[发明专利]一种涂布机模头调节、调节参数计算模型训练方法及装置有效
| 申请号: | 202110226838.2 | 申请日: | 2021-03-02 |
| 公开(公告)号: | CN112596396B | 公开(公告)日: | 2022-03-11 |
| 发明(设计)人: | 龙兵;彭建林 | 申请(专利权)人: | 深圳市曼恩斯特科技股份有限公司 |
| 主分类号: | G05B13/04 | 分类号: | G05B13/04 |
| 代理公司: | 北京三聚阳光知识产权代理有限公司 11250 | 代理人: | 张琳琳 |
| 地址: | 518118 广东省深圳市坪山区龙田*** | 国省代码: | 广东;44 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 一种 涂布机模头 调节 参数 计算 模型 训练 方法 装置 | ||
1.一种涂布机模头调节方法,其特征在于,包括:
获取涂布机模头的多个运行参数;涂布机模头的运行参数包括:涂布机涂布实时速度、涂布机模头间隙、涂布机实时泵速、涂布机模头进口处实时压力、涂布机模腔内实时压力、涂布机实时流量、浆料粘度、浆料固含量、垫片尺寸、涂层每毫米的面密度数据、膜腔内实时温度、膜腔内实时湿度中的任意一项或多项;
根据所述涂布机模头的运行参数得到多个输入参数,其中,每个所述运行参数与至少一个所述输入参数对应,各个所述输入参数是利用至少两个所述运行参数相乘得到的;
将所述输入参数和所述运行参数输入至预设的调节参数计算模型,得到涂布机模头的调节参数,采用所述调节参数调节所述涂布机模头,预设的调节参数计算模型是由BP神经网络模型训练得到的;涂布机模头的调节参数包括模头狭缝调节值、接收泵速增量调节值、接收间隙增量调节值中的一项或多项。
2.根据权利要求1所述的涂布机模头调节方法,其特征在于,根据所述涂布机模头的运行参数得到多个输入参数,包括:
确定计算所述输入参数所需的所述运行参数的数量;
根据所述涂布机模头的运行参数和确定出的数量计算所述输入参数。
3.根据权利要求2所述的涂布机模头调节方法,其特征在于,根据所述涂布机模头的运行参数和确定出的数量计算所述输入参数,包括:
根据确定出的数量,确定计算所述运行参数对应的各个输入参数所需的运行参数;
对确定出的运行参数进行组合, 并将各组合中包含的运行参数的乘积作为所述输入参数。
4.根据权利要求1所述的涂布机模头调节方法,其特征在于,将所述输入参数和所述运行参数输入至预设的调节参数计算模型,包括:
对所述运行参数和输入参数进行归一化处理;
将归一化处理后的运行参数和输入参数输入至预设的调节参数计算模型。
5.一种调节参数计算模型训练方法,其特征在于,包括:
获取训练数据,所述训练数据包括训练运行参数、训练输入参数和训练调节参数,所述训练运行数据与至少一个所述输入参数对应,各个所述训练输入参数是利用至少两个所述训练运行参数相乘得到的,所述训练运行参数通过涂布机模头的运行参数确定,所述训练调节参数调节用于调节所述涂布机模头;训练运行参数包括:涂布机涂布实时速度、涂布机模头间隙、涂布机实时泵速、涂布机模头进口处实时压力、涂布机模腔内实时压力、涂布机实时流量、浆料粘度、浆料固含量、垫片尺寸、涂层每毫米的面密度数据、膜腔内实时温度、膜腔内实时湿度中的任意一项或多项;训练调节参数包括模头狭缝调节值、接收泵速增量调节值、接收间隙增量调节值中的一项或多项;
将所述训练运行参数和所述训练输入参数输入至初始神经网络模型中,得到预测调节参数;初始神经网络模型为BP神经网络模型;
根据所述预测调节参数和所述训练调节参数对所述初始神经网络模型进行修正,得到所述调节参数计算模型。
6.根据权利要求5所述的调节参数计算模型训练方法,其特征在于,根据所述预测调节参数和所述训练调节参数对所述初始神经网络模型进行修正,得到所述调节参数计算模型,包括:
根据所述预测调节参数和所述训练调节参数计算预测误差;
根据所述预测误差对所述初始神经网络模型中的参数进行修正,将修正参数后的神经网络模型确定为所述调节参数计算模型。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳市曼恩斯特科技股份有限公司,未经深圳市曼恩斯特科技股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110226838.2/1.html,转载请声明来源钻瓜专利网。





