CN117420807B - 一种智能控制去粘层厚度的方法、系统及生产设备 - Google Patents
一种智能控制去粘层厚度的方法、系统及生产设备 Download PDFInfo
- Publication number
- CN117420807B CN117420807B CN202311714744.5A CN202311714744A CN117420807B CN 117420807 B CN117420807 B CN 117420807B CN 202311714744 A CN202311714744 A CN 202311714744A CN 117420807 B CN117420807 B CN 117420807B
- Authority
- CN
- China
- Prior art keywords
- viscosity
- thickness
- thickness control
- value
- release film
- 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
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 32
- 238000000034 method Methods 0.000 title claims abstract description 25
- 239000003795 chemical substances by application Substances 0.000 claims abstract description 92
- 239000010410 layer Substances 0.000 claims abstract description 66
- 239000012790 adhesive layer Substances 0.000 claims abstract description 18
- 238000012549 training Methods 0.000 claims description 24
- 230000002093 peripheral effect Effects 0.000 claims description 21
- 239000000463 material Substances 0.000 claims description 18
- 238000003062 neural network model Methods 0.000 claims description 18
- 238000012360 testing method Methods 0.000 claims description 18
- 230000001276 controlling effect Effects 0.000 claims description 17
- 238000010438 heat treatment Methods 0.000 claims description 17
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 claims description 16
- 239000000741 silica gel Substances 0.000 claims description 16
- 229910002027 silica gel Inorganic materials 0.000 claims description 16
- 239000007788 liquid Substances 0.000 claims description 13
- 230000005540 biological transmission Effects 0.000 claims description 7
- 238000012216 screening Methods 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 5
- 239000003638 chemical reducing agent Substances 0.000 claims description 4
- 239000012530 fluid Substances 0.000 claims description 4
- 230000006870 function Effects 0.000 claims description 4
- 238000011002 quantification Methods 0.000 claims description 3
- 230000001105 regulatory effect Effects 0.000 claims description 3
- 238000012795 verification Methods 0.000 claims description 3
- 239000000853 adhesive Substances 0.000 claims description 2
- 230000000181 anti-adherent effect Effects 0.000 abstract description 4
- 239000002699 waste material Substances 0.000 abstract description 4
- 239000002994 raw material Substances 0.000 abstract description 3
- 230000009471 action Effects 0.000 description 4
- 210000004877 mucosa Anatomy 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 238000001816 cooling Methods 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 230000017525 heat dissipation Effects 0.000 description 2
- 239000003960 organic solvent Substances 0.000 description 2
- 229920001296 polysiloxane Polymers 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 239000011265 semifinished product Substances 0.000 description 2
- YCKRFDGAMUMZLT-UHFFFAOYSA-N Fluorine atom Chemical compound [F] YCKRFDGAMUMZLT-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 239000000498 cooling water Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000010790 dilution Methods 0.000 description 1
- 239000012895 dilution Substances 0.000 description 1
- 229910052731 fluorine Inorganic materials 0.000 description 1
- 239000011737 fluorine Substances 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 229910000000 metal hydroxide Inorganic materials 0.000 description 1
- 150000004692 metal hydroxides Chemical class 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 150000004767 nitrides Chemical class 0.000 description 1
- 150000002894 organic compounds Chemical class 0.000 description 1
- 238000009417 prefabrication Methods 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000004513 sizing Methods 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41865—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by job scheduling, process planning, material flow
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32252—Scheduling production, machining, job shop
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Mathematical Physics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Automation & Control Theory (AREA)
- Quality & Reliability (AREA)
- Manufacturing & Machinery (AREA)
- Casting Or Compression Moulding Of Plastics Or The Like (AREA)
Abstract
本申请提供了一种智能控制去粘层厚度的方法、系统及生产设备，涉及去粘层生产技术领域。智能控制去粘层厚度的方法包括：获取PET离型膜的厚度、去粘剂的粘度、上料间隙的第一初始值和控厚间隔的第二初始值，基于动态预测模型对去粘层的厚度进行预测以获得预测值；根据预测值和去粘层厚度的目标值，计算去粘层厚度的偏差值；根据偏差值获得上料间隙的第一调整值和控厚间隔的第二调整值，并根据第一调整值对上料间隙进行调整，以及根据第二调整值对控厚间隔进行调整。在生产去粘层时候，通过上述方法实现了对上料间隙及控厚间隔智能调节，有效地提高了生产效率且避免了生产原料的浪费。
Description
技术领域
本申请涉及去粘层生产技术领域，尤其涉及一种智能控制去粘层厚度的方法、系统及生产设备。
背景技术
导热硅胶垫片是一种硅胶与金属氧化物、金属氢氧化物或金属氮化物等其中的一种或多种加工合成的混合物。导热硅胶垫片广泛应用于汽车、电子电器等行业的产品，通常用作热量传输、辅助散热等，用以实现导热和散热，从而避免因温度过高而影响产品的运行效率及使用寿命等。
市场上对硬度范围在shore00 20~50的导热硅胶片需求量大，该硬度范围内的导热硅胶片具有表面粘性大的特点，为了便于操作，导热硅胶垫片在生产过程中需要对其外表面进行去粘处理。
目前，通常采用的方法是先利用去粘剂制成一定厚度的去粘层，然后将去粘层贴附在导热硅胶垫片的表面，由此便实现了对导热硅胶垫片的去粘处理。在实际加工过程中，先进行预制作，并对预制作出的去粘层进行厚度检测，其中，根据去粘层的预期厚度对去粘剂的上料间隙进行调整，当生产出的去粘层达到预期厚度时，便可正式进行生产。但是这样的方式影响生产效率，且会造成原料的浪费。
发明内容
本申请的目的在于克服现有技术的缺陷，提供一种智能控制去粘层厚度的方法、系统及生产设备，用以解决现有技术中的问题。
为解决上述问题，本申请实施例第一方面提供了一种智能控制去粘层厚度的方法，包括：
获取PET离型膜的厚度、去粘剂的粘度、上料间隙的第一初始值和控厚间隔的第二初始值，并基于动态预测模型对去粘层的厚度进行预测以获得预测值；
若所述预测值和所述去粘层厚度的目标值不同，则根据所述目标值获得所述上料间隙的第一调整值和所述控厚间隔的第二调整值，并根据所述第一调整值对所述上料间隙进行调整，以及根据所述第二调整值对所述控厚间隔进行调整；
所述上料间隙用于供所述去粘剂通过；通过所述上料间隙的所述去粘剂黏附于所述PET离型膜上，且随所述PET离型膜一同经过所述控厚间隔；所述去粘剂随所述PET离型膜经过所述控厚间隔后，在所述PET离型膜上形成所述去粘层；
其中，所述动态预测模型的建立包括：
获取多组独立的测试样本，所述测试样本包括输入参数和输出参数，所述输入参数包括所述PET离型膜的厚度、所述去粘剂的粘度、所述第一初始值和所述第二初始值，所述输出参数包括与所述输入参数相对应的所述去粘层厚度的实际测量值；
利用所述输入参数和所述输出参数，训练神经网络模型；通过迭代训练更新所述神经网络模型的权重参数、偏置参数以及学习因子；
若所述神经网络模型预测的所述去粘层厚度的特征值与实际测量的所述去粘层厚度的特征值，处于预设范围，则训练结束；
保存最后更新的权重参数、偏置参数以及学习因子，并获得所述动态预测模型。
在一种可能的实施方式中，在多组所述测试样本中，第i个所述测试样本的输入特征向量xi的函数f(xi)的函数表达式为：f(xi)=aωTxi+b，其中，ωT为权重参数，b为偏置参数，a为学习因子；
判断训练是否结束的方法包括：
以f(xi)为中心，构建宽度为2σ的范围带，若n个验证样本均落在所述范围带内，则判定预测结果正确，并结束训练。
在一种可能的实施方式中，设定所述PET离型膜的厚度、所述去粘剂的粘度、所述第一初始值和所述第二初始值各自的区间范围；
生成学习样本；所述学习样本：以所述PET离型膜的厚度、所述去粘剂的粘度、所述第一初始值和所述第二初始值中的一者作为变量，其余作为定量，其中，在所述变量对应的所述区间范围内，线性调节所述变量的大小；
将所述学习样本输入所述动态预测模型中，并输出与所述学习样本对应的所述去粘层厚度的所述预测值；
建立基于所述学习样本与所述预测值对应关系的数据库。
在一种可能的实施方式中，所述根据所述目标值获得所述上料间隙的第一调整值和所述控厚间隔的第二调整值，并根据所述第一调整值对所述上料间隙进行调整，以及根据所述第二调整值对所述控厚间隔进行调整包括：
获取所述PET离型膜的厚度、所述去粘剂的粘度和所述目标值；
将所述目标值设为所述预测值，并在所述数据库中筛选与所述预测值相对应的若干个所述学习样本，其中，将筛选出的所述学习样本设为预期样本；
基于获取到的所述PET离型膜的厚度和所述去粘剂的粘度，对若干个所述预期样本做进一步筛选，当所述预期样本中的所述PET离型膜的厚度和所述去粘剂的粘度与获取到的获取所述PET离型膜的厚度和所述去粘剂的粘度均相同时，将该所述预期样本设为执行样本；
基于所述执行样本中的所述第一初始值和所述第二初始值分别对所述上料间隙进行调整和所述控厚间隔进行调整。
本申请实施例第二方面提供了一种智能控制去粘层厚度的系统，包括：
获取模块，用于获取PET离型膜的厚度、去粘剂的粘度、上料间隙的第一初始值和控厚间隔的第二初始值，并基于动态预测模型对去粘层的厚度进行预测以获得预测值；
调整模块，用于若所述预测值和所述去粘层厚度的目标值不同，则根据所述目标值获得所述上料间隙的第一调整值和所述控厚间隔的第二调整值，并根据所述第一调整值对所述上料间隙进行调整，以及根据所述第二调整值对所述控厚间隔进行调整；
所述上料间隙用于供所述去粘剂通过；通过所述上料间隙的所述去粘剂黏附于所述PET离型膜上，且随所述PET离型膜一同经过所述控厚间隔；所述去粘剂随所述PET离型膜经过所述控厚间隔后，在所述PET离型膜上形成所述去粘层；
其中，所述动态预测模型的建立包括：
获取多组独立的测试样本，所述测试样本包括输入参数和输出参数，所述输入参数包括所述PET离型膜的厚度、所述去粘剂的粘度、所述第一初始值和所述第二初始值，所述输出参数包括与所述输入参数相对应的所述去粘层厚度的实际测量值；
利用所述输入参数和所述输出参数，训练神经网络模型；通过迭代训练更新所述神经网络模型的权重参数、偏置参数以及学习因子；
若所述神经网络模型预测的所述去粘层厚度的特征值与实际测量的所述去粘层厚度的特征值，处于预设范围，则训练结束；
保存最后更新的权重参数、偏置参数以及学习因子，并获得所述动态预测模型。
本申请实施例第三方面提供了一种去粘层生产设备，包括控制模块，所述控制模块用于执行如上所述的方法；
所述生产设备还包括中心轴相互平行的驱动辊筒、上料辊筒、控厚模组和卷绕有PET离型膜的送料轴，所述上料辊筒、所述控厚模组均与所述驱动辊筒传动相连；
所述上料辊筒的中心轴位于所述驱动辊筒的中心轴的下方，所述上料辊筒与所述驱动辊筒两者的外周面之间具有上料间隙；所述控厚模组的中心轴位于所述驱动辊筒的中心轴的上方，所述控厚模组与所述驱动辊筒两者的外周面之间具有控厚间隔；其中，所述PET离型膜穿过所述控厚间隔，并与伸入至一压延机内，其中，所述压延机用于驱使所述PET离型膜移动，并使得未固化的导热硅胶垫片与所述PET离型膜压合成型；
所述上料辊筒的下方设置载料盘，所述载料盘用于装载呈流体状态的去粘剂；所述上料辊筒的外周面部分浸没于所述去粘剂中；
所述上料辊筒用于通过转动将所述去粘剂经所述上料间隙转移至所述驱动辊筒的外周面上，所述驱动辊筒用于通过转动将自身外周面上黏附的所述去粘剂转移至经过所述控厚间隔的所述PET离型膜的表面上。
在一种可能的实施方式中，所述控厚模组包括转动方向相同的第一控厚辊筒和第二控厚辊筒，所述第一控厚辊筒和所述第二控厚辊筒两者的中心轴均与所述驱动辊筒的中心轴平行，且均位于所述驱动辊筒的中心轴的上方；
所述控厚间隔包括第一控厚间隙和第二控厚间隙，所述第一控厚间隙大于所述第二控厚间隙；所述第一控厚间隙位于所述第一控厚辊筒与所述驱动辊筒两者的外周面之间，所述第二控厚间隙位于所述第二控厚辊筒与所述驱动辊筒两者的外周面之间；
所述PET离型膜依次穿过所述第一控厚间隙和所述第二控厚间隙后，伸入至所述压延机内。
在一种可能的实施方式中，竖直朝向所述载料盘进行投影时，所述驱动辊筒、所述上料辊筒、所述第一控厚辊筒和所述第二控厚辊筒四者的投影均位于所述载料盘内。
在一种可能的实施方式中，还包括加热装置；所述加热装置用于基于预期温度区间与预期粘度之间的对应关系对所述载料盘内的所述去粘剂进行加热，以将所述去粘剂的粘度的温度恒定在所述预期温度区间；其中，所述去粘剂的粘度的温度达到所述预期温度区间时，所述去粘剂的粘度处于所述预期粘度区间；
所述加热装置包括温度检测器和粘度检测器，所述温度检测器用于实时检测所述载料盘内的所述去粘剂的温度，所述粘度检测器用于检测所述载料盘内的所述去粘剂的粘度。
在一种可能的实施方式中，还包括液位检测模块，所述液位检测模块用于检测所述载料盘内的所述去粘剂的液位高度；当所述载料盘内的所述去粘剂的液位高度低于预设值时，所述控制模块生成报警信号
本申请的有益效果包括：
本申请提出的智能控制去粘层厚度的方法包括获取PET离型膜的厚度、去粘剂的粘度、上料间隙的第一初始值和控厚间隔的第二初始值，并基于动态预测模型对去粘层的厚度进行预测以获得预测值，其中，当预测值与目标值不同时，便会根据目标值对上料间隙和控厚间隔进行调整。
通过该智能控制去粘层厚度的方法，无需进行预制作便可以提前调整好上料间隙和控厚间隔，从而准确地控制所生产出的去粘层的厚度，有效地提高了生产效率，并避免了生产原料的浪费。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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，还可以根据这些附图获得其他相关的附图。
图1示出了一种智能控制去粘层厚度的方法的流程图；
图2示出了一种动态预测模型的建立的流程图；
图3示出了一种智能控制去粘层厚度的系统的结构图；
图4示出了一种去粘层生产设备的正视图；
图5示出了图4中去粘层生产设备的侧视图；
图6示出了图4中去粘层生产设备的俯视图。
主要元件符号说明：
1-装置主体；2-控制面板；3-载料盘；4-上料辊筒；5-驱动辊筒；6-第一控厚辊筒；7-第二控厚辊筒；8-激光位移传感器；9-送料轴；10-PET离型膜；11-压延机；12-挡板；13-成型辊；14-支撑导向轴；301-获取模块；302-调整模块。
具体实施方式
下面结合附图，对本申请实施例进行描述。显然，所描述的实施例仅为本申请一部分实施例，而不是全部的实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请的保护范围。
实施例
参阅图1，在本实施例中，提出了一种智能控制去粘层厚度的方法包括：
S101，获取PET离型膜的厚度、去粘剂的粘度、上料间隙的第一初始值和控厚间隔的第二初始值，并基于动态预测模型对去粘层的厚度进行预测以获得预测值；
S102，若预测值和去粘层厚度的目标值不同，则根据目标值获得上料间隙的第一调整值和控厚间隔的第二调整值，并根据第一调整值对上料间隙进行调整，以及根据第二调整值对控厚间隔进行调整。
上料间隙用于供去粘剂通过；通过上料间隙的去粘剂黏附于PET离型膜上，且随PET离型膜一同经过控厚间隔；去粘剂随PET离型膜经过控厚间隔后，在PET离型膜上形成去粘层；
如图2所示，述动态预测模型的建立包括：
S201，获取多组独立的测试样本，测试样本包括输入参数和输出参数，输入参数包括PET离型膜的厚度、去粘剂的粘度、第一初始值和第二初始值，输出参数包括与输入参数相对应的去粘层厚度的实际测量值；
S202，利用输入参数和输出参数，训练神经网络模型；通过迭代训练更新神经网络模型的权重参数、偏置参数以及学习因子；
S203，若神经网络模型预测的去粘层厚度的特征值与实际测量的去粘层厚度的特征值，处于预设范围，则训练结束；
S204，保存最后更新的权重参数、偏置参数以及学习因子，并获得动态预测模型。
在多组测试样本中，第i个测试样本的输入特征向量xi的函数f(xi)的函数表达式为：f(xi)=aωTxi+b，其中，ωT为权重参数，b为偏置参数，a为学习因子；
判断训练是否结束的方法包括：以f(xi)为中心，构建宽度为2σ的范围带，若n个验证样本均落在范围带内，则判定预测结果正确，并结束训练。
在本实施例中，智能控制去粘层厚度的方法还包括：
设定PET离型膜的厚度、去粘剂的粘度、第一初始值和第二初始值各自的区间范围；
生成学习样本；学习样本：以PET离型膜的厚度、去粘剂的粘度、第一初始值和第二初始值中的一者作为变量，其余作为定量，其中，在变量对应的区间范围内，线性调节变量的大小；
将学习样本输入动态预测模型中，并输出与学习样本对应的去粘层厚度的预测值；
建立基于学习样本与预测值对应关系的数据库。
通过控制PET离型膜的厚度、去粘剂的粘度、第一初始值和第二初始值中的一者变化，从而获得更多的学习样本，由此建立完成的数据库，从而方便根据去粘层的目标值，获得对应的第一调整值和第二调整值，实现对上料间隙和控厚间隔的调整。
在本实施例中，“根据目标值获得上料间隙的第一调整值和控厚间隔的第二调整值，并根据第一调整值对上料间隙进行调整，以及根据第二调整值对控厚间隔进行调整”包括：
获取PET离型膜的厚度、去粘剂的粘度和目标值；
将目标值设为预测值，并在数据库中筛选与预测值相对应的若干个学习样本，其中，将筛选出的学习样本设为预期样本；
基于获取到的PET离型膜的厚度和去粘剂的粘度，对若干个预期样本做进一步筛选，当预期样本中的PET离型膜的厚度和去粘剂的粘度与获取到的获取PET离型膜的厚度和去粘剂的粘度均相同时，将该预期样本设为执行样本；
基于执行样本中的第一初始值和第二初始值分别对上料间隙进行调整和控厚间隔进行调整。
如图3所示，在本实施例中，还提出了一种智能控制去粘层厚度的系统，包括：
获取模块301，用于获取PET离型膜的厚度、去粘剂的粘度、上料间隙的第一初始值和控厚间隔的第二初始值，并基于动态预测模型对去粘层的厚度进行预测以获得预测值；
调整模块302，用于若预测值和去粘层厚度的目标值不同，则根据目标值获得上料间隙的第一调整值和控厚间隔的第二调整值，并根据第一调整值对上料间隙进行调整，以及根据第二调整值对控厚间隔进行调整。
其中，动态预测模型的建立包括：
获取多组独立的测试样本，测试样本包括输入参数和输出参数，输入参数包括PET离型膜的厚度、去粘剂的粘度、第一初始值和第二初始值，输出参数包括与输入参数相对应的去粘层厚度的实际测量值；
利用输入参数和输出参数，训练神经网络模型；通过迭代训练更新神经网络模型的权重参数、偏置参数以及学习因子；
若神经网络模型预测的去粘层厚度的特征值与实际测量的去粘层厚度的特征值，处于预设范围，则训练结束；
保存最后更新的权重参数、偏置参数以及学习因子，并获得动态预测模型。
在本实施例中，还提出了去粘层生产设备，包括控制模块用于执行上文中所提到的方法。
参阅图4-图6，该去粘层生产设备还包括中心轴相互平行的驱动辊筒5、上料辊筒4、控厚模组和卷绕有PET离型膜10的送料轴9，上料辊筒4、控厚模组均与驱动辊筒5传动相连。
驱动辊筒5可通过电机驱动，上料辊筒4和控厚模块可通过齿轮传动机构、皮带转动机构等实现与驱动辊筒5之间的传动连接。为了对PET离型膜10进行支撑和导向，去粘层生产设备上设置有支撑导向轴14。在本实施例中，驱动辊筒5、上料辊筒4、控厚模组和卷绕有PET离型膜10的送料轴9均安装于装置主体1上，其中，装置主体1上设置有控制面板2，通过控制面孔可以实现去粘层生产设备的启停、驱动辊筒5转速的控制等。
上料辊筒4的中心轴位于驱动辊筒5的中心轴的下方，上料辊筒4与驱动辊筒5两者的外周面之间具有上料间隙。
控厚模组的中心轴位于驱动辊筒5的中心轴的上方，控厚模组与驱动辊筒5两者的外周面之间具有控厚间隔。
PET离型膜10穿过控厚间隔，并与伸入至一压延机11内，其中，压延机11用于驱使PET离型膜10移动，并使得未固化的导热硅胶垫片与PET离型膜10压合成型。
上料辊筒4的下方设置载料盘3，载料盘3用于装载呈流体状态的去粘剂，其中，上料辊筒4的外周面部分浸没于去粘剂中。流体状体的去粘剂具有粘形且上料辊筒4的外周面部分浸没于去粘剂中，所以，当上料辊筒4转动时，黏附在上料辊筒4外周面的去粘剂会随着上料辊筒4转动。
在本实施例中，去粘剂为一种或多种含硅或含氟的有机化合物，另外，该去粘剂不含有机溶剂，在使用过程中不需要使用任何有机溶剂进行稀释。去粘剂用于附着在PET离型膜10的表面，并构成去粘层。去粘层的厚度，即为PET离型膜10的表面上去粘剂的厚度。
上料辊筒4用于通过转动将去粘剂经上料间隙转移至驱动辊筒5的外周面上，驱动辊筒5用于通过转动将自身外周面上黏附的去粘剂转移至PET离型膜10的表面上。其中，去粘剂转移至PET离型膜10的表面上后，PET离型膜10和去粘剂便构成了第一去粘膜。第一去粘膜继续移动，并经过控厚间隙后，在控厚间隙的作用下去除第一去粘膜上多余的去粘剂，由此获得第二去粘膜，其中，第二去粘膜由PET离型膜10和处于预期厚度区间的去粘层所构成。
粘有去粘剂的PET离型膜10水平进入导热垫片压延机11的进料台，与导热硅胶的胶料一起通过挡板12与成型辊13，从而压合成型获得半成品，然后半成品在压延线牵引力的作用下通过带式烤炉进行硫化成型，并实现表面去粘的导热硅胶垫片。其中，去粘剂贴合于导热硅胶垫片的一侧表面上，并最终得到单面去粘的导热硅胶片。去粘剂固化后，其粘性会变的极低且远低于固化的导热硅胶垫片。固化导热硅胶垫片的粘性为固化去粘剂的粘性的至少10倍以上。
上料辊筒4与驱动辊筒5两者中心轴之间的高度差决定了上料间隙的大小，而上料间隙控制了去粘剂的上料厚度。控厚模组与驱动辊筒5两者中心轴之间的高度差决定了转移至PET离型膜10上的去粘剂的厚度。
如果未设置上料间隙，那么实际操作过程中，则难以实现PET离型膜10上去粘剂厚度的精准控制，且容易出现厚度不均的情况。在本实施例中，通过上料间隙和控厚间隔的相互配合，实现了对附着于PET离型膜10上的去粘剂的厚度的精准控制，且有效地保证了各处厚度的一致性。
预期厚度区间为第二区间的真子集，第二区间为第一区间的真子集。超过，包括大于对应区间的最大值或小于对应区间的最小值。真子集请参考数学中的定义，文中不再赘述。
在本实施例中，可通过激光位移传感器8对黏附于PET离型膜10表面上的去粘剂的厚度进行实时监测。
为了能够更加准确地控制PET离型膜10上去粘剂的厚度，控厚模组包括转动方向相同的第一控厚辊筒6和第二控厚辊筒7，第一控厚辊筒6和第二控厚辊筒7两者的中心轴均与驱动辊筒5的中心轴平行，且均位于驱动辊筒5的中心轴的上方。
在本实施例中，控厚间隔包括第一控厚间隙和第二控厚间隙，第一控厚间隙大于第二控厚间隙。其中，PET离型膜10依次穿过第一控厚间隙和第二控厚间隙后，伸入至压延机11内。
第一控厚间隙位于第一控厚辊筒6与驱动辊筒5两者的外周面之间，第二控厚间隙位于第二控厚辊筒7与驱动辊筒5两者的外周面之间。
在本实施例中，第一控厚辊筒6和第二控厚辊筒7两者的外径相同。其中，第一控厚辊筒6与驱动辊筒5两者中心轴之间的距离始终大于第二控厚辊筒7与驱动辊筒5两者中心轴之间的距离，这意味着，第一控厚间隙大于第二控厚间隙。
PET离型膜10的厚度是确定的。当附着有去粘剂的PET离型膜10经过第一控厚间隙后，便可以实现对PET离型膜10上的去粘剂的厚度的粗调节；随后PET离型膜10经过第二控厚间隙，从实现对PET离型膜10上的去粘剂的厚度的精调节。如此，在第一控厚间隙和第二控厚间隙的作用下，使得PET离型膜10上的去粘层达到预期厚度区间。
在本实施例中，驱动辊筒5的中心轴与装置主体1之间位置关系是相对固定的，上料辊筒4、第一控厚辊筒6和第二控厚辊筒7在竖直方向的位置可进行调整，其中，通过对应的直线电机等直线驱动装置或机构实现对上料辊筒4、第一控厚辊筒6和第二控厚辊筒7的位置调节，由此实现上料间隙、第一控厚间隙和第二控厚间隙的大小的调整。
导热硅胶垫片上去粘涂层的厚度非常薄，通常为0.1mm以下，所以，上料辊筒4、第一控厚辊筒6和第二控厚辊筒7的高度调整数值也非常小，为此不会影响到上料辊筒4、第一控厚辊筒6和第二控厚辊筒7与驱动辊筒5之间的传动连接。
为了避免去粘剂的浪费，驱动辊筒5、上料辊筒4、第一控厚辊筒6和第二控厚辊筒7四者均位于载料盘3的正上方，具体的，竖直朝向载料盘3进行投影时，驱动辊筒5、上料辊筒4、第一控厚辊筒6和第二控厚辊筒7四者的投影均位于载料盘3内。去粘层生产设备运行时，黏附于驱动辊筒5、上料辊筒4、第一控厚辊筒6或/和第二控厚辊筒7上的多余的去粘剂会在重力的作用下掉落在载料盘3中。
在本实施例中，去粘层生产设备还包括加热装置。加热装置用于基于预期温度区间与预期粘度之间的对应关系对载料盘3内的去粘剂进行加热，以将去粘剂的粘度的温度恒定在预期温度区间。其中，去粘剂的粘度的温度达到预期温度区间时，去粘剂的粘度处于预期粘度区间。
加热装置可包括模温机、冷水机、换热器和温控器等。模温机主要由加热器、冷却系统和液体温度传感器等组成；加热器接受温控器自动控制的指令经电能转化为热能，将模温机内的导热介质如水或导热油进行自动控制加热；温控器与控制面板2集成安装，并接受与控制面板2所连接的电脑发出的自动控制指令，自动调节加热器的功率，自动控制导热介质的温度升降，从而能够保持导热介质的温度恒定。冷却系统将模温机的导热介质的热量通过板式或盘管式换热器传给与之相连的冷水机的恒温循环冷却水来散热，将多余的热量排出，保持模温机的导热介质的温度稳定地控制在要求的范围内。模温机的具体结构可参照现有技术，文中不再赘述。
在本实施例中，加热装置包括温度检测器和粘度检测器，温度检测器用于实时检测载料盘3内的去粘剂的温度，粘度检测器用于检测载料盘3内的去粘剂的粘度。
粘度检测器可包括导流泵、导流管道和液体粘度传感器，导流泵驱使去粘剂在导流管道内流动，通过液体粘度传感器检测导流管道内流动的去粘剂的粘度数据，由此实现了对去粘剂的粘度的检测。
在本实施例中，预期温度区间与预期粘度之间对应关系的建立包括如下步骤：
加热装置对去粘剂进行加热，并通过粘度检测器实时检测去粘剂的粘度，当去粘剂的粘度处于预期粘度区间时，记录温度检测器所检测到的去粘剂的当前温度，并将当前温度设为预期温度区间。
进一步的，上述步骤还包括：
加热装置先将去粘剂加热至初始温度，随后，每间隔设定时长，加热装置提升一次加热温度，以使得去粘剂升高设定温度，直至去粘剂的粘度达到预设粘度区间。
初始温度可根据室温进行调整，初始温度应高于室温，例如初始温度可设为30℃、34℃等等；设定时长可根据去粘剂的容量来调整，为了保证载料盘3内的去粘剂可以得到充分的加热，且各处温度相同，设定时长可为5分钟或10分钟等等；每次可使去粘剂在当前温度的基础上升高2℃或5℃等等。
在本实施例中，去粘层生产设备还包括液位检测模块，液位检测模块用于检测载料盘3内的去粘剂的液位高度。当载料盘3内的去粘剂的液位高度低于预设值时，控制模块生成报警信号。其中，液位检测模块可采用非接触的液位传感器。
尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (7)
1.一种智能控制去粘层厚度的方法，其特征在于，包括：
获取PET离型膜的厚度、去粘剂的粘度、上料间隙的第一初始值和控厚间隔的第二初始值，并基于动态预测模型对去粘层的厚度进行预测以获得预测值；
若所述预测值和所述去粘层厚度的目标值不同，则根据所述目标值获得所述上料间隙的第一调整值和所述控厚间隔的第二调整值，并根据所述第一调整值对所述上料间隙进行调整，以及根据所述第二调整值对所述控厚间隔进行调整；
所述上料间隙用于供所述去粘剂通过；通过所述上料间隙的所述去粘剂黏附于所述PET离型膜上，且随所述PET离型膜一同经过所述控厚间隔；所述去粘剂随所述PET离型膜经过所述控厚间隔后，在所述PET离型膜上形成所述去粘层；
其中，所述动态预测模型的建立包括：
获取多组独立的测试样本，所述测试样本包括输入参数和输出参数，所述输入参数包括所述PET离型膜的厚度、所述去粘剂的粘度、所述第一初始值和所述第二初始值，所述输出参数包括与所述输入参数相对应的所述去粘层厚度的实际测量值；
利用所述输入参数和所述输出参数，训练神经网络模型；通过迭代训练更新所述神经网络模型的权重参数、偏置参数以及学习因子；
若所述神经网络模型预测的所述去粘层厚度的特征值与实际测量的所述去粘层厚度的特征值，处于预设范围，则训练结束；
保存最后更新的权重参数、偏置参数以及学习因子，并获得所述动态预测模型；
在多组所述测试样本中，第i个所述测试样本的输入特征向量xi的函数f(xi)的函数表达式为：f(xi)=aωTxi+b，其中，ωT为权重参数，b为偏置参数，a为学习因子；
判断训练是否结束的方法包括：
以f(xi)为中心，构建宽度为2σ的范围带，若n个验证样本均落在所述范围带内，则判定预测结果正确，并结束训练；
设定所述PET离型膜的厚度、所述去粘剂的粘度、所述第一初始值和所述第二初始值各自的区间范围；
生成学习样本；所述学习样本：以所述PET离型膜的厚度、所述去粘剂的粘度、所述第一初始值和所述第二初始值中的一者作为变量，其余作为定量，其中，在所述变量对应的所述区间范围内，线性调节所述变量的大小；
将所述学习样本输入所述动态预测模型中，并输出与所述学习样本对应的所述去粘层厚度的所述预测值；
建立基于所述学习样本与所述预测值对应关系的数据库；
所述根据所述目标值获得所述上料间隙的第一调整值和所述控厚间隔的第二调整值，并根据所述第一调整值对所述上料间隙进行调整，以及根据所述第二调整值对所述控厚间隔进行调整包括：
获取所述PET离型膜的厚度、所述去粘剂的粘度和所述目标值；
将所述目标值设为所述预测值，并在所述数据库中筛选与所述预测值相对应的若干个所述学习样本，其中，将筛选出的所述学习样本设为预期样本；
基于获取到的所述PET离型膜的厚度和所述去粘剂的粘度，对若干个所述预期样本做进一步筛选，当所述预期样本中的所述PET离型膜的厚度和所述去粘剂的粘度与获取到的获取所述PET离型膜的厚度和所述去粘剂的粘度均相同时，将该所述预期样本设为执行样本；
基于所述执行样本中的所述第一初始值和所述第二初始值分别对所述上料间隙进行调整和所述控厚间隔进行调整。
2.一种智能控制去粘层厚度的系统，其特征在于，用于执行权利要求1所述的智能控制去粘层厚度的方法，所述智能控制去粘层厚度的系统包括：
获取模块，用于获取PET离型膜的厚度、去粘剂的粘度、上料间隙的第一初始值和控厚间隔的第二初始值，并基于动态预测模型对去粘层的厚度进行预测以获得预测值；
调整模块，用于若所述预测值和所述去粘层厚度的目标值不同，则根据所述目标值获得所述上料间隙的第一调整值和所述控厚间隔的第二调整值，并根据所述第一调整值对所述上料间隙进行调整，以及根据所述第二调整值对所述控厚间隔进行调整；
所述上料间隙用于供所述去粘剂通过；通过所述上料间隙的所述去粘剂黏附于所述PET离型膜上，且随所述PET离型膜一同经过所述控厚间隔；所述去粘剂随所述PET离型膜经过所述控厚间隔后，在所述PET离型膜上形成所述去粘层；
其中，所述动态预测模型的建立包括：
获取多组独立的测试样本，所述测试样本包括输入参数和输出参数，所述输入参数包括所述PET离型膜的厚度、所述去粘剂的粘度、所述第一初始值和所述第二初始值，所述输出参数包括与所述输入参数相对应的所述去粘层厚度的实际测量值；
利用所述输入参数和所述输出参数，训练神经网络模型；通过迭代训练更新所述神经网络模型的权重参数、偏置参数以及学习因子；
若所述神经网络模型预测的所述去粘层厚度的特征值与实际测量的所述去粘层厚度的特征值，处于预设范围，则训练结束；
保存最后更新的权重参数、偏置参数以及学习因子，并获得所述动态预测模型。
3.一种去粘层生产设备，其特征在于，包括控制模块，所述控制模块用于执行权利要求1所述的方法；
所述生产设备还包括中心轴相互平行的驱动辊筒、上料辊筒、控厚模组和卷绕有PET离型膜的送料轴，所述上料辊筒、所述控厚模组均与所述驱动辊筒传动相连；
所述上料辊筒的中心轴位于所述驱动辊筒的中心轴的下方，所述上料辊筒与所述驱动辊筒两者的外周面之间具有上料间隙；所述控厚模组的中心轴位于所述驱动辊筒的中心轴的上方，所述控厚模组与所述驱动辊筒两者的外周面之间具有控厚间隔；其中，所述PET离型膜穿过所述控厚间隔，并与伸入至一压延机内，其中，所述压延机用于驱使所述PET离型膜移动，并使得未固化的导热硅胶垫片与所述PET离型膜压合成型；
所述上料辊筒的下方设置载料盘，所述载料盘用于装载呈流体状态的去粘剂；所述上料辊筒的外周面部分浸没于所述去粘剂中；
所述上料辊筒用于通过转动将所述去粘剂经所述上料间隙转移至所述驱动辊筒的外周面上，所述驱动辊筒用于通过转动将自身外周面上黏附的所述去粘剂转移至经过所述控厚间隔的所述PET离型膜的表面上。
4.根据权利要求3所述的去粘层生产设备，其特征在于，所述控厚模组包括转动方向相同的第一控厚辊筒和第二控厚辊筒，所述第一控厚辊筒和所述第二控厚辊筒两者的中心轴均与所述驱动辊筒的中心轴平行，且均位于所述驱动辊筒的中心轴的上方；
所述控厚间隔包括第一控厚间隙和第二控厚间隙，所述第一控厚间隙大于所述第二控厚间隙；所述第一控厚间隙位于所述第一控厚辊筒与所述驱动辊筒两者的外周面之间，所述第二控厚间隙位于所述第二控厚辊筒与所述驱动辊筒两者的外周面之间；
所述PET离型膜依次穿过所述第一控厚间隙和所述第二控厚间隙后，伸入至所述压延机内。
5.根据权利要求4所述的去粘层生产设备，其特征在于，竖直朝向所述载料盘进行投影时，所述驱动辊筒、所述上料辊筒、所述第一控厚辊筒和所述第二控厚辊筒四者的投影均位于所述载料盘内。
6.根据权利要求3所述的去粘层生产设备，其特征在于，还包括加热装置；所述加热装置用于基于预期温度区间与预期粘度之间的对应关系对所述载料盘内的所述去粘剂进行加热，以将所述去粘剂的粘度的温度恒定在所述预期温度区间；其中，所述去粘剂的粘度的温度达到所述预期温度区间时，所述去粘剂的粘度处于所述预期粘度区间；
所述加热装置包括温度检测器和粘度检测器，所述温度检测器用于实时检测所述载料盘内的所述去粘剂的温度，所述粘度检测器用于检测所述载料盘内的所述去粘剂的粘度。
7.根据权利要求3所述的去粘层生产设备，其特征在于，还包括液位检测模块，所述液位检测模块用于检测所述载料盘内的所述去粘剂的液位高度；当所述载料盘内的所述去粘剂的液位高度低于预设值时，所述控制模块生成报警信号。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311714744.5A CN117420807B (zh) | 2023-12-14 | 2023-12-14 | 一种智能控制去粘层厚度的方法、系统及生产设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311714744.5A CN117420807B (zh) | 2023-12-14 | 2023-12-14 | 一种智能控制去粘层厚度的方法、系统及生产设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117420807A CN117420807A (zh) | 2024-01-19 |
| CN117420807B true CN117420807B (zh) | 2024-03-12 |
Family
ID=89531083
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311714744.5A Active CN117420807B (zh) | 2023-12-14 | 2023-12-14 | 一种智能控制去粘层厚度的方法、系统及生产设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117420807B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118314130B (zh) * | 2024-06-06 | 2024-08-23 | 深圳市富邦新材科技有限公司 | 一种基于机器视觉的硅胶成型质量控制方法及系统 |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110565039A (zh) * | 2019-10-21 | 2019-12-13 | 中冶南方工程技术有限公司 | 一种热镀锌机组锌层厚度控制方法 |
| CN111664823A (zh) * | 2020-05-25 | 2020-09-15 | 重庆大学 | 基于介质热传导系数差异的均压电极垢层厚度检测方法 |
| CN112083694A (zh) * | 2020-07-30 | 2020-12-15 | 中国恩菲工程技术有限公司 | 氧气底吹铜吹炼过程反馈控制方法、装置及电子设备 |
| CN113299352A (zh) * | 2020-08-20 | 2021-08-24 | 湖南长天自控工程有限公司 | 一种烧结台车的料层厚度动态预测系统及方法 |
| CN113289541A (zh) * | 2020-08-20 | 2021-08-24 | 湖南长天自控工程有限公司 | 一种基于混匀度预测的混合机控制系统及方法 |
| CN113295000A (zh) * | 2020-08-20 | 2021-08-24 | 中冶长天国际工程有限责任公司 | 一种基于料层厚度预测的布料控制系统及方法 |
| CN113569343A (zh) * | 2021-05-19 | 2021-10-29 | 苏州大学 | 板材轧制厚度的控制方法、装置、系统及存储介质 |
| CN113962150A (zh) * | 2021-10-20 | 2022-01-21 | 中冶长天(长沙)智能科技有限公司 | 一种烧结混合料粒度预测方法及系统 |
| CN114528767A (zh) * | 2022-02-22 | 2022-05-24 | 中国石油大学(华东) | 基于嵌入式图神经网络的井间动态连通性预测方法及系统 |
| CN115345212A (zh) * | 2021-05-13 | 2022-11-15 | 华为技术有限公司 | 一种基于机器学习模型的控制方法和装置 |
| CN116053164A (zh) * | 2023-01-04 | 2023-05-02 | 长鑫存储技术有限公司 | 一种关键尺寸控制方法及系统 |
| CN116637762A (zh) * | 2023-05-29 | 2023-08-25 | 深圳市德镒盟电子有限公司 | 一种用于卷材硅泡棉表面涂胶的涂覆设备及其控制方法 |
| CN116957006A (zh) * | 2023-01-31 | 2023-10-27 | 腾讯科技（深圳）有限公司 | 预测模型的训练方法、装置、设备、介质及程序产品 |
-
2023
- 2023-12-14 CN CN202311714744.5A patent/CN117420807B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110565039A (zh) * | 2019-10-21 | 2019-12-13 | 中冶南方工程技术有限公司 | 一种热镀锌机组锌层厚度控制方法 |
| CN111664823A (zh) * | 2020-05-25 | 2020-09-15 | 重庆大学 | 基于介质热传导系数差异的均压电极垢层厚度检测方法 |
| CN112083694A (zh) * | 2020-07-30 | 2020-12-15 | 中国恩菲工程技术有限公司 | 氧气底吹铜吹炼过程反馈控制方法、装置及电子设备 |
| CN113299352A (zh) * | 2020-08-20 | 2021-08-24 | 湖南长天自控工程有限公司 | 一种烧结台车的料层厚度动态预测系统及方法 |
| CN113289541A (zh) * | 2020-08-20 | 2021-08-24 | 湖南长天自控工程有限公司 | 一种基于混匀度预测的混合机控制系统及方法 |
| CN113295000A (zh) * | 2020-08-20 | 2021-08-24 | 中冶长天国际工程有限责任公司 | 一种基于料层厚度预测的布料控制系统及方法 |
| CN115345212A (zh) * | 2021-05-13 | 2022-11-15 | 华为技术有限公司 | 一种基于机器学习模型的控制方法和装置 |
| CN113569343A (zh) * | 2021-05-19 | 2021-10-29 | 苏州大学 | 板材轧制厚度的控制方法、装置、系统及存储介质 |
| CN113962150A (zh) * | 2021-10-20 | 2022-01-21 | 中冶长天(长沙)智能科技有限公司 | 一种烧结混合料粒度预测方法及系统 |
| CN114528767A (zh) * | 2022-02-22 | 2022-05-24 | 中国石油大学(华东) | 基于嵌入式图神经网络的井间动态连通性预测方法及系统 |
| CN116053164A (zh) * | 2023-01-04 | 2023-05-02 | 长鑫存储技术有限公司 | 一种关键尺寸控制方法及系统 |
| CN116957006A (zh) * | 2023-01-31 | 2023-10-27 | 腾讯科技（深圳）有限公司 | 预测模型的训练方法、装置、设备、介质及程序产品 |
| CN116637762A (zh) * | 2023-05-29 | 2023-08-25 | 深圳市德镒盟电子有限公司 | 一种用于卷材硅泡棉表面涂胶的涂覆设备及其控制方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117420807A (zh) | 2024-01-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117420807B (zh) | 一种智能控制去粘层厚度的方法、系统及生产设备 | |
| US7204686B2 (en) | Parallelism adjustment device | |
| US11338491B2 (en) | Control apparatus for producing and/or handling a plastic film | |
| EP3192647B1 (en) | Operation of a tire vulcanization system | |
| EP3192648B1 (en) | Regulating temperature during tire vulcanization | |
| JP7187193B2 (ja) | 定着装置 | |
| CN116638848B (zh) | 一种用于层压机的控温电加热装置、方法及层压机 | |
| CN203141979U (zh) | 一种覆膜铁压膜辊 | |
| CN116373197A (zh) | 一种橡胶生产设备和方法 | |
| CN117124568A (zh) | 一种电缆保护管生产用挤出机温度控制系统 | |
| CN107500519B (zh) | 一种玻璃板钢化工艺过程控制方法 | |
| CN210174188U (zh) | 一种bopp薄膜铸膜片双向拉伸预热机构 | |
| EP1325806B1 (en) | Method of manufacturing sheet | |
| CN106994777A (zh) | 一种新型光固化微压印成型技术及设备 | |
| CN118358101B (zh) | 一种地板加工成型控制系统、方法、装置和存储介质 | |
| WO2019009435A1 (ja) | 定着用部材の製造方法 | |
| CN116550543B (zh) | 一种离线式真空灌胶机及控制系统 | |
| JP2991340B2 (ja) | 多層構造ローラの製造方法 | |
| CN116061368A (zh) | 一种硅橡胶卷材的连续制备方法及装置 | |
| CN118192700A (zh) | 高稳定光纤活动连接器生产用固化炉温度控制系统 | |
| CN107522391B (zh) | 一种玻璃板钢化工艺过程控制方法 | |
| CN118358101A (zh) | 一种地板加工成型控制系统、方法、装置和存储介质 | |
| CN117507203A (zh) | 一种热压罐动态控制方法 | |
| SU1766693A1 (ru) | Способ вакуум-автоклавного формовани изделий из композиционных материалов | |
| CN117382225A (zh) | 一种热压罐固化度动态控制方法和装置 |
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 |