[发明专利]一种LED涂覆机喷头流速控制方法

说明书

本发明公开的一种LED涂覆机喷头流速控制方法，包括以下步骤：根据LED涂覆机的实际运行情况，选取相关量作为BP神经网络模型的输入，将喷涂流速作为BP神经网络的输出；记录并存储现场的历史数据，选取这些数据作为训练样本集，通过BP神经网络的方法得到预测的喷头流速；通过采用历史数据迭代的方式调整料筒气压控制模型预测出的喷头流速不断接近理想流速。本发明解决了LED涂覆机在喷涂过程中喷头流速不稳定而导致的均匀性差问题。

技术领域

本发明涉及喷头流速控制领域，特别涉及一种LED涂覆机喷头流速控制方法。

背景技术

BP神经网络无需事先确定输入输出之间映射关系的数学方程，仅通过自身的训练，学习某种规则，在给定输入值时得到最接近期望输出值的结果。它的基本思想是梯度下降法，利用梯度搜索技术，使网络的实际输出值和期望输出值的误差均方差为最小。

白光LED是一种新型半导体全固态照明光源。与传统照明技术相比，这种新型光源具有高效节能、长寿命、小体积、易维护、绿色环保、使用安全、耐候性好等领先优势，被公认为是未来照明光源之首选。

荧光粉涂覆是目前国际上实现蓝光LED向白光LED转换的主流技术。目前传统的LED涂覆机没有对喷头的流速有严格控制，随着料筒物料的减少或者其他扰动因素的作用导致喷头的流速一直处于不稳定状态，从而影响最终涂覆的均匀度，良品率低。

发明内容

本发明的目的在于克服现有技术的缺点与不足，提供一种LED涂覆机喷头流速控制方法，该方法通过BP神经网络模型预测喷涂流速，采用历史数据迭代的方式控制料筒气压来稳定喷头流速，有效的保证了喷涂的均匀性，提高产品的良品率。

本发明的目的通过以下的技术方案实现：

一种LED涂覆机喷头流速控制方法，包括以下步骤：

(1)根据LED涂覆机物料循环装置和系统的实际运行请况，选取料筒气压x1、喷头顶针开度x2、物料浓度x3、蠕动泵电机转速x4、料筒内物料高度x5作为BP神经网络模型的输入，将LED涂覆机喷头的流速作为BP神经网络的输出；

(2)记录并存储现场的历史数据，选取这些数据作为训练样本集，确定BP神经网络的输入层节点个数、隐含层节点个数、权值和阈值参数；

(3)通过BP神经网络的方法结合输入参数进行分析和计算，预测得到LED涂覆机喷头的实时流速；

(4)根据模型预测出的实时流速与理想流速进行对比，通过调整料筒气压的大小来减小预测的实时流速与理想流速的差值。

所述步骤(1)，具体为：根据LED涂覆机的实际运行请况，分析相关的输入输出量，筛选出能够对LED涂覆机喷头流速产生影响的变量，作为BP神经网络模型的输入，将LED涂覆机喷头流速作为BP神经网络的输出，最终选取料筒气压x1、喷头顶针开度x2、物料浓度x3、蠕动泵电机转速x4、料筒内物料高度x5作为输入，LED涂覆机喷头的流速y1作为输出。

步骤(2)中，所述记录并存储现场的历史数据，选取这些数据作为训练样本集，具体为：记录并存储现场的历史数据，选取这些数据作为训练集样本，训练集样本共有5组，分别为料筒气压训练集、喷头顶针开度训练集、物料浓度训练集、蠕动泵电机转速训练集、料筒内物料高度训练集，每组样本数量确定为225。

所述步骤(4)，具体为：

定义v_e为喷头的理想流速，v_i为预测的实时流速，Δv_i为预测的实时流速与理想流速的差值；采用历史数据迭代的方式让预测的实时流速不断接近理想流速；

定义p_i为料筒气压的大小，d_i为历史误差的迭代；i表示采样时刻，且i＝0,1,2,3…；