一种分切机多工序参数自适应智能调控系统的制作方法
本发明涉及分切机调控的,尤其涉及一种分切机多工序参数自适应智能调控系统。
背景技术:
1、分切机是将宽幅卷状材料分切成多卷窄幅材料的核心设备,广泛应用于薄膜、纸张、复合材料等卷材的加工。在分切过程中,放卷张力、分切速度、收卷张力、压辊压力等工艺参数对最终产品质量具有决定性影响。现有的自适应调控方法主要依赖于机器视觉、激光测距等传感器,对成品卷的端面平整度、宽度、卷径等外部宏观几何尺寸进行在线监测,并通过闭环控制对工艺参数进行实时调整。该方法对于保证产品的外观尺寸精度效果显著,已成为行业内的常规技术手段。
2、现有技术中,以包含棉芯层的三明治结构医用胶带为例,分切刀具施加的剪切力可能导致中间棉芯层与上下胶带层之间产生微小的、肉眼不可见的相对位移,即夹层滑移。该缺陷在分切完成时无法通过外部尺寸检测发现,但在产品的后续存储和使用过程中,会逐步发展为边缘分层、翘角等严重质量问题,导致产品报废。现有的自适应调控系统由于缺乏对内部结构缺陷的感知通道,其优化决策完全基于外部表面质量指标。在某些工况下,系统为提高端面平整度而调整工艺参数时,可能无意中增大了层间剪切应力,从而加剧了夹层滑移的发生,形成外部质量合格,内部缺陷恶化的悖论局面。其严重制约了高端复合材料分切的良品率和生产稳定性。
技术实现思路
1、为解决背景技术中存在的技术问题,本发明提出一种分切机多工序参数自适应智能调控系统,具体方案如下:
2、一种分切机多工序参数自适应智能调控系统,应用于对包含至少放卷工序、分切工序和收卷工序的分切机进行控制,包括:
3、多维感知模块、用于采集所述分切机在分切过程中的多维实时工况数据,所述多维实时工况数据为反映分切过程中复合材料内部状态的至少三种不同物理维度的数据;
4、特征提取模块、用于对所述多维实时工况数据进行预处理,生成多维特征数据;
5、缺陷追踪模块、用于以所述多维特征数据为实时观测值,利用预先构建的状态估计模型,执行序贯重要性采样与重采样迭代,用于实时估计复合材料内部缺陷的状态,获得内部缺陷状态估计;
6、协同决策模块、用于获取表征产成品外部质量的外部质量指标,并根据实时的所述内部缺陷状态估计和所述外部质量指标,生成以平衡所述内部缺陷状态估计和所述外部质量指标为目标的调控指令;
7、执行调控模块、用于执行所述调控指令,对所述分切机的一个或多个工艺参数进行自适应调整。
8、进一步的,多维感知模块中,至少三种不同物理维度的多维实时工况数据,包括:
9、通过部署在复合材料行进路径两侧的电容传感器阵列采集的介电特性数据;
10、通过安装在靠近分切刀组下游的导向辊上的声发射传感器采集的应力波数据;
11、以及通过收卷电机伺服驱动器采集的驱动负载响应数据。
12、进一步的,多维感知模块中,所述多维实时工况数据通过ptp协议实现时钟同步的方式进行采集。
13、进一步的,特征提取模块中,所述预处理包括以下预处理操作中的至少一种:
14、对所述介电特性数据进行数字滤波以消除工频干扰,并提取高频扰动分量,形成介电特征数据;
15、当所述应力波数据的信号幅值超过预设的信号幅值阈值时触发采集波形,实时计算所述波形的能量、峰值幅值、上升时间以及两端传感器接收到信号的到达时间差,形成应力波特征数据;
16、同步采集收卷电机的瞬时扭矩指令值、实际扭矩反馈值和电机转速,计算实际扭矩与指令扭矩之间的跟随误差,并分析所述跟随误差在特定频段的能量谱密度变化,形成驱动负载响应特征数据。
17、进一步的,所述内部缺陷为复合材料内部的夹层滑移;
18、缺陷追踪模块中,所述内部缺陷状态估计由一个状态向量表征,所述状态向量由滑移沿轴向的位置、滑移沿径向的深度、滑移的量级以及滑移量级的变化速率四个元素构成;所述状态估计模型包括用于描述所述状态向量随时间演化的状态转移模型。
19、进一步的,缺陷追踪模块中,预先构建的状态估计模型包括一个特征观测模型;所述特征观测模型的构建方式包括:
20、在分切实验台上,利用显微高速相机捕捉并量化被分切复合材料边缘的滑移状态向量作为真值,并同步采集所述多维特征数据,形成由滑移状态向量真值与对应的多维特征数据构成的训练数据集;
21、基于所述训练数据集,采用深度神经网络构建特征观测模型,所述特征观测模型用于模拟内部缺陷状态到多维特征数据的映射关系,所述特征观测模型用于在实时估计时根据输入的状态向量预测对应的理论特征值。
22、进一步的,缺陷追踪模块中,执行序贯重要性采样与重采样迭代,用于实时估计复合材料内部缺陷的状态向量,包括:
23、初始生成n个粒子,每个粒子代表一个对所述状态向量的假设;
24、在每个时间步,利用所述状态转移模型对所有粒子的状态进行从上一时刻到当前时刻的预测;
25、对于每个粒子,利用所述特征观测模型计算其预测状态对应的理论特征值,将所述理论特征值与所述多维特征数据进行比较,计算似然概率,以所述似然概率作为所述粒子的置信度权重;
26、对所有粒子所代表的状态向量进行加权平均,得到当前时刻对所述状态向量的最优估计;
27、当有效粒子数低于预设的有效粒子数阈值时,执行重采样。
28、进一步的,缺陷追踪模块中,在得到所述状态向量的最优估计后,还包括:
29、根据所述状态向量的最优估计,计算内部缺陷风险指数,所述内部缺陷风险指数与所述最优估计中的滑移量级正相关,且与所述最优估计中的滑移量级变化速率的绝对值正相关,所述滑移量级和所述滑移量级变化速率的绝对值分别乘以预先设定的归一化系数后求和,得到所述内部缺陷风险指数。
30、进一步的,协同决策模块中,生成以平衡所述内部缺陷状态估计和所述外部质量指标为目标的调控指令,包括:
31、构建一个多目标优化函数,所述多目标优化函数至少包含与所述内部缺陷状态估计相关的第一优化项和与所述外部质量指标相关的第二优化项;
32、根据实时的所述内部缺陷状态估计和所述外部质量指标,对所述多目标优化函数进行求解,生成使所述多目标优化函数达到最优的调控指令。
33、进一步的,执行调控模块中,所述调控指令包括收卷张力调整量、压辊压力调整量和分切速度调整量;
34、执行所述调控指令,包括:根据所述收卷张力调整量调整收卷张力、根据所述压辊压力调整量调整压辊压力以及根据所述分切速度调整量调整分切速度。
35、与现有技术相比,本发明至少可实现如下有益效果:
36、1、本发明通过采集至少三种不同物理维度的实时工况数据,利用状态估计模型对复合材料内部的夹层滑移缺陷进行实时量化估计,并将内部缺陷状态估计与外部质量指标共同纳入调控决策,以平衡内外质量为目标生成调控指令,从根本上解决了现有技术因缺乏内部缺陷感知通道而导致在优化外部质量时可能加剧内部缺陷的技术难题,实现了对产品内外质量的全面协同优化,显著提升了高端复合材料分切的良品率和生产稳定性。
37、2、本发明通过采集至少三种不同物理维度的实时工况数据,从多个维度同步捕捉复合材料内部状态信息,填补了现有技术仅能监测外部宏观几何尺寸的感知盲区,使分切机具备了穿透表象感知内部结构缺陷的能力;通过将多维特征数据作为实时观测值,利用状态估计模型执行序贯重要性采样与重采样迭代,实现了对夹层滑移缺陷位置、量级和变化速率的实时量化估计,为调控决策提供了现有技术无法获取的内部缺陷状态信息;通过将内部缺陷状态估计与外部质量指标共同纳入调控指令的生成过程,以平衡内外质量为目标进行优化决策,从而避免了现有技术中为提高外部质量而无意加剧内部缺陷的悖论局面,实现了产品内外质量的全面协同优化,显著提升高端复合材料分切的良品率和生产稳定性。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com