CN117829001A - 一种基于遗传算法的上胶量控制方法、系统、设备及介质 - Google Patents
一种基于遗传算法的上胶量控制方法、系统、设备及介质 Download PDFInfo
- Publication number
- CN117829001A CN117829001A CN202410244981.8A CN202410244981A CN117829001A CN 117829001 A CN117829001 A CN 117829001A CN 202410244981 A CN202410244981 A CN 202410244981A CN 117829001 A CN117829001 A CN 117829001A
- Authority
- CN
- China
- Prior art keywords
- individuals
- sizing
- feasible
- influence factors
- genetic algorithm
- 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.)
- Granted
Links
- 238000004513 sizing Methods 0.000 title claims abstract description 75
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 44
- 230000002068 genetic effect Effects 0.000 title claims abstract description 44
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000000576 coating method Methods 0.000 claims abstract description 59
- 239000011248 coating agent Substances 0.000 claims abstract description 56
- 238000005457 optimization Methods 0.000 claims abstract description 26
- 238000012544 monitoring process Methods 0.000 claims abstract description 11
- 230000009191 jumping Effects 0.000 claims abstract description 7
- 239000003292 glue Substances 0.000 claims description 42
- 230000006870 function Effects 0.000 claims description 19
- 238000004519 manufacturing process Methods 0.000 claims description 14
- 238000004026 adhesive bonding Methods 0.000 claims description 13
- 239000000758 substrate Substances 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 6
- 230000035772 mutation Effects 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 235000013399 edible fruits Nutrition 0.000 claims description 3
- 238000003860 storage Methods 0.000 claims description 3
- 230000000875 corresponding effect Effects 0.000 description 26
- 230000007613 environmental effect Effects 0.000 description 16
- 230000008569 process Effects 0.000 description 14
- 230000001276 controlling effect Effects 0.000 description 10
- 230000008859 change Effects 0.000 description 7
- 239000010410 layer Substances 0.000 description 7
- 230000008901 benefit Effects 0.000 description 3
- 238000003756 stirring Methods 0.000 description 3
- 230000004888 barrier function Effects 0.000 description 2
- 239000002131 composite material Substances 0.000 description 2
- 150000001875 compounds Chemical class 0.000 description 2
- 239000012467 final product Substances 0.000 description 2
- 239000002994 raw material Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 239000011241 protective layer Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B05—SPRAYING OR ATOMISING IN GENERAL; APPLYING FLUENT MATERIALS TO SURFACES, IN GENERAL
- B05C—APPARATUS FOR APPLYING FLUENT MATERIALS TO SURFACES, IN GENERAL
- B05C11/00—Component parts, details or accessories not specifically provided for in groups B05C1/00 - B05C9/00
- B05C11/10—Storage, supply or control of liquid or other fluent material; Recovery of excess liquid or other fluent material
- B05C11/1002—Means for controlling supply, i.e. flow or pressure, of liquid or other fluent material to the applying apparatus, e.g. valves
- B05C11/1005—Means for controlling supply, i.e. flow or pressure, of liquid or other fluent material to the applying apparatus, e.g. valves responsive to condition of liquid or other fluent material already applied to the surface, e.g. coating thickness, weight or pattern
-
- 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
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Biophysics (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Physiology (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- General Health & Medical Sciences (AREA)
- Genetics & Genomics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Application Of Or Painting With Fluid Materials (AREA)
Abstract
本发明涉及涂布上胶技术领域，公开了一种基于遗传算法的上胶量控制方法、系统、设备及介质，包括如下步骤：S1、确定影响上胶量的影响因子并采集所述影响因子；S2、建立上胶优化配置模型，并基于遗传算法求解所述上胶优化配置模型得到可行解集合，所述可行解集合内的每个可行个体均包括所有已匹配完成的影响因子；S3、从所述可行解集合中找到某一个预定义的最适个体，根据所述最适个体所对应的影响因子进行执行设备的参数设置；S4、对所有的所述影响因子进行监控；S5、根据新找到的可行个体所对应的影响因子修改对应的执行设备的参数，并跳转至S4。通过本发明的方法，可以对上胶量进行一个监控，保证上胶量的均匀性。
Description
技术领域
本发明涉及涂布上胶技术领域，具体涉及一种基于遗传算法的上胶量控制方法、系统、设备及介质。
背景技术
药用复合膜的生产一般采用的是干法复合工艺，首先对保护层基材进行里层印刷，印刷后进行品检，剔除外观不合格产品，然后再里层涂胶并干燥后与阻隔层基材复合，然后在中间层上涂胶并干燥后与热封层基材复合，复合后进行固化，最后，可根据客户需要直接分割成膜。
在进行阻隔层基材复合时，将外层印刷完成的基材转移至干法复合机放卷部，控制放卷张力放卷后，进入涂胶工序。在进行涂胶时，上胶量的控制十分重要，过多或者过少都会影响最后成品的质量，在现有进行工艺时，需要根据上胶量确定上胶参数，而上胶参数往往会有多个，上胶参数会直接影响最后质量，目前，针对于相关参数的设置，通常是直接根据经验进行相关工艺参数的查询以及人工设置，但是，在进行上胶过程中会出现很多不可控因素，如果有些参数在进行上胶过程中发生改变，也会影响最后涂布在基材上的上胶量。因此，如何控制涂胶时的上胶量，以保证最后的成品达到合格，是需要考虑的问题。
发明内容
本发明提供一种基于遗传算法的上胶量控制方法、系统、设备及介质，以解决上述问题。
本发明通过下述技术方案实现：
一种基于遗传算法的上胶量控制方法，包括如下步骤：
S1、确定影响上胶量的影响因子并采集所述影响因子；
S2、建立上胶优化配置模型，对所述影响因子进行编码，并基于遗传算法求解所述上胶优化配置模型得到可行解集合，所述可行解集合包括至少一个元素，一个所述元素为一个可行个体，所述可行解集合内的每个可行个体均包括所有已匹配完成的影响因子，且将某一个或者某几个所述可行个体定义为最适个体，所述最适个体中的影响因子对应匹配最多的最佳生产条件；
S3、从所述可行解集合中找到某一个预定义的最适个体，根据所述最适个体所对应的影响因子进行执行设备的参数设置；
S4、对所有的所述影响因子进行监控，当某一影响因子或某几个影响因子在该影响因子的约束范围内发生改变时，判断能否从所述可行解集合中找到对应的可行个体，若可以，则跳转至S5，否则，停止生产，并报警；
S5、根据新找到的可行个体所对应的影响因子修改对应的执行设备的参数，并跳转至S4。
作为优化，所述影响因子包括涂布压力、环境温度、环境湿度和涂布胶辊转速。
作为优化，S2的具体步骤为：
S2.1、设置遗传算法的迭代次数、每代种群中的待求解个体的个数；
S2.2、建立上胶优化配置模型，所述上胶优化配置模型包括目标函数和总约束条件，其中，所述目标函数为：
；
为涂布在基材上的实际上胶量，单位为g//>，/>、/>分别为上胶量的上限值和下限值；
S2.3、对涂布压力F、环境温度K、环境湿度RH和涂布胶辊转速v进行编码得到待求解个体的编码值，并基于总约束条件随机生成由若干待求解个体形成初始种群，令该初始种群为父代种群，令所述父代种群中的待求解个体为父代个体，每个所述父代个体的编码值均包括涂布压力F、环境温度K、环境湿度RH和涂布胶辊转速v；
S2.4、根据所述父代种群的各个所述父代个体的编码值进行涂布上胶，得到实际上胶量，该实际上胶量/>即为进行模拟涂布的上胶结果；
S2.5、根据上胶结果计算适应度函数，并根据所述适应度函数计算所述父代种群中每个所述待父代个体的适应度值并排序；
S2.6、保存所述父代种群中前M个适应度值最大的待父代个体，在从除前M个适应度值最大的父代个体以外的所有父代个体中通过轮盘赌选择父代个体进行交叉变异操作得到子代个体，再计算交叉变异后的所述子代个体的适应度值并进行排序，按适应度值重插入子代个体到所述父代种群中，选择设定个数的待求解个体形成新的父代种群，然后返回S2.4；
S2.7、重复S2.4-S2.6，直到达到迭代次数或者目标函数值在规定阈值范围内，最终得到的父代群体即为可行解集合，所述父代群体中的父代个体即为可行个体。
作为优化，所述适应度函数。
作为优化，所述总约束条件包括温度约束、湿度约束、压力约束和转速约束，其中，
所述温度约束表示为：
；
单位为摄氏度；
所述湿度约束表示为：
；
所述压力约束表示为：
；
单位为Mpa；
所述转速约束表示为：
；
单位为转/分。
本发明还公开了一种基于遗传算法的上胶量控制系统，使用前述的一种基于遗传算法的上胶量控制方法，包括：
采集模块，用于采集影响因子；
模型建立模块，用于建立上胶优化配置模型，对所述影响因子进行编码，并基于遗传算法求解所述上胶优化配置模型得到可行解集合，所述可行解集合包括至少一个元素，一个所述元素为一个可行个体，所述可行解集合内的每个可行个体均包括所有已匹配完成的影响因子，且将某一个或者某几个所述可行个体定义为最适个体，所述最适个体中的影响因子对应匹配最多的最佳生产条件；
匹配模块，用于从所述可行解集合中找到某一个预定义的最适个体，根据所述最适个体所对应的影响因子进行执行设备的参数设置；
监控模块，用于对所述采集模块采集的所述影响因子进行监控，当某一影响因子或某几个影响因子在该影响因子的约束范围内发生改变时，判断能否从所述可行解集合中找到对应的可行个体；
执行模块，用于根据新找到的可行个体所对应的影响因子修改对应的执行设备的参数。
作为优化，所述采集模块包括环境温度传感器、环境湿度传感器、压力传感器以及转速传感器。
作为优化，所述执行设备包括温湿度控制设备、控制涂布胶辊转速的电机以及控制涂布胶辊压力的压力控制设备。
本发明还公开了一种电子设备，包括至少一个处理器，以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如前述的一种基于遗传算法的上胶量控制方法。
本发明还公开了一种存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现前述的一种基于遗传算法的上胶量控制方法。
本发明与现有技术相比，具有如下的优点和有益效果：
通过本发明的方法，可以对上胶量进行一个监控，当影响上胶量的影响因子发生改变时，可以对应改变其他影响因子的数值，使得上胶量能够管控在规定的范围内，保证上胶量的均匀性。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解，构成本申请的一部分，并不构成对本发明实施例的限定。在附图中：
图1为本发明所述的一种基于遗传算法的上胶量控制方法的流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。
本实施例1提供一种基于遗传算法的上胶量控制方法，如图1所示，包括如下步骤：
S1、确定影响上胶量的影响因子并采集所述影响因子；
影响上胶量的主要因素是涂布压力、胶水粘度以及涂布胶辊转速，而通常影响胶水的粘度的主要因素是胶水的搅拌程度、胶水的原料以及环境因素（环境温度和环境湿度），在进行工艺过程中，胶水的原料是已经确定的，将ab胶进行混合搅拌，胶水的搅拌时间以及搅拌转速也是设定好的，可以保证胶水能够得到充分的搅拌，因此，在对基材进行上胶的过程中，由于上胶过程会花费比较长的时间，因此涂布胶辊（涂布辊）会运行较长时间，因此，在整个上胶过程中，主要需要注意的影响因子包括涂布压力、环境温度、环境湿度和涂布胶辊转速。环境温度、环境湿度是指搅拌后的胶水所在胶槽处的温度和湿度。
所有的影响因子发生的变化均要基于约束条件下，否则超过约束条件会导致混合后的ab胶快速凝固，影响涂布。若某一影响因子超过约束条件，那么，此时需停止工作。
S2、建立上胶优化配置模型，对所述影响因子进行编码，并基于遗传算法求解所述上胶优化配置模型得到可行解集合，所述可行解集合包括至少一个元素，一个所述元素为一个可行个体，所述可行解集合内的每个可行个体均包括所有已匹配完成的影响因子，且将某一个或者某几个所述可行个体定义为最适个体，所述最适个体中的影响因子对应匹配最多的最佳生产条件；
本实施例中，S2的具体步骤为：
S2.1、设置遗传算法的迭代次数、每代种群中的待求解个体的个数；
S2.2、建立上胶优化配置模型，所述上胶优化配置模型包括目标函数和总约束条件，其中，所述目标函数为：
；
为涂布在基材上的实际上胶量，单位为g//>，/>、/>分别为上胶量的上限值和下限值；
这里的目标函数的意思实际上胶量要在规定的上胶量的上限值和下限值以内，在进行上胶优化配置模型的建立的时候，需要进行多次实验得到实际上胶量，而实际上胶量的采集可以通过如下手段得到：
使用在线测厚仪检测、使用涂胶样块称重检测、使用统计方法确定涂胶量、使用复合机参数模拟估算涂胶量、使用混胶机参数估算涂胶量。
所述总约束条件包括温度约束、湿度约束、压力约束和转速约束，其中，
所述温度约束表示为：
；
单位为摄氏度；
所述湿度约束表示为：
；
所述压力约束表示为：
；
单位为Mpa；
所述转速约束表示为：
；
单位为转/分。
S2.3、对涂布压力F、环境温度K、环境湿度RH和涂布胶辊转速v进行编码得到待求解个体的编码值，并基于总约束条件随机生成由若干待求解个体形成初始种群，令该初始种群为父代种群，令所述父代种群中的待求解个体为父代个体，每个所述父代个体的编码值均包括涂布压力F、环境温度K、环境湿度RH和涂布胶辊转速v；
具体的，通过正实数对上述的影响因子进行编码，如果涂布压力F为0.5，环境温度为25，环境湿度为50%，转速为50，那么，该待求解个体的编码值为0.5|25|0.5|50。环境湿度是以百分数表示，在进行编码时，可以转换成小数来进行表示。
S2.4、根据所述父代种群的各个所述父代个体的编码值进行涂布上胶，得到实际上胶量，该实际上胶量/>即为进行模拟涂布的上胶结果；
S2.5、根据上胶结果计算适应度函数，并根据所述适应度函数计算所述父代种群中每个所述父代个体的适应度值并排序；
所述适应度函数。
若实际上胶量在上限值/>和下限值/>以内，那么，将会等于/>，若实际上胶量/>不在上限值/>和下限值/>以内，若/>，则；若/>，则。因此，若实际上胶量在设定的上下限之内，适应度函数是最大的。
S2.6、保存所述父代种群中前M个适应度值最大的父代个体，在从除前M个适应度值最大的父代个体以外的所有父代个体中通过轮盘赌选择父代个体进行交叉变异操作得到子代个体，再计算交叉变异后的所述子代个体的适应度值并进行排序，按适应度值重插入子代个体到所述父代种群中，选择设定个数的待求解个体形成新的父代种群，然后返回S2.4；
S2.7、重复S2.4-S2.6，直到达到迭代次数或者目标函数值在规定阈值范围内，最终得到的父代群体即为可行解集合，所述父代群体中的父代个体即为可行个体。
S3、从所述可行解集合中找到某一个预定义的最适个体，根据最适个体所对应的影响因子进行执行设备的参数设置；所述最适个体中的影响因子对应匹配最多的最佳生产条件；
可行解集合中包含很多可行个体，那么，在进行初始设定时，需要选定一个可行个体来进行设备参数的设置。
在生产工艺过程中，都会设定最佳生产条件，因此，环境温度、环境湿度、涂布压力、涂布胶辊转速等均会有一个最佳设定值，那么，如果某一可行个体中的影响因子的数值与最佳环境温度、环境湿度、涂布压力、涂布胶辊转速均匹配，那么，该可行个体即为最适个体。
如果所有的可行解集合中，可行个体4个影响因子中最多有3个影响因子与最佳设定值匹配，那么，有3个影响因子与最佳设定值匹配的可行个体即为最适个体。如果最适个体有多个，可以根据实际情况来选择任意一个。
S4、对所有的所述影响因子进行监控，当某一影响因子或某几个影响因子在该影响因子的约束范围内发生改变时，判断能否从所述可行解集合中找到对应的可行个体，若可以，则跳转至S5，否则，停止生产，并报警；
S5、根据新找到的可行个体所对应的影响因子修改对应的执行设备的参数，并跳转至S4。
需要说明的是，如果影响因子的变化是可修复的（即可以重新恢复成最佳设定值），那么，在某一影响因子发生变化后，根据该影响因子发生变化后的数值会先从可行解集合找到对应的可行个体（新找到的可行个体的该影响因子为发生变化后的数值），然后修改对应的执行设备的参数。
例如，如果最适个体为a，如果环境温度变化，那么，控制湿度控制设备、电机以及压力控制设备进行相应的参数变化，使得环境湿度、涂布压力、涂布胶辊转速变化为对应的数值，此时对应的可行个体为b，如果控制环境温度的设备此时是正常的，可以通过升高温度或者降低温度来使环境温度达到最适个体对应的温度值，那么，在温度传感器检测到环境温度发生变化时，控制环境温度的设备可以进行相应的动作使得环境温度传感器处的温度达到最适个体的数值，在温度变化的过程中，其他几个影响因子也会进行相应的变化，这样的过程可以使得胶水上胶的过程全程都处于一个可以使上胶量在规定范围的工作环境中。
又比如，涂布胶辊的涂布压力和转速可能会因为一些设备磨损等或者控制环境的设备故障等导致不可修复的变化，且该变化在约束条件范围内，那么，在此次的涂布过程中就不需要将影响因子修复至最适个体对应的数值。如果整个涂布上胶过程中所有影响因子均不超过约束条件，那么，整个过程无需停止，只有当某一影响因子超过约束条件后，才停止上胶过程。
如果有两个或者两个以上的影响因子在约束范围内发生变化，且可行解中无对应的可行个体，说明此时的影响因子不适合生产，此时也应该停止上胶过程，并报警。
实施例2还公开了一种基于遗传算法的上胶量控制系统，使用实施例1的一种基于遗传算法的上胶量控制方法，包括：
采集模块，用于采集影响因子；
模型建立模块，用于建立上胶优化配置模型，对所述影响因子进行编码，并基于遗传算法求解所述上胶优化配置模型得到可行解集合，所述可行解集合包括至少一个元素，一个所述元素为一个可行个体，所述可行解集合内的每个可行个体均包括所有已匹配完成的影响因子，且将某一个或者某几个所述可行个体定义为最适个体，所述最适个体中的影响因子对应匹配最多的最佳生产条件；
匹配模块，用于从所述可行解集合中找到某一个预定义的最适个体，根据所述最适个体所对应的影响因子进行执行设备的参数设置；
监控模块，用于对所述采集模块采集的所述影响因子进行监控，当某一影响因子在该影响因子的约束范围内发生改变时，从所述可行解集合中找到对应的可行个体；
执行模块，用于根据新找到的可行个体所对应的影响因子修改对应的执行设备的参数。
所述采集模块包括环境温度传感器、环境湿度传感器、压力传感器以及转速传感器。
环境温度传感器、环境湿度传感器设置在胶槽处，用于监控胶槽内的混合后的ab胶的环境。
所述执行设备包括温湿度控制设备、控制涂布胶辊转速的电机以及控制涂布胶辊压力的压力控制设备。
温湿度控制设备可以是单独的温度控制设备和湿度控制设备，这样做的好处是，当某一控制设备故障后，不影响另一个设备的使用。
同时，温度控制设备和湿度控制设备可以设置在离胶槽较近的地方，这样可以更快地改变胶槽处的环境温度和环境湿度。
实施例3还公开了一种电子设备，包括至少一个处理器，以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如实施例1的一种基于遗传算法的上胶量控制方法。
实施例4还公开了一种存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现实施例1的一种基于遗传算法的上胶量控制方法。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于遗传算法的上胶量控制方法，其特征在于，包括如下步骤：
S1、确定影响上胶量的影响因子并采集所述影响因子；
S2、建立上胶优化配置模型，对所述影响因子进行编码，并基于遗传算法求解所述上胶优化配置模型得到可行解集合，所述可行解集合包括至少一个元素，一个所述元素为一个可行个体，所述可行解集合内的每个可行个体均包括所有已匹配完成的影响因子，且将某一个或者某几个所述可行个体定义为最适个体，所述最适个体中的影响因子对应匹配最多的最佳生产条件；
S3、从所述可行解集合中找到某一个预定义的最适个体，根据所述最适个体所对应的影响因子进行执行设备的参数设置；
S4、对所有的所述影响因子进行监控，当某一影响因子或某几个影响因子在该影响因子的约束范围内发生改变时，判断能否从所述可行解集合中找到对应的可行个体，若可以，则跳转至S5，否则，停止生产，并报警；
S5、根据新找到的可行个体所对应的影响因子修改对应的执行设备的参数，并跳转至S4。
2.根据权利要求1所述的一种基于遗传算法的上胶量控制方法，其特征在于，所述影响因子包括涂布压力、环境温度、环境湿度和涂布胶辊转速。
3.根据权利要求2所述的一种基于遗传算法的上胶量控制方法，其特征在于，S2的具体步骤为：
S2.1、设置遗传算法的迭代次数、每代种群中的待求解个体的个数；
S2.2、建立上胶优化配置模型，所述上胶优化配置模型包括目标函数和总约束条件，其中，所述目标函数为：
；
为涂布在基材上的实际上胶量，单位为g//>，/>、/>分别为上胶量的上限值和下限值；
S2.3、对涂布压力F、环境温度K、环境湿度RH和涂布胶辊转速v进行编码得到待求解个体的编码值，并基于总约束条件随机生成由若干待求解个体形成初始种群，令该初始种群为父代种群，令所述父代种群中的待求解个体为父代个体，每个所述父代个体的编码值均包括涂布压力F、环境温度K、环境湿度RH和涂布胶辊转速v；
S2.4、根据所述父代种群的各个所述父代个体的编码值进行涂布上胶，得到实际上胶量，该实际上胶量/>即为进行模拟涂布的上胶结果；
S2.5、根据上胶结果计算适应度函数，并根据所述适应度函数计算所述父代种群中每个所述父代个体的适应度值并排序；
S2.6、保存所述父代种群中前M个适应度值最大的父代个体，在从除前M个适应度值最大的父代个体以外的所有父代个体中通过轮盘赌选择父代个体进行交叉变异操作得到子代个体，再计算交叉变异后的所述子代个体的适应度值并进行排序，按适应度值重插入子代个体到所述父代种群中，选择设定个数的待求解个体形成新的父代种群，然后返回S2.4；
S2.7、重复S2.4-S2.6，直到达到迭代次数或者目标函数值在规定阈值范围内，最终得到的父代群体即为可行解集合，所述父代群体中的父代个体即为可行个体。
4.根据权利要求3所述的一种基于遗传算法的上胶量控制方法，其特征在于，所述适应度函数。
5.根据权利要求4所述的一种基于遗传算法的上胶量控制方法，其特征在于，所述总约束条件包括温度约束、湿度约束、压力约束和转速约束，其中，
所述温度约束表示为：
；
单位为摄氏度；
所述湿度约束表示为：
；
所述压力约束表示为：
；
单位为Mpa；
所述转速约束表示为：
；
单位为转/分。
6.一种基于遗传算法的上胶量控制系统，使用权利要求1-5任一所述的一种基于遗传算法的上胶量控制方法，其特征在于，包括：
采集模块，用于采集影响因子；
模型建立模块，用于建立上胶优化配置模型，对所述影响因子进行编码，并基于遗传算法求解所述上胶优化配置模型得到可行解集合，所述可行解集合包括至少一个元素，一个所述元素为一个可行个体，所述可行解集合内的每个可行个体均包括所有已匹配完成的影响因子，且将某一个或者某几个所述可行个体定义为最适个体，所述最适个体中的影响因子对应匹配最多的最佳生产条件；
匹配模块，用于从所述可行解集合中找到某一个预定义的最适个体，根据所述最适个体所对应的影响因子进行执行设备的参数设置；
监控模块，用于对所述采集模块采集的所述影响因子进行监控，当某一影响因子或某几个影响因子在该影响因子的约束范围内发生改变时，判断能否从所述可行解集合中找到对应的可行个体；
执行模块，用于根据新找到的可行个体所对应的影响因子修改对应的执行设备的参数。
7.根据权利要求6所述的一种基于遗传算法的上胶量控制系统，其特征在于，所述采集模块包括环境温度传感器、环境湿度传感器、压力传感器以及转速传感器。
8.根据权利要求6所述的一种基于遗传算法的上胶量控制系统，其特征在于，所述执行设备包括温湿度控制设备、控制涂布胶辊转速的电机以及控制涂布胶辊压力的压力控制设备。
9.一种电子设备，其特征在于，包括至少一个处理器，以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至5中任一所述的一种基于遗传算法的上胶量控制方法。
10.一种存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至5中任一项所述的一种基于遗传算法的上胶量控制方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410244981.8A CN117829001B (zh) | 2024-03-05 | 2024-03-05 | 一种基于遗传算法的上胶量控制方法、系统、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410244981.8A CN117829001B (zh) | 2024-03-05 | 2024-03-05 | 一种基于遗传算法的上胶量控制方法、系统、设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117829001A true CN117829001A (zh) | 2024-04-05 |
| CN117829001B CN117829001B (zh) | 2024-05-31 |
Family
ID=90515751
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410244981.8A Active CN117829001B (zh) | 2024-03-05 | 2024-03-05 | 一种基于遗传算法的上胶量控制方法、系统、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117829001B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118276453A (zh) * | 2024-06-04 | 2024-07-02 | 四川汇利实业有限公司 | 一种基于遗传算法的印刷机节能控制方法、系统、设备 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130103368A1 (en) * | 2011-10-25 | 2013-04-25 | John Lyn Farmer | Automated Experimental Design For Polymerase Chain Reaction |
| CN111723483A (zh) * | 2020-06-18 | 2020-09-29 | 南通大学 | 一种动力电池绿色优化设计集成系统及其集成方法 |
| CN111859525A (zh) * | 2020-06-02 | 2020-10-30 | 北京航空航天大学 | 机载分布式pos布局优化方法和装置 |
| CN112883651A (zh) * | 2021-03-08 | 2021-06-01 | 电子科技大学 | 基于改进pbi方法的系统级测试性设计多目标优化方法 |
| CN112966467A (zh) * | 2021-03-17 | 2021-06-15 | 武汉大学 | 一种基于湿法化学蚀刻联合仿真的柔性pcb板结构设计方法 |
| CN117494444A (zh) * | 2023-11-09 | 2024-02-02 | 东软睿驰汽车技术（沈阳）有限公司 | 域控制器散热参数优化方法、装置及电子设备 |
-
2024
- 2024-03-05 CN CN202410244981.8A patent/CN117829001B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130103368A1 (en) * | 2011-10-25 | 2013-04-25 | John Lyn Farmer | Automated Experimental Design For Polymerase Chain Reaction |
| CN111859525A (zh) * | 2020-06-02 | 2020-10-30 | 北京航空航天大学 | 机载分布式pos布局优化方法和装置 |
| CN111723483A (zh) * | 2020-06-18 | 2020-09-29 | 南通大学 | 一种动力电池绿色优化设计集成系统及其集成方法 |
| CN112883651A (zh) * | 2021-03-08 | 2021-06-01 | 电子科技大学 | 基于改进pbi方法的系统级测试性设计多目标优化方法 |
| CN112966467A (zh) * | 2021-03-17 | 2021-06-15 | 武汉大学 | 一种基于湿法化学蚀刻联合仿真的柔性pcb板结构设计方法 |
| CN117494444A (zh) * | 2023-11-09 | 2024-02-02 | 东软睿驰汽车技术（沈阳）有限公司 | 域控制器散热参数优化方法、装置及电子设备 |
Non-Patent Citations (2)
| Title |
|---|
| 卢伟 等: ""无溶剂复合技术及设备的研究进展和发展趋势"", 《北京印刷学院学报》, vol. 27, no. 12, 26 December 2019 (2019-12-26), pages 126 - 134 * |
| 李全来: ""回转式贴标机上胶工位取标板运动的优化"", 《机械工程师》, no. 12, 10 December 2005 (2005-12-10), pages 16 - 18 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118276453A (zh) * | 2024-06-04 | 2024-07-02 | 四川汇利实业有限公司 | 一种基于遗传算法的印刷机节能控制方法、系统、设备 |
| CN118276453B (zh) * | 2024-06-04 | 2024-09-24 | 四川汇利实业有限公司 | 一种基于遗传算法的印刷机节能控制方法、系统、设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117829001B (zh) | 2024-05-31 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117829001B (zh) | 一种基于遗传算法的上胶量控制方法、系统、设备及介质 | |
| KR102056974B1 (ko) | 통합된 지능형 도장 관리 기법 | |
| CN108445435B (zh) | 一种电能表检定装置误差在线评估方法 | |
| CN112561317B (zh) | 一种柔性材料卷对卷加工控制决策生成方法及装置 | |
| CN109603617B (zh) | 一种混合匀浆系统及其应用 | |
| CN106164783B (zh) | 清洁刮板 | |
| CN118080280B (zh) | 一种基于物联网的薄膜加工用监测系统 | |
| JP2021105959A (ja) | 品質管理装置、品質管理方法、およびプログラム | |
| Król et al. | Modelling the surface free energy parameters of polyurethane coats—part 2. Waterborne coats obtained from cationomer polyurethanes | |
| CN111720271B (zh) | 一种风电机组载荷在线预测的智能方法及风电机组 | |
| JP2020508848A (ja) | キャストエラストマーの形成方法 | |
| WO2012103270A1 (en) | A system and method for generating indices to quantify operating transition performance of a continuous process | |
| JPWO2022270506A5 (zh) | ||
| EP4063083A1 (en) | Method, device and system for configuring a coating machine | |
| CN117764424A (zh) | 生产线的检测方法、装置、处理器和电子设备 | |
| CN109624187B (zh) | 一种记忆海绵发泡过程的质量监控方法 | |
| CN105527837A (zh) | 化工生产装置控制回路参数整定测试方法和装置 | |
| US7582189B2 (en) | Method for optimizing production of paper or board | |
| CN116739351B (zh) | 一种基于人工智能的硅藻泥管理系统及其方法 | |
| US20100082121A1 (en) | Validation of laboratory test data | |
| KR100768404B1 (ko) | 연속 칼라 강판 생산라인에서 도장작업 자동제어 방법 | |
| FI130339B (en) | Method, device and computer program for controlling a process in the production of cellulose, paper or board | |
| CN113137836B (zh) | 一种制备邻氯苯腈的干燥方法及系统 | |
| CN114547533A (zh) | 海洋环境下双馈电机电刷滑环系统电接触磨损量计算方法 | |
| CN116777920B (zh) | 一种不干胶涂胶量检测方法 |
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 |