-均匀度数据进行反馈调节，然后将所述温度-密度样本，所述温度-流动样本和所述温度-粘度样本作为训练数据，对所述温度激励反馈网络层进行训练，得到温度激励反馈网络层，并将所述温度激励反馈网络层嵌入所述混合控制模块中。
通过混合设备终端的温控单元获取实时混合温度；
将所述实时混合温度输入所述混合控制模块中，基于所述温度激励反馈网络层，用于对输出的所述混合控制参数进行反馈识别，输出调整后的混合控制参数。
在本申请实施例中，首先，在环氧树脂和固化剂进行原料混合时，通过混合设备终端的温控单元对混合原料的温度进行实时采集，得到实时混合温度。然后将所述实时混合温度输入所述混合控制模块中的所述温度激励反馈网络层进行识别，得到材料密度变化数据、材料流动变化数据和材料粘度变化数据，基于所述材料密度变化数据、材料流动变化数据和材料粘度变化数据得到当前材料密度属性、当前材料流动属性、当前材料粘度属性；并通过混合均匀度预测模型对所述当前材料密度属性、当前材料流动属性、当前材料粘度属性进行均匀性预测，得到变化均匀性预测结果。当所述变化均匀性预测结果小于所述预设均匀度时，整生成控制参数调整指令，并根据控制参数调整指令再次对所述混合控制参数进行寻优，得到调整后的混合控制参数，并根据调整后的混合控制参数对所述混合设备终端进行控制。
通过构建温度激励反馈网络层，可以考虑到环氧树脂与固化剂进行原料混合时，实时温度变化对材料属性特征的影响，然后根据材料属性特征变化情况再次对混合控制参数进行优化调整，可以进一步提高原料混合过程中混合控制参数设置的准确性，从而提高环氧树脂与固化剂的原料混合均匀度。
在一个实施例中，所述方法还包括：
根据所述阻力传感器，获取实时阻力传感数据，其中，所述阻力传感器设置在所述混合设备的搅拌器中；
根据所述实时阻力传感数据判断是否激活参数调控指令，若激活所述参数调控指令，根据所述参数调控指令对所述混合控制参数进行调控，其中，激活所述参数调控指令的条件为实时阻力传感数据大于预设阻力数据。
在本申请实施例中，首先，通过阻力传感器对所述混合设备中的环氧树脂和固化剂的混合原料进行阻力数据采集，其中所述阻力传感器设置在所述混合设备的搅拌器中，得到实时阻力传感数据，其中阻力传感数据和混合原料的粘稠度相关，阻力传感数据越大，则混合原料粘稠度越大，固化程度越高。
获取预设阻力数据，所述预设阻力数据可根据混合原料的固化需求进行设置，其中固化需求程度越大，则预设阻力数据越大。然后根据所述预设阻力数据对所述实时阻力传感数据进行判断，当所述实时阻力传感数据大于所述预设阻力数据时，则激活参数调控指令，并根据所述参数调控指令对所述混合控制参数进行调控，其中调控的目的是为了降低混合原料的固化程度，例如：可通过降低混合强度或混合时长进行调控。
通过基于实时阻力传感数据对混合控制参数进行调控，可以提高原料混合时控制参数调整的准确性，从而提高环氧树脂和固化剂的原料混合质量。通过上述方法可以解决现有的环氧树脂密封胶块生产工艺在进行原料混合时存在混合控制参数设置不准确导致原料混合质量较差，进而造成环氧树脂密封胶块生产质量较低的技术问题，可以提高混合控制参数设置的准确性和合理性，从而进一步提高环氧树脂密封胶块的生产质量。
在一个实施例中，如图3所示提供了一种环氧树脂密封胶块智能制备系统，包括：待混合组分配比获取模块01、组分属性特征获取模块02、属性特征识别模块03、均匀度数据输出模块04、混合控制参数生成模块05、其中：
待混合组分配比获取模块01，所述待混合组分配比获取模块01用于获取制备环氧树脂密封胶块的待混合组分配比，所述待混合组分包括第一组分和第二组分；
组分属性特征获取模块02，所述组分属性特征获取模块02用于分别获取所述第一组分和所述第二组分的多个属性特征，其中，每个组分对应的多个属性特征均包括材料密度属性、材料流动属性以及材料粘度属性；
属性特征识别模块03，所述属性特征识别模块03用于将所述第一组分和所述第二组分分别对应的多个属性特征输入混合控制模块中进行识别，所述混合控制模块包括密度混合识别层、流动混合识别层和粘度混合识别层，且所述混合控制模块与制备环氧树脂密封胶块的混合设备终端通信连接；
均匀度数据输出模块04，所述均匀度数据输出模块04用于根据所述密度混合识别层、流动混合识别层和粘度混合识别层，分别输出密度-均匀度数据、流动-均匀度数据和粘度-均匀度数据；
混合控制参数生成模块05，所述混合控制参数生成模块05用于根据所述待混合组分配比、所述密度-均匀度数据、流动-均匀度数据和粘度-均匀度数据，生成输出混合控制参数，其中，所述混合控制参数至少包括混合强度和混合时长，根据所述混合控制参数制备环氧树脂密封胶块。
在一个实施例中，所述系统还包括：
密度影响指标输出模块，所述密度影响指标输出模块用于获取混合控制模块，其中，所述混合控制模块的密度混合识别层为基于所述第一组分的材料密度属性和所述第二组分的材料密度属性建立的均匀度影响识别网络层，根据所述密度混合识别层输出密度影响指标；
流动影响指标输出模块，所述流动影响指标输出模块是指所述混合控制模块的流动混合识别层为基于所述第一组分的材料流动属性和所述第二组分的材料流动属性建立的均匀度影响识别网络层，根据所述流动混合识别层输出流动影响指标；
粘度影响指标输出模块，所述粘度影响指标输出模块是指所述混合控制模块的粘度混合识别层为基于所述第一组分的材料粘度属性和所述第二组分的材料粘度属性建立的均匀度影响识别网络层，根据所述粘度混合识别层输出粘度影响指标；
均匀度数据输出模块，所述均匀度数据输出模块用于将所述密度影响指标、所述流动影响指标和所述粘度影响指标，分别作为密度-均匀度数据、流动-均匀度数据和粘度-均匀度数据输出。
在一个实施例中，所述系统还包括：
温度激励反馈网络层训练模块，所述温度激励反馈网络层训练模块用于训练温度激励反馈网络层，所述温度激励反馈网络层嵌入所述混合控制模块中；
实时混合温度获取模块，所述实时混合温度获取模块用于通过混合设备终端的温控单元获取实时混合温度；
混合控制参数输出模块，所述混合控制参数输出模块用于将所述实时混合温度输入所述混合控制模块中，基于所述温度激励反馈网络层，用于对输出的所述混合控制参数进行反馈识别，输出调整后的混合控制参数。
在一个实施例中，所述系统还包括：
温度-密度样本建立模块，所述温度-密度样本建立模块用于建立温度-密度样本，所述温度-密度样本通过识别材料密度属性与温度之间的变化关系获取；
温度-流动样本建立模块，所述温度-流动样本建立模块用于建立温度-流动样本，所述温度-流动样本通过识别材料流动属性与温度之间的变化关系获取；
温度-粘度样本建立模块，所述温度-粘度样本建立模块用于建立温度-粘度样本，所述温度-粘度样本通过识别材料粘度属性与温度之间的变化关系获取；
温度激励反馈网络层训练模块，所述温度激励反馈网络层训练模块用于以所述温度-密度样本，所述温度-流动样本和所述温度-粘度样本为样本，训练所述温度激励反馈网络层，其中，所述温度激励反馈网络层用于对输出的密度-均匀度数据、流动-均匀度数据和粘度-均匀度数据进行反馈调节。
在一个实施例中，所述系统还包括：
实时阻力传感数据获取模块，所述实时阻力传感数据获取模块用于根据所述阻力传感器，获取实时阻力传感数据，其中，所述阻力传感器设置在所述混合设备的搅拌器中；
混合控制参数调控模块，所述混合控制参数调控模块用于根据所述实时阻力传感数据判断是否激活参数调控指令，若激活所述参数调控指令，根据所述参数调控指令对所述混合控制参数进行调控，其中，激活所述参数调控指令的条件为实时阻力传感数据大于预设阻力数据。
在一个实施例中，所述系统还包括：
预测均匀度得到模块，所述预测均匀度得到模块用于以所述待混合组分配比、所述密度-均匀度数据、流动-均匀度数据和粘度-均匀度数据为输入变量进行预测，得到预测均匀度；
混合控制参数获取模块，所述混合控制参数获取模块用于以所述预测均匀度以达到预设均匀度为目标条件，以所述混合控制参数为响应变量，获取所述混合控制参数。
在一个实施例中，所述系统还包括：
混合控制参数获取模块，所述混合控制参数获取模块用于获取一次响应后的混合控制参数；
迭代寻优模块，所述迭代寻优模块用于将一次响应后的混合控制参数中对应的混合强度和混合时长作为分段优化的变量进行迭代寻优，直至连续两个寻优结果的误差满足预设误差，获取所述混合控制参数；
寻优模块，所述寻优模块是指其中，每个寻优过程包括固定混合强度对混合时长进行寻优，得到寻优后的混合时长，再将寻优后的混合时长固定对混合强度进行寻优，得到寻优后的混合强度，将寻优后的混合时长和寻优后的混合强度作为每个寻优过程的寻优结果进行输出。
综上所述，与现有技术相比，本公开的实施例具有以下技术效果：
（1）通过对混合控制参数进行寻优，并根据原料混合过程中的温度、阻力变化情况对混合控制参数进行实时调整，可以提高混合控制参数设置的准确性和合理性，使得原料混合均匀度更好，从而进一步提高环氧树脂密封胶块的生产质量。
（2）通过构建温度激励反馈网络层，可以考虑到环氧树脂与固化剂进行原料混合时，实时温度变化对材料属性特征的影响，然后根据材料属性特征变化情况再次对混合控制参数进行优化调整，可以进一步提高原料混合过程中混合控制参数设置的准确性，从而提高环氧树脂与固化剂的原料混合均匀度。
（3）通过对混合控制参数进行分段寻优，由于该算法收敛速度较快，因此可以提高混合控制参数寻优的效率，从而提高混合设备终端的控制响应速度，使得混合控制参数适应性更强。
以上所述实施例仅表达了本公开的几种实施方式，但并不能因此而理解为对发明专利范围的限制。因此，在不脱离如由所附权利要求限定的本公开构思的范围的情况下，本领域普通技术人员可做出各种类型的替换、修改和变更，并且这些替换、修改和变更都属于本公开的保护范围。
Claims (6)
1.环氧树脂密封胶块智能制备方法，其特征在于，所述方法包括：
获取制备环氧树脂密封胶块的待混合组分配比，所述待混合组分包括第一组分和第二组分；
分别获取所述第一组分和所述第二组分的多个属性特征，其中，每个组分对应的多个属性特征均包括材料密度属性、材料流动属性以及材料粘度属性；
将所述第一组分和所述第二组分分别对应的多个属性特征输入混合控制模块中进行识别，所述混合控制模块包括密度混合识别层、流动混合识别层和粘度混合识别层，且所述混合控制模块与制备环氧树脂密封胶块的混合设备终端通信连接；
根据所述密度混合识别层、流动混合识别层和粘度混合识别层，分别输出密度-均匀度数据、流动-均匀度数据和粘度-均匀度数据；
根据所述待混合组分配比、所述密度-均匀度数据、流动-均匀度数据和粘度-均匀度数据，生成输出混合控制参数，其中，所述混合控制参数至少包括混合强度和混合时长，根据所述混合控制参数制备环氧树脂密封胶块，其中，生成输出混合控制参数的方法包括：
以所述待混合组分配比、所述密度-均匀度数据、流动-均匀度数据和粘度-均匀度数据为输入变量进行预测，得到预测均匀度；
以所述预测均匀度以达到预设均匀度为目标条件，以所述混合控制参数为响应变量，获取所述混合控制参数；
获取一次响应后的混合控制参数；
将一次响应后的混合控制参数中对应的混合强度和混合时长作为分段优化的变量进行迭代寻优，直至连续两个寻优结果的误差满足预设误差，获取所述混合控制参数；
其中，每个寻优过程包括固定混合强度对混合时长进行寻优，得到寻优后的混合时长，再将寻优后的混合时长固定对混合强度进行寻优，得到寻优后的混合强度，将寻优后的混合时长和寻优后的混合强度作为每个寻优过程的寻优结果进行输出。
2.如权利要求1所述的方法，其特征在于，所述方法还包括：
获取混合控制模块，其中，所述混合控制模块的密度混合识别层为基于所述第一组分的材料密度属性和所述第二组分的材料密度属性建立的均匀度影响识别网络层，根据所述密度混合识别层输出密度影响指标；
所述混合控制模块的流动混合识别层为基于所述第一组分的材料流动属性和所述第二组分的材料流动属性建立的均匀度影响识别网络层，根据所述流动混合识别层输出流动影响指标；
所述混合控制模块的粘度混合识别层为基于所述第一组分的材料粘度属性和所述第二组分的材料粘度属性建立的均匀度影响识别网络层，根据所述粘度混合识别层输出粘度影响指标；
将所述密度影响指标、所述流动影响指标和所述粘度影响指标，分别作为密度-均匀度数据、流动-均匀度数据和粘度-均匀度数据输出。
3.如权利要求1所述的方法，其特征在于，所述方法还包括：
训练温度激励反馈网络层，所述温度激励反馈网络层嵌入所述混合控制模块中；
通过混合设备终端的温控单元获取实时混合温度；
将所述实时混合温度输入所述混合控制模块中，基于所述温度激励反馈网络层，用于对输出的所述混合控制参数进行反馈识别，输出调整后的混合控制参数。
4.如权利要求3所述的方法，其特征在于，训练温度激励反馈网络层，方法还包括：
建立温度-密度样本，所述温度-密度样本通过识别材料密度属性与温度之间的变化关系获取；
建立温度-流动样本，所述温度-流动样本通过识别材料流动属性与温度之间的变化关系获取；
建立温度-粘度样本，所述温度-粘度样本通过识别材料粘度属性与温度之间的变化关系获取；
以所述温度-密度样本，所述温度-流动样本和所述温度-粘度样本为样本，训练所述温度激励反馈网络层，其中，所述温度激励反馈网络层用于对输出的密度-均匀度数据、流动-均匀度数据和粘度-均匀度数据进行反馈调节。
5.如权利要求1所述的方法，其特征在于，所述混合设备包括传感模块，所述传感模块与阻力传感器连接，方法还包括：
根据所述阻力传感器，获取实时阻力传感数据，其中，所述阻力传感器设置在所述混合设备的搅拌器中；
根据所述实时阻力传感数据判断是否激活参数调控指令，若激活所述参数调控指令，根据所述参数调控指令对所述混合控制参数进行调控，其中，激活所述参数调控指令的条件为实时阻力传感数据大于预设阻力数据。
6.环氧树脂密封胶块智能制备系统，其特征在于，用于执行权利要求1-5中任意一项所述的环氧树脂密封胶块智能制备方法，所述系统包括：
待混合组分配比获取模块，所述待混合组分配比获取模块用于获取制备环氧树脂密封胶块的待混合组分配比，所述待混合组分包括第一组分和第二组分；
组分属性特征获取模块，所述组分属性特征获取模块用于分别获取所述第一组分和所述第二组分的多个属性特征，其中，每个组分对应的多个属性特征均包括材料密度属性、材料流动属性以及材料粘度属性；
属性特征识别模块，所述属性特征识别模块用于将所述第一组分和所述第二组分分别对应的多个属性特征输入混合控制模块中进行识别，所述混合控制模块包括密度混合识别层、流动混合识别层和粘度混合识别层，且所述混合控制模块与制备环氧树脂密封胶块的混合设备终端通信连接；
均匀度数据输出模块，所述均匀度数据输出模块用于根据所述密度混合识别层、流动混合识别层和粘度混合识别层，分别输出密度-均匀度数据、流动-均匀度数据和粘度-均匀度数据；
混合控制参数生成模块，所述混合控制参数生成模块用于根据所述待混合组分配比、所述密度-均匀度数据、流动-均匀度数据和粘度-均匀度数据，生成输出混合控制参数，其中，所述混合控制参数至少包括混合强度和混合时长，根据所述混合控制参数制备环氧树脂密封胶块。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311681661.0A CN117359812B (zh) | 2023-12-08 | 2023-12-08 | 环氧树脂密封胶块智能制备方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311681661.0A CN117359812B (zh) | 2023-12-08 | 2023-12-08 | 环氧树脂密封胶块智能制备方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117359812A CN117359812A (zh) | 2024-01-09 |
| CN117359812B true CN117359812B (zh) | 2024-02-06 |
Family
ID=89395091
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311681661.0A Active CN117359812B (zh) | 2023-12-08 | 2023-12-08 | 环氧树脂密封胶块智能制备方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117359812B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113312846A (zh) * | 2021-06-02 | 2021-08-27 | 江苏邦鼎科技有限公司 | 一种基于混合工艺过程的智能检测方法及系统 |
| KR20220060346A (ko) * | 2020-11-04 | 2022-05-11 | 주식회사 엘지화학 | 머신러닝 알고리즘을 이용한 고무 컴파운드의 물성 예측 시스템 |
| CN117148809A (zh) * | 2023-10-31 | 2023-12-01 | 南通中奥车用新材料有限公司 | 用于人造革生产设备的工艺优化方法及系统 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107003220B (zh) * | 2014-10-01 | 2021-04-20 | 先进的聚合物监测技术股份有限公司 | 用于监测和控制聚合反应的系统和方法 |
| US11054808B2 (en) * | 2018-09-27 | 2021-07-06 | Intrepid Automation | Management platform for additive manufacturing production line |
-
2023
- 2023-12-08 CN CN202311681661.0A patent/CN117359812B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20220060346A (ko) * | 2020-11-04 | 2022-05-11 | 주식회사 엘지화학 | 머신러닝 알고리즘을 이용한 고무 컴파운드의 물성 예측 시스템 |
| CN113312846A (zh) * | 2021-06-02 | 2021-08-27 | 江苏邦鼎科技有限公司 | 一种基于混合工艺过程的智能检测方法及系统 |
| CN117148809A (zh) * | 2023-10-31 | 2023-12-01 | 南通中奥车用新材料有限公司 | 用于人造革生产设备的工艺优化方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117359812A (zh) | 2024-01-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102841538B (zh) | 用于控制分批过程的方法和系统 | |
| CN101587328B (zh) | 非线性过程动态模型辨识方法 | |
| JP2007188473A5 (zh) | ||
| CN113807028B (zh) | 一种环氧树脂固化工艺的优化方法及优化系统 | |
| CN117359812B (zh) | 环氧树脂密封胶块智能制备方法及系统 | |
| US20220111348A1 (en) | Machine Learning-Based Online Optimization Of Solid Phase Slug Flow Peptide Synthesis | |
| CN112816614A (zh) | 高锰酸钾指数的自适应滴定方法 | |
| CN118320702A (zh) | 一种用于水性涂料助剂混合质量控制方法及系统 | |
| CN118124106A (zh) | 基于神经网络的注塑成型优化控制系统及方法 | |
| CN116661402B (zh) | 一种化工材料的生产管控方法及系统 | |
| JP2852064B2 (ja) | モデル合成型流動解析システム | |
| CN117193178B (zh) | 一种玻璃纤维复合板的生产工艺优化控制方法及系统 | |
| KR100586728B1 (ko) | 고분자 제품의 물성예측방법 | |
| CN117555367A (zh) | 交联聚乙烯电缆的生产过程的温度控制装置、方法及设备 | |
| CN111089936B (zh) | 一种高通量催化剂性能分析装置和方法 | |
| CN114414648A (zh) | 一种基于机器学习的自动电位滴定方法及系统 | |
| JP3058676B2 (ja) | 計算機シミュレーション・モデルパラメータ調整装置、計算機シミュレーション・モデルパラメータ調整方法およびそれを用いたシミュレーション解析方法 | |
| CN111507003A (zh) | 基于质量相关动态特性提取的脱丁烷塔关键变量预测方法 | |
| CN116422542B (zh) | 多组分多通道供胶系统的定量控制方法及相关装置 | |
| CN114418456B (zh) | 一种基于工况的机器学习进度管控方法及相关装置 | |
| CN116008379B (zh) | 基于模型拟合和机器学习的自动滴定系统、方法和装置 | |
| CN117766422B (zh) | 一种用于蚀刻薄层的方法和设备 | |
| CN115795315B (zh) | 一种化学供液设备的异常感应方法及系统 | |
| CN117436771B (zh) | 蠕墨铸铁制品的智能在线质量监测与优化控制系统 | |
| CN116153425B (zh) | 一种氨碳比软测量方法、装置、设备及介质 |
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 |