一种锡膏回温时间控制方法、设备及介质与流程

本发明涉及控制调节，具体为一种锡膏回温时间控制方法、设备及介质。

背景技术：

1、当前锡膏回温时间控制领域主流采用基于q-learning强化学习算法的自适应功率调节方案。该方案通过采集锡膏恒温炉内外的环境参数(温度、湿度、气压)和设备运行参数(功率、搅拌速度、加热效率)，构建历史状态-动作映射，利用q值迭代更新机制，在实时运行时选择最优动作集来控制回温过程。其核心是将奖励函数设计为目标温度与实际温度偏差的指数衰减函数，并通过综合影响值函数耦合多个环境因子与工艺参数的交互作用，最终输出预测的回温时间并执行相应的功率调节策略。

2、然而，该主流技术方案存在以下深层次局限性：

3、1. 模型泛化能力与状态空间覆盖度矛盾：

4、q-learning算法严重依赖历史数据集的完整性和代表性。在实际生产中，锡膏品牌、批次、存储时长、初始温度等参数组合呈指数级增长，导致状态空间维度爆炸。当遇到历史数据未充分覆盖的"边缘案例"(如新型低温锡膏、极端季节性环境波动、设备老化导致的非线性功率响应)时，模型输出的q值置信度急剧下降，可能选择次优甚至错误的动作集。更关键的是，现有方案中的奖励函数仅关注温度达标的即时奖励，忽略了回温过程中的温度波动幅度、能耗效率、以及对锡膏微观结构(助焊剂挥发度、合金颗粒均匀性)的潜在损伤，这导致训练出的策略可能在表面指标(达到目标温度)上合格，但在深层质量维度上存在隐患。

5、2. 多参数耦合模型的动态适应性不足：

6、回温时间模型通过综合影响值函数v(t，p，h，s，e)将多个环境与工艺参数线性或简单交互式耦合(如tp、hs交互项)，其系数c1~c7通常通过历史数据拟合获得。但在实际工况中，这些参数之间的耦合关系具有强非线性和时变特性：例如，高湿度环境下气压对热传导的影响与低湿度时显著不同；搅拌速度对温度均匀性的作用在接近目标温度时的边际效应递减。现有固定系数模型无法实时捕捉这种动态耦合关系的演变，导致在复杂工况下(如昼夜温差大的车间、多炉并行运行导致的局部气流扰动)预测精度大幅下降。此外，关键函数keff中δa(实时动作集对回温效率的即时影响)被简单地加在基础效率因子上，未能体现动作执行的时序依赖性和累积效应，如连续多次功率调整可能引发的热惯性滞后或设备响应饱和现象。

技术实现思路

1、本发明的目的在于提供一种锡膏回温时间控制方法、设备及介质，以解决上述背景技术中提出的问题。

2、为实现上述目的，本发明提供如下技术方案：

3、一种锡膏回温时间控制方法，具体步骤包括：

4、s1、采集车间环境温湿度以及各锡膏恒温炉的表面温度和实时功率，计算表征炉间通过空气介质进行热量交换强度的炉间热流耦合系数矩阵；

5、s2、采集各炉搅拌电机电流波形时间序列，提取特征后结合炉内温度信息输入长短期记忆神经网络模型，输出虚拟动态表观粘度，并在粘度温度归一化二维质量状态空间中计算当前状态与预定义安全区边界的距离，定义为质量偏离度；

6、s3、对炉间热流耦合系数矩阵的历史时间序列进行预测，得到未来时间窗口内的耦合系数演化趋势，并计算各炉因邻近炉体功率调整导致的局部环境温度变化量，将所述环境温度变化量作为前馈补偿信号注入所述长短期记忆神经网络模型；

7、根据各炉的质量偏离度计算质量健康度指数，并利用质量健康度指数对炉间热流耦合系数矩阵进行调制，得到质量感知耦合矩阵；

8、s4、基于质量感知耦合矩阵构建炉群分布式优化问题，求解得到各炉最优功率轨迹，并将各炉最优功率轨迹当前时刻的值作为慢时间尺度设定点下发至各单炉；在单炉中，基于经环境补偿修正后的虚拟动态表观粘度与目标粘度的偏差计算快时间尺度功率修正量，并与所述慢时间尺度设定点叠加，生成最终功率指令驱动加热步骤；

9、s5、当检测到某炉的质量偏离度持续超过预设阈值时，依据环境补偿特征和该炉与邻近炉质量偏离度的相关性判定质量异常根因；若判定为孤立设备故障，则降低该炉的质量健康度，使其在下一优化周期中从分布式优化中逻辑移除，并将其生产负载重新分配至质量健康度高的炉体。

10、进一步地，s1中，所述炉间热流耦合系数矩阵的计算包括：

11、在车间空间内按照预设网格间距布置温湿度传感节点，各温湿度传感节点以预设采样频率输出局部环境温度和相对湿度；

12、基于所述局部环境温度和相对湿度，采用克里金空间插值算法重建车间连续温度场和湿度场，其中，克里金插值的变异函数参数从配置文件读取；

13、根据牛顿冷却定律和斯特藩玻尔兹曼辐射定律建立炉间热流传递模型，其中，对流换热项表示为对流换热系数、有效换热面积与温差的乘积，辐射换热项表示为表面发射率、斯特藩玻尔兹曼常数、有效换热面积、视角因子与表面温度四次方差的乘积；

14、定义单位温差下的热流量为炉间热流耦合系数，并对所述热流传递模型在当前温度场状态下进行线性化，通过对所述热流传递模型求偏导得到各锡膏恒温炉之间的耦合系数，进而形成所述炉间热流耦合系数矩阵。

15、进一步地，s2中，所述长短期记忆神经网络模型的训练与推理包括：

16、在模型训练阶段，对于每一批次回温过程，按照预设时间间隔人工采集锡膏样本，并利用旋转粘度计测量真实粘度；同步记录对应时刻的电机电流波形、炉内温度、温度一阶导数和温度二阶导数，形成训练样本集；

17、所述长短期记忆神经网络模型采用三层双向结构，输入层接收由电机电流统计特征、炉内温度、温度一阶导数和温度二阶导数组成的输入向量，输出层通过全连接层输出虚拟动态表观粘度预测值；训练目标函数为所述虚拟动态表观粘度预测值与真实粘度之间的均方误差；

18、在模型推理阶段，将实时采集的电机电流波形在预设时间窗口内进行滑动缓冲，对缓冲区内的波形数据计算均值、标准差、偏度系数、峰度系数以及通过快速傅里叶变换提取的功率谱密度主频，将五维电流统计特征与当前炉内温度、温度一阶导数、温度二阶导数以及环境温度补偿量拼接为输入向量，并输入所述长短期记忆神经网络模型，以输出虚拟动态表观粘度。

19、进一步地，s2中，所述质量偏离度的计算包括：

20、根据虚拟动态表观粘度和炉内温度计算归一化坐标，其中，温度归一化坐标通过当前炉内温度减去冷藏起始温度，再除以目标操作温度与冷藏起始温度之差获得；粘度归一化坐标通过虚拟动态表观粘度减去液态极限粘度，再除以初始固态粘度与液态极限粘度之差获得；

21、从配置文件中加载由历史合格批次数据统计得到的安全区边界多边形顶点坐标序列；

22、在归一化的粘度温度二维平面中，计算当前状态点到安全区边界多边形边界的最小欧氏距离，并将所述最小欧氏距离定义为质量偏离度；

23、其中，所述安全区边界多边形通过对历史合格批次在归一化二维平面中的轨迹数据应用凸包算法构建得到，多边形内部区域定义为安全区。

24、进一步地，s3中，所述炉间热流耦合系数矩阵的历史时间序列预测以及环境温度补偿包括：

25、采用自回归积分滑动平均模型对所述炉间热流耦合系数矩阵的历史时间序列进行拟合和外推预测，其中，模型阶数参数从配置文件读取，并同步输出预测标准差；

26、基于所述预测标准差计算预测置信度指数；

27、将预测得到的耦合系数代入描述各锡膏恒温炉热平衡的微分方程组，所述微分方程组满足：炉体等效热容与温度变化率的乘积等于加热功率减去散热功率再减去与邻近锡膏恒温炉之间的热流交换功率；对所述微分方程组进行求解，得到未来时间窗口内各锡膏恒温炉对应的局部环境温度预测值，并据此计算环境温度变化量；

28、将所述环境温度变化量与所述预测置信度指数相乘，得到修正后的前馈补偿量，并将所述修正后的前馈补偿量加入所述长短期记忆神经网络模型的输入通道。

29、进一步地，s3中，所述质量健康度指数和质量感知耦合矩阵通过如下方式获得：

30、根据质量偏离度的负指数函数计算质量健康度指数，其中，指数函数的衰减系数从配置文件读取；

31、将原始炉间热流耦合系数矩阵中的每个非对角元素乘以对应两台锡膏恒温炉质量健康度指数乘积的平方根，得到质量感知耦合矩阵；

32、当任一锡膏恒温炉的质量健康度指数低于预设阈值时，降低该锡膏恒温炉与邻近锡膏恒温炉之间的耦合系数，以减少质量不稳定炉体对邻近炉体热流扰动的影响权重

33、进一步地，s4中，所述分布式优化问题的目标函数包括能耗惩罚项、回温时间偏差惩罚项和质量偏离度惩罚项，各惩罚项的加权系数按照如下规则自适应调整：

34、定义系统质量危机度为所有锡膏恒温炉质量偏离度的最大值与预设质量阈值的比值；

35、当所述系统质量危机度低于第一危机阈值时，能耗惩罚项权重设为第一数值，质量偏离度惩罚项权重设为第二数值；

36、当所述系统质量危机度处于第一危机阈值与第二危机阈值之间时，能耗惩罚项权重和质量偏离度惩罚项权重设为中间数值；

37、当所述系统质量危机度高于第二危机阈值时，能耗惩罚项权重降为第三数值，质量偏离度惩罚项权重升为第四数值；

38、当前时刻的加权系数采用指数平滑方式更新，更新后的加权系数等于上一时刻加权系数乘以第一平滑系数与当前目标权重乘以第二平滑系数之和

39、进一步地，s5中，所述质量异常根因判定包括：

40、计算异常锡膏恒温炉在预设历史时间窗口内接收的环境补偿量绝对值均值；

41、当所述环境补偿量绝对值均值大于预设环境波动阈值时，判定为环境因素主导；

42、当所述环境补偿量绝对值均值小于预设环境波动阈值时，计算该锡膏恒温炉的质量偏离度与所有邻近锡膏恒温炉质量偏离度之间的皮尔逊相关系数；

43、当所述皮尔逊相关系数大于预设高相关阈值时，判定为环境共模干扰，并向所有锡膏恒温炉广播全局保守策略指令；

44、当所述皮尔逊相关系数小于预设低相关阈值时，判定为孤立设备故障，并执行拓扑重构，将该锡膏恒温炉的质量健康度强制设为预设低值，使其在下一优化周期中从分布式优化的迭代求解中逻辑移除，切换至本地控制模式，同时将其原定生产负载重新分配至质量健康度较高的锡膏恒温炉。

45、一种锡膏回温时间控制设备，包括：

46、环境建模模块、用于采集车间环境温度、相对湿度以及各锡膏恒温炉的表面温度和实时功率，计算表征各锡膏恒温炉之间通过空气介质进行热量交换强度的炉间热流耦合系数矩阵；

47、质量评估模块、用于采集各锡膏恒温炉搅拌电机的电流波形时间序列，提取特征后结合炉内温度信息输入长短期记忆神经网络模型，输出虚拟动态表观粘度；基于所述虚拟动态表观粘度和炉内温度，在粘度温度归一化二维质量状态空间中计算当前状态与预定义安全区边界之间的距离，并将所述距离定义为质量偏离度；

48、耦合预测模块、用于对所述炉间热流耦合系数矩阵的历史时间序列进行预测，得到未来时间窗口内的耦合系数演化趋势，并计算各锡膏恒温炉因邻近炉体功率调整导致的局部环境温度变化量，将所述局部环境温度变化量作为前馈补偿信号注入所述长短期记忆神经网络模型；根据各锡膏恒温炉的质量偏离度计算质量健康度指数，并利用所述质量健康度指数对所述炉间热流耦合系数矩阵进行调制，得到质量感知耦合矩阵；

49、优化控制模块、基于所述质量感知耦合矩阵构建炉群分布式优化问题，求解得到各锡膏恒温炉的最优功率轨迹，并将当前时刻的功率值作为慢时间尺度设定点下发至对应的锡膏恒温炉；在单炉层面，基于经环境补偿修正后的虚拟动态表观粘度与目标粘度之间的偏差计算快时间尺度功率修正量，并将所述快时间尺度功率修正量与所述慢时间尺度设定点叠加，生成最终功率指令以驱动加热单元；

50、故障调度模块、当检测到任一锡膏恒温炉的质量偏离度持续超过预设阈值时，依据该锡膏恒温炉接收的环境补偿信号特征以及该锡膏恒温炉的质量偏离度与邻近锡膏恒温炉质量偏离度之间的相关性，判定质量异常根因；若判定为孤立设备故障，则降低该锡膏恒温炉的质量健康度，使其在下一优化周期中从分布式优化中逻辑移除，并将其生产负载重新分配至质量健康度较高的锡膏恒温炉。

51、一种锡膏回温时间控制介质，其上存储有计算机程序，包括以下步骤，计算机程序存储有计算机指令，指令被处理器执行时实现所述的一种锡膏回温时间控制方法。

52、与现有技术相比，本发明的有益效果是：

53、本发明通过构建长短期记忆神经网络模型，直接以电机电流波形统计特征、炉内温度及其导数为输入，输出虚拟动态表观粘度，取代了依赖完整历史数据集的q值查表方法，显著提升了对新型锡膏、极端环境波动及设备老化等边缘工况的泛化能力；同时，通过在粘度温度归一化二维质量状态空间中计算当前状态与基于历史合格批次凸包构建的安全区边界的最小欧氏距离作为质量偏离度，并将该偏离度通过负指数函数转化为质量健康度指数，进而调制炉间热流耦合矩阵获得质量感知耦合矩阵，使优化目标不仅包含传统温度达标项，更将粘度偏离安全区的程度作为深层质量损伤的量化惩罚项嵌入分布式优化问题，配合系统质量危机度自适应的权重调整规则，在能耗、回温时间与质量偏离度之间实现动态最优平衡，从根本上克服了原奖励函数浅层指示与微观质量隐患之间的矛盾；

54、本发明还通过车间温湿度场克里金插值、牛顿冷却与斯特藩玻尔兹曼辐射定律联合建模，实时计算表征炉间空气介质热交换强度的炉间热流耦合系数矩阵，并引入arima模型对该矩阵历史时间序列进行外推预测，将未来窗口内的耦合系数演化趋势代入热平衡微分方程组求解各炉局部环境温度变化量，作为前馈补偿信号注入长短期记忆神经网络模型，实现了环境扰动对粘度预测的动态前馈校正；同时，在控制架构上采用分布式优化与单炉快慢时间尺度分层策略，其中慢时间尺度基于质量感知耦合矩阵求解全局最优功率轨迹并下发设定点，快时间尺度则依据经环境补偿修正后的虚拟动态表观粘度与目标粘度的实时偏差计算功率修正量并叠加，该分层机制将未来耦合趋势预测与当前粘度偏差反馈有机融合，既解决了多参数动态耦合适应性不足的问题，又通过快慢尺度分离有效应对了连续功率调整引发的热惯性滞后与响应饱和，确保在昼夜温差大、多炉并行运行等复杂工况下仍能维持回温过程的温度均匀性与粘度演化轨迹的稳定可控；当质量偏离度持续超阈值时，通过环境补偿量均值与邻近炉偏离度皮尔逊相关系数联合判定根因，对孤立设备故障实施拓扑重构与负载再分配，进一步增强了炉群系统在局部异常工况下的鲁棒性与容错能力。