一种基于深度学习的脱脂智能控温方法与流程

本发明涉及粉末成型，尤其涉及一种基于深度学习的脱脂智能控温方法。

背景技术：

1、脱脂工序在金属粉末成型与陶瓷成型全流程中处于坯体成型与高温烧结之间，其核心任务是在维持坯体几何完整性的前提下，将有机粘结剂体系从粉末颗粒间隙中充分排出，然而，坯体壁厚差异导致从表面到心部的热传导路径不均，同时成型剂通常由石蜡、聚乙烯、硬脂酸等多组分构成，各组分的热分解温度区间跨度较宽、分解速率特性各异，在跨壁厚、跨材料体系的批量化生产中表现较为突出。金属坯基体热导率高，热量传递速度快，薄壁区域极易快速升温造成低沸点粘结剂瞬时汽化鼓裂；而陶瓷坯热导率较低，厚壁心部热传导滞后，同等恒温制度下高沸点成型剂分解周期大幅延长，更易出现内部碳残留黑斑，两类坯体对升温斜率、保温窗口的温控需求存在显著差异，统一固定工艺无法兼顾两类产品生产。

2、当前工业界在热脱脂阶段普遍采用基于经验的分段恒温工艺，即操作人员针对特定成型剂配方，通过多轮正交试烧确定固定阶梯温控曲线，各温度台阶升温速率、保温时长均不可自适应调整。然而，固定工艺难以适应坯体壁厚的空间梯度，薄壁区域率先抵达低沸点组分分解温度，而厚壁心部尚未热透，温升过快易导致低沸点组分骤烈汽化、体积膨胀，引发坯体胀裂；同时，统一设定的保温时长往往无法让高沸点组分在厚壁区域充分脱除，残留物在后续烧结阶段碳化析出，在制品表面形成黑斑缺陷。当企业更换成型剂配方或切换不同几何特征的坯体产品时，上述分段恒温曲线必须重新依赖人工经验进行反复试错调试，工艺适配的时间与原料成本较高。

3、近年来，虽有少量研究采用bp神经网络、支持向量回归等浅层机器学习模型，基于炉温或成型剂种类等单一维度的输入来预测温控曲线，但这些方法对多源异构工况数据的融合能力有限，模型在变壁厚产品与新型成型剂体系上的泛化表现不足。transformer架构在序列建模方面展现出较强的多模态特征交互能力，但在脱脂控温这一具体技术领域中尚缺乏成熟的应用方案，特别是如何将炉温场分布、坯体几何参数、装炉密排状态以及成型剂种类与配比等多维度信息有机融合，以准确捕捉壁厚-热传导-多组分解时序之间的非线性耦合关系，仍是待解决的技术难题。

技术实现思路

1、有鉴于此，本发明旨在提供一种基于深度学习的脱脂智能控温方法，以解决传统固定恒温工艺难以适配壁厚差异与成型剂多组分分解特性、且工艺适配成本偏高的问题。

2、一种基于深度学习的脱脂智能控温方法，包括：

3、a1：采集炉膛多区温度时序数据、坯体三维点云数据、坯体排列布局图像、成型剂组分摩尔分数并分别进行预处理，得到预处理后的炉温时序数据、预处理后的带壁厚属性的点云数据、预处理后的坯体空间邻接图、预处理后的组分摩尔分数数据、组分分解温度参数；

4、a2：根据预处理后的炉温时序数据、预处理后的带壁厚属性的点云数据、预处理后的坯体空间邻接图、预处理后的组分摩尔分数数据，计算炉温隐态特征与壁厚几何特征、邻接拓扑特征与组分编码特征、融合耦合特征；

5、a3：根据融合耦合特征、组分分解温度参数，依次计算温阶约束嵌入特征与温阶边界矩阵、解码器初始隐状态与阶段上下文向量、升温速率序列与保温时长序列；

6、a4：根据升温速率序列、保温时长序列与融合耦合特征，依次计算平滑投影后的温阶曲线段序列、校验修正后的温阶曲线段序列、连续温控曲线；

7、a5：将连续温控曲线离散化为温度设定值序列并逐周期下发至各温区比例-积分-微分温度控制器，采集实际温度计算偏差量生成控制量，循环执行闭环控制直至全部温阶保温时长累计完毕，完成温度控制。

8、进一步地，所述a1步骤，还包括：

9、a11：通过工业现场布设的热电偶传感器阵列采集炉膛多区温度时序数据，数据类型为多维时序数值数据，包括各温区的温度采样值、温度设定值与时间戳；对所述炉膛多区温度时序数据采用三倍标准差异常值剔除方法滤除异常值，采用线性插值法补全缺失采样点，再采用z-score标准化将各温区温度值映射至均值为0方差为1的标准分布，得到预处理后的炉温时序数据；

10、a12：通过cad模型解析系统获取坯体三维点云数据，并为各点云顶点匹配对应壁厚属性值；对所述坯体三维点云数据采用统计离群值去除方法滤除扫描噪点，采用体素网格下采样方法进行点云稀疏化处理，得到稀疏化后点云数据；对稀疏化后点云数据中的各点云顶点的壁厚属性值执行z-score标准化，将壁厚数值映射至均值为0、方差为1的标准分布，得到预处理后的带壁厚属性的点云数据；

11、a13：通过工业面阵相机采集炉膛内坯体排列布局图像；对所述坯体排列布局图像，采用高斯滤波进行去噪处理，再采用实例分割算法对坯体排列布局图像中的各坯体进行像素级实例分割，并提取每个坯体的中心坐标与外接轮廓边界框；预设邻接距离阈值，计算任意两坯体中心坐标的欧氏距离，当距离小于等于所述邻接距离阈值时判定两坯体存在空间邻接关系；以单个坯体为图节点、坯体间的空间邻接关系为图边，构建坯体排布无向图；以各坯体的中心坐标、外接轮廓边界框为节点属性，生成邻接矩阵与节点属性矩阵，得到预处理后的坯体空间邻接图；

12、a14：采集成型剂组分摩尔分数，再根据组分种类标识符作为查询键，将所述组分种类标识符对应的分解起始温度、分解峰值温度与分解终止温度，将查询结果与组分摩尔分数进行键值关联整合，得到预处理后的组分摩尔分数数据、组分分解温度参数。

13、进一步地，所述a2步骤，还包括：

14、a21：根据预处理后的炉温时序数据、预处理后的带壁厚属性的点云数据，进行时序动态编码与空间几何表征提取，先计算得到炉温隐态特征；再根据胚体材质，选择计算金属坯体壁厚几何特征或非金属坯体壁厚几何特征；

15、a22：根据预处理后的坯体空间邻接图、预处理后的组分摩尔分数数据，进行图结构编码与组分属性嵌入，得到邻接拓扑特征与组分编码特征；

16、a23：根据炉温隐态特征、金属坯体壁厚几何特征、非金属坯体壁厚几何特征、邻接拓扑特征与组分编码特征，进行分支门控与异构特征深度融合，得到融合耦合特征。

17、进一步地，所述a2步骤，还包括：

18、所述a21步骤中炉温隐态特征的计算过程为：先对预处理后的炉温时序数据分别经双向长短期记忆网络处理和用于炉温隐态特征提取的线性层投影处理，再将两项处理结果相加，然后经层归一化操作，再经用于炉温隐态特征提取的多层感知机处理，得到炉温隐态特征；

19、当胚体材质为金属时，金属坯体壁厚几何特征的计算过程为：对预处理后的带壁厚属性的点云数据先经球查询分组操作，再进行最远点采样操作，再经多层级点云特征提取网络处理，得到金属坯体壁厚几何特征；

20、当胚体材质为非金属时，非金属坯体壁厚几何特征的计算过程为：对预处理后的带壁厚属性的点云数据先经k近邻构图操作，再经动态图卷积神经网络处理，然后经层归一化操作，再经用于几何特征提取的多层感知机处理，得到非金属坯体壁厚几何特征；

21、所述a22步骤中邻接拓扑特征与组分编码特征的计算过程为：先对预处理后的坯体空间邻接图分别经图卷积操作和用于图结构提取的线性投影层处理，再将两项处理结果相加并经过图注意力网络操作，然后经层归一化操作，再经用于邻接拓扑特征提取的多层感知机处理，得到邻接拓扑特征；对预处理后的组分摩尔分数数据经嵌入层处理，再经自注意力操作，然后与嵌入层的输出相加，再经层归一化操作，再经用于组分特征提取的多层感知机处理，得到组分编码特征；

22、所述a23步骤中融合耦合特征的计算过程为：根据壁厚几何特征、邻接拓扑特征与组分编码特征，按照特征维度拼接操作进行拼接，再经用于自适应门控生成的多层感知机处理，再经sigmoid激活函数处理，得到金属-非金属自适应门控权重；对炉温隐态特征与由壁厚几何特征、邻接拓扑特征、组分编码特征拼接得到的拼接特征进行交叉注意力操作，再经用于融合耦合特征提取的多层感知机处理，得到第一中间结果；对由壁厚几何特征、邻接拓扑特征、组分编码特征拼接得到的拼接特征进行自注意力操作，再经用于融合耦合特征提取的多层感知机处理，得到第二中间结果；将金属-非金属自适应门控权重与第一中间结果做哈达玛积，再将1减去金属-非金属自适应门控权重后的结果与第二中间结果做哈达玛积，将两个哈达玛积结果相加，得到融合耦合特征。

23、需要进一步说明的是，坯体自身壁厚分布对热传导的影响、坯体在炉膛内的空间排布位置以及成型剂各组分的分解特性，这四类异构因素共同决定了坯体的烧结质量；金属坯体以热传导为主、壁厚决定热渗透速率，而非金属坯体以热辐射与对流传热为主、表面几何形貌影响更大，两类坯体共炉烧成时同一温控曲线必然导致一类欠烧而另一类过烧，缺乏一套能自动感知材质差异并融合多源异构信息的统一特征表达方法；

24、对于炉温隐态特征与壁厚几何特征的提取，先以预处理后的炉温时序数据作为输入，通过双向长短期记忆网络分别捕获升温段与降温段的前后依赖关系--从时序上关联温度变化的前因后果，避免将各时间点的温度视作孤立样本；同时引入线性投影残差连接保留了原始量级信息，使后续的多层感知机压缩操作能够基于原始幅值对热度积累过程进行较为准确地建模，从而得到炉温隐态特征，该特征不仅反映了温度数值的变化趋势，还内嵌了热惯性带来的滞后效应--对于预测坯体内部实际温度变化具有物理层面的参考价值；与此同时，针对壁厚空间几何特征的提取，根据坯体材质选择不同的处理分支：对于金属坯体，采用多层级点云特征提取网络，先通过最远点采样选取代表性空间点，再利用球查询分组逐层提取壁厚分布的空间几何特征--捕捉壁厚从薄到厚的连续变化梯度，使空间几何表征与金属以热传导为主的物理传热机制相匹配；对于非金属坯体，采用动态图卷积网络，通过k近邻构图捕获表面局部几何结构对外部对流传热的响应模式--表面凹凸部位、棱角处的对流换热系数差异较大，k近邻构图能够在局部邻域内识别这些细微形貌差异，使几何特征与热辐射及对流传热的响应特性相对应，从而在特征层面区分了两类材质不同的热响应倾向，为后续的异构融合提供了针对性的中间表征；

25、对于邻接拓扑特征与组分编码特征的提取，将预处理后的坯体空间邻接图作为输入，先对坯体的空间排布关系进行图卷积操作提取局部邻域内的排布模式，再叠加图注意力网络为不同距离的坯体分配差异化的注意力权重--这一步能够自动识别坯体间距过近导致的热遮蔽效应以及排布过密区域的散热瓶颈，从而得到邻接拓扑特征；同时将预处理后的组分摩尔分数数据作为输入，先通过嵌入层将离散组分映射到连续语义空间，再通过自注意力操作捕获不同成型剂组分间的配比依赖关系--组分的挥发温度点与分解速率差异较大，自注意力机制能够在全局范围内识别各组分在烧成过程中的协同或竞争关系，从而得到组分编码特征；这一过程使得原本无法直接纳入统一表征的坯体空间排布信息与组分配比信息，被转换为结构化的邻接拓扑特征和组分编码特征，为后续异构特征的深度融合准备了有效的输入，也使模型能够利用坯体间距这一物理因素预判热传导瓶颈；

26、对于异构特征的深度融合与统一表征，将炉温隐态特征、壁厚几何特征、邻接拓扑特征与组分编码特征进行特征维度拼接，先经过用于自适应门控生成的多层感知机处理，再经s型激活函数处理得到介于0和1之间的金属-非金属自适应门控权重--该权重能够根据当前坯体的壁厚几何特征、空间排布状况和组分配比，自动判别该坯体更偏向金属还是非金属的热响应倾向；门控权重与炉温隐态特征和几何-拓扑-组分拼接特征经交叉注意力处理后的结果进行哈达玛积运算，同时1减去该门控权重与几何-拓扑-组分拼接特征经自注意力处理后的结果进行哈达玛积运算，二者再逐元素相加得到融合耦合特征--这一机制在处理金属倾向的坯体时，交叉注意力使炉温时序特征作为主导信息、几何-拓扑-组分特征作为辅助信息进行跨模态交互，而处理非金属倾向的坯体时，自注意力则在几何-拓扑-组分联合空间中自主聚合表面形貌、排布位置与组分分解特性的协同关系，从而将材质差异、壁厚分布、排布位置、组分配比这四类异构信息统一为单一融合耦合特征张量，为后续工艺调控提供了完整表达坯体受热状态的统一特征；

27、现有技术中，脱脂烧成工艺常用单一温控曲线结合人工经验调控的方式--这种做法的本质是假设所有坯体在炉膛内具有均匀的热响应特性，但金属坯体以热传导为主、壁厚决定热渗透速率，非金属坯体以热辐射与对流传热为主、表面几何形貌影响更大，两类坯体共炉烧成时同一温控曲线必然导致一类欠烧而另一类过烧，且无法感知坯体在炉膛内的空间排布差异--相邻坯体间距过近时相互遮热使局部升温滞后，稀疏排列时热量散失过快导致温度回落，这些空间因素在传统经验法中只能靠操作者现场目测判断；本发明通过双向长短期记忆网络与线性投影残差连接捕获炉温时序中升温与降温的依赖关系及其原始量级，保证了时序特征对热惯性效应的表征能力；再根据金属与非金属材质分别采用多层级点云网络和动态图卷积网络进行壁厚几何的分支编码，在特征层面区隔了两类不同的热响应物理机制；随后通过图卷积与图注意力网络将坯体排布密度、间距等空间拓扑信息与组分自注意力编码的配比信息并行提取；最后利用自适应门控机制根据当前坯体的几何-拓扑-组分特征自动判别材质倾向，对炉温主导的交叉注意力路径和几何-拓扑-组分自聚合路径进行软加权融合，使同一网络结构能够应对金属与非金属的不同场景。

28、进一步地，所述a3步骤，还包括：

29、a31：根据融合耦合特征、组分分解温度参数，进行热物性约束编码与温阶边界嵌入，得到温阶约束嵌入特征与温阶边界矩阵；

30、a32：根据温阶约束嵌入特征、温阶边界矩阵与融合耦合特征，进行约束门控初始化与多阶段解码状态生成，得到解码器初始隐状态与阶段上下文向量；

31、a33：根据解码器初始隐状态、阶段上下文向量与温阶边界矩阵，进行带边界约束的自回归温阶序列解码，得到升温速率序列与保温时长序列。

32、进一步地，所述a3步骤，还包括：

33、所述a31步骤中温阶约束嵌入特征与温阶边界矩阵的计算过程，包括：先对组分分解温度参数进行嵌入处理，经层归一化后由第一约束编码多层感知机处理；同时对融合耦合特征进行用于温阶约束的线性投影；将上述两项处理结果做交叉注意力，然后加上组分分解温度参数的嵌入结果，再依次经层归一化、第二约束编码多层感知机处理，得到温阶约束嵌入特征；将温阶约束嵌入特征与对融合耦合特征进行用于温阶边界矩阵生成的线性投影的结果相拼接，再经用于温阶边界矩阵生成的多层感知机操作后，经sigmoid函数处理，得到温阶边界矩阵；

34、所述a32步骤中解码器初始隐状态与阶段上下文向量的计算过程，包括：将融合耦合特征与温阶约束嵌入特征相拼接，经层归一化后由第一隐状态多层感知机处理，再加上对融合耦合特征进行残差线性投影的结果，再依次经层归一化、第二隐状态多层感知机处理，得到解码器初始隐状态；将温阶约束嵌入特征与融合耦合特征相拼接，先由第一上下文多层感知机处理，再经层归一化后由第二上下文多层感知机处理，所得结果与温阶边界矩阵做哈达玛积，得到阶段上下文向量；

35、所述a33步骤中升温速率序列与保温时长序列的解码过程，包括：对于每个时间步，将当前时间步的位置编码、阶段上下文向量、以及温阶边界矩阵中对应当前时间步的边界向量与上一时间步的解码隐状态做哈达玛积的结果相拼接，将拼接结果与上一时间步的解码隐状态一同输入门控循环单元，得到当前时间步的解码隐状态；对当前时间步的解码隐状态经层归一化后由第一输出多层感知机处理，再加上对当前时间步的解码隐状态进行用于残差的线性投影的结果，再依次经层归一化、第二输出多层感知机处理，然后经通道分割操作得到当前时间步的升温速率与当前时间步的保温时长；解码完成后，将各时间步的升温速率、保温时长分别按时间顺序拼接，得到升温速率序列与保温时长序列。

36、需要进一步说明的是，成型剂各组分的分解温度是刚性的物理边界--特定组分只在某个温度区间内集中分解，升温速率过快会使分解气体在坯体内部来不及扩散排出，导致坯体在气体压力下产生微裂纹甚至开裂；保温时长不足则会使该组分分解不完全，残留的碳元素在后续烧结阶段转化为难以去除的碳化物缺陷，影响最终制品的致密度和力学性能；不同批次的成型剂因原料来源波动导致各组分摩尔分数存在差异，坯体的壁厚尺寸和摆放排布也会随生产批次变化，使得同一套手工划分的温阶参数在不同批次下难以始终落在组分分解温度的安全窗口内；此外，单个脱脂工艺往往包含三至五个温阶，每个温阶的升温速率和保温时长需与特定组分分解温度区间对齐，在数千种可能的温阶组合中手工逐一调整参数既耗时又难以保证全局最优；

37、本发明以组分分解温度参数和融合耦合特征作为输入--前者携带分解起始温度、峰值温度和终止温度等刚性边界信息，后者承载了坯体在当前批次下的热响应能力，包括坯体导热性、气体渗透性和几何排布带来的热滞后效应；首先采用第一约束编码多层感知机对组分分解温度参数进行层归一化与线性嵌入，再通过交叉注意力机制将分解温度嵌入与融合耦合特征的线性投影进行跨模态交互，使分解温度边界信息与热响应特征在语义空间中对齐；残差连接保留原始分解温度嵌入，经第二约束编码多层感知机与层归一化后输出温阶约束嵌入特征；与此同时，将温阶约束嵌入特征与融合耦合特征的另一线性投影进行拼接，经多层感知机和sigmoid函数处理后生成温阶边界矩阵--该矩阵的每个元素对应一个时间步的升温/保温模式切换概率，标记了哪些时间步处于快速升温安全窗口、哪些时间步必须转入保温阶段--将刚性物理边界转化为可逐时间步引用的软约束，避免了单一温度阈值在批次波动下边界模糊的问题；温阶边界矩阵从第一子步骤就抑制了特征空间中无物理意义的解码方向，使得后续生成的温阶序列一开始就受到组分分解温度区间的严格制约；

38、在得到温阶约束嵌入特征和温阶边界矩阵后，将两者与融合耦合特征进行拼接：经第一隐状态多层感知机进行层归一化和特征交互，残差连接路径通过残差线性投影层保留原始融合耦合特征，再经第二隐状态多层感知机与层归一化后得到解码器初始隐状态--该状态同时融合了全局热响应信息和组分分解温度约束信息，为自回归解码提供了物理语义正确的起点；与此同时，将温阶约束嵌入特征与融合耦合特征拼接，经第一上下文多层感知机处理后，用温阶边界矩阵对处理结果进行哈达玛积门控--边界矩阵中概率接近1的时间步保留完整的上下文信息，概率接近0的时间步则被抑制；再经第二上下文多层感知机与层归一化后输出阶段上下文向量，该向量仅保留当前温阶允许范围内的信息，超出发声温阶分解温度区间的特征被门控机制滤除，使解码器在每个温阶切换时自动聚焦于与该温阶组分分解相关的特征区域：当解码进入低沸点组分分解温阶时，高沸点组分对应的热响应特征被有效抑制，从而避免前一个温阶的残余信息干扰当前阶段的温控参数设定，使解码器专注于匹配当前温阶的分解速率和排气需求；

39、解码器初始隐状态和阶段上下文向量就绪后，采用门控循环单元进行自回归温阶序列解码；每个时间步将上一隐状态与温阶边界矩阵中对应时间步的边界向量进行哈达玛积门控，然后与位置编码和阶段上下文向量拼接作为门控循环单元的输入，生成当前时间步的解码隐状态；该隐状态经双层残差多层感知机与通道分割，同步输出该时间步的升温速率和保温时长；边界矩阵在每一时间步对隐状态施加逐步约束，确保解码结果不越过组分分解温度的安全边界--当解码推进到某组分分解峰值温度临近的时间步时，边界矩阵将升温模式切换概率置零、保温模式概率置一，强制解码器在该时间步输出保温时长而非升温速率；解码完成后，将各时间步的升温速率、保温时长按时间顺序拼接，得到完整的升温速率序列与保温时长序列；这一自回归机制使温阶序列中每个时间步的参数取值与上一时间步的状态形成因果链，保证了升温速率和保温时长在时间维度上的物理连续性--前一温阶的剩余分解气体排出程度会自然影响下一温阶的升温许可条件，避免了静态划分温阶时各阶段参数相互割裂、无法联动调整的问题；

40、现有技术中，工艺人员通常依据各组分分解温度范围手工划分温阶并逐一设定升温速率和保温时长--这种方式对批次间组分摩尔分数的波动高度敏感，一旦某组分实际浓度偏离标称值，手工设定的固定温阶就可能落在分解不完全或升温过快的危险区域，且工艺员无法在数千种可能的温阶组合中快速定位最优参数；本发明以组分分解温度参数为刚性约束，将其与融合耦合特征通过交叉注意力进行跨模态语义对齐，生成温阶边界矩阵作为逐时间步的物理约束信号；自回归解码过程中边界矩阵对每一隐状态进行哈达玛积门控，使得升温速率和保温时长在每个时间步都受到当前温阶分解温度区间的制约，将刚性物理边界嵌入到参数生成的每一步推理中，而非仅在最终输出时做阈值截断，使得解码结果能够自适应地调整温阶划分位置和持续时间，浓度波动会通过组分分解温度参数的变化驱动边界矩阵重新分配温阶切换概率，从而自动匹配新批次下的安全工艺窗口。

41、进一步地，所述a4步骤，还包括：

42、a41：根据升温速率序列、保温时长序列与融合耦合特征，进行温阶曲线段的参数化重构与热传导平滑投影，得到初步温阶曲线段序列；

43、a42：根据平滑投影后的温阶曲线段序列与融合耦合特征，进行能量平衡一致性校验与曲线段自适应修正，得到校验修正后的温阶曲线段序列；

44、a43：根据校验修正后的温阶曲线段序列，进行跨温阶连续拼接与全局温度曲线重构，得到连续温控曲线。

45、进一步地，所述a4骤，还包括：

46、根据升温速率序列、保温时长序列与融合耦合特征，进行温阶曲线段的参数化重构与热传导平滑投影，得到初步温阶曲线段序列，具体为：将升温速率序列中当前温阶的升温速率、保温时长序列中当前温阶的保温时长、以及融合耦合特征经用于上下文的线性投影层处理后的结果进行拼接，经第一曲线段多层感知机处理，加上针对当前温阶的位置编码函数，再进行层归一化，然后经第二曲线段多层感知机处理，得到当前温阶的初始曲线段；将当前温阶的初始曲线段与前一温阶的初始曲线段和当前温阶的初始曲线段之间经曲线段一阶差分操作所得结果进行拼接，经门控权重多层感知机处理，再经sigmoid函数，得到当前温阶的平滑门控权重；将当前温阶的平滑门控权重与当前温阶的初始曲线段做哈达玛积，同时将1减去当前温阶的平滑门控权重后与前一温阶的初始曲线段和当前温阶的初始曲线段经热扩散平滑操作所得结果做哈达玛积，再将两项哈达玛积结果相加，得到平滑投影后的当前温阶曲线段；

47、根据平滑投影后的温阶曲线段序列与融合耦合特征，进行能量平衡一致性校验与曲线段自适应修正，得到校验修正后的温阶曲线段序列，具体为：将平滑投影后的当前温阶曲线段经第四约束编码多层感知机处理得到第一中间特征，同时将融合耦合特征经用于查询键的线性投影层处理得到第二中间特征，将第一中间特征与第二中间特征进行交叉注意力操作，再经层归一化，再与平滑投影后的当前温阶曲线段经第四约束编码多层感知机处理所得的结果相加，然后经第三约束编码多层感知机处理，得到当前温阶的能量偏差特征；将当前温阶的能量偏差特征与平滑投影后的当前温阶曲线段进行拼接，经门控权重多层感知机处理，再经sigmoid函数，得到当前温阶的自适应修正强度系数；将当前温阶的能量偏差特征与平滑投影后的当前温阶曲线段和前一温阶的平滑投影后温阶曲线段之间的曲线段一阶差分操作结果进行拼接，经曲线段增量多层感知机处理，再与当前温阶的自适应修正强度系数做哈达玛积，然后将其加到平滑投影后的当前温阶曲线段上，得到校验修正后的当前温阶曲线段；

48、根据校验修正后的温阶曲线段序列，进行跨温阶连续拼接与全局温度曲线重构，得到连续温控曲线，具体为：针对每个温阶和每个时间步，将当前时间步与当前温阶的联合位置编码函数和指示函数进行拼接，经拼接权重多层感知机处理，再沿温阶维度进行softmax函数计算，得到当前温阶曲线段在当前时间步的拼接权重，其中指示函数用于指示当前时间步是否属于当前温阶的起始时间戳与下一个温阶的起始时间戳之间的区间；对于从第一个温阶到最后一个温阶的每个温阶，将校验修正后的当前温阶曲线段在当前时间步减去当前温阶的起始时间戳的时间步的取值与当前温阶曲线段在当前时间步的拼接权重相乘，并将所有温阶的乘积结果累加，得到连续温控曲线在当前时间步的温度值。

49、需要进一步说明的是，本发明的a41步骤以升温速率序列和保温时长序列以及融合耦合特征为输入--该特征携带了坯体烧结全阶段的物理状态信息；首先将每个温阶对应的升温速率和保温时长与融合特征的线性投影拼接，叠加该温阶的位置编码以增强对温阶序号的区分能力，再由双层曲线段多层感知机参数化重构为该温阶的初始曲线段--将离散参数转化为具有连续时间结构的曲线段形态，为后续精细调整提供了数值空间；随后计算相邻温阶初始曲线段之间的一阶差分--反映曲线形态变化的剧烈程度，输入门控权重多层感知机经sigmoid函数处理后得到平滑门控权重，其物理含义是当前温阶与前序温阶之间所需热扩散平滑的程度：当相邻温阶变化剧烈时，门控权重偏向采用热扩散平滑操作--以热传导扩散的方式将前序温阶曲线形态自然延展至当前温阶，使温阶交界处的温度梯度控制在炉体热惯性能接受的范围内，避免温度跳变触发控制器大幅调节；而相邻温阶变化平缓时，门控权重偏向保留初始曲线段，以维持原有响应速度，使平滑处理不再依赖固定窗口滤波，而是根据工况自适应调节--在升温和保温过渡剧烈的温阶，平滑投影有效避免了设定值跳变引起的阀门频繁动作，从而节约燃气并稳定炉膛工况；在变化平缓的温阶，则最大程度保留了初始曲线段的工艺细节，不至于因过度平滑而掩盖精调意图；

50、经过a41初步平滑后，各温阶曲线段在交界处获得光滑过渡，但各温阶的热量输入是否与坯体在该温度区间的吸热能力匹配尚未验证；a42步骤以平滑投影后的温阶曲线段序列和融合耦合特征为输入，首先将当前温阶曲线段通过第四约束编码多层感知机提取局部特征，将融合耦合特征通过用于查询键的线性投影层提取全局上下文，再经交叉注意力操作使曲线段与全局上下文交互--让曲线段感知融合耦合特征中隐含的坯体吸热特性和理想热输入模式，从而提取出当前曲线段与实际理想热输入之间的能量偏差特征；随后将能量偏差特征与当前曲线段拼接后经门控权重多层感知机和sigmoid函数处理，生成自适应修正强度系数--该系数决定了对当前温阶施加修正增量的幅度；最后将能量偏差特征与当前曲线段和前序曲线段的一阶差分拼接，经曲线段增量多层感知机处理，再与自适应修正强度系数逐元素相乘，实现逐点增量修正--确保每个温阶对应的热量输入与坯体在该温度区间的实际吸热能力匹配：若某段曲线升温过快导致累计热量超出坯体可吸收上限，能量偏差特征表现为正偏差，修正强度系数促使增量修正反向补偿，使曲线形成平缓升温段以避免坯体过热开裂；若升温过慢导致热量不足以驱动该温度区间的相变反应，修正会使曲线以更大斜率升温以补足热量缺口；经过校验修正，各温阶曲线段不再是独立生成的片段，而是具有热力学自洽性的物理曲线--能够适应不同批次坯体在吸热特性上的波动，拓宽了工艺曲线的适用范围；

51、a43步骤采用联合位置编码，编码了该时间步与温阶之间的相对时间关系与指示函数，使得在温阶过渡区域，权重在相邻温阶之间以连续分布形式分配，而非在时间边界处发生阶跃式切换；最后将各温阶曲线段在对应相对时刻的取值按拼接权重加权求和，重构为连续可求值、光滑的连续温控曲线，作为温度控制器的目标设定轨迹；这使得每个温阶曲线段在其主导区间内保持自身物理趋势，而过渡区域的拼接权重基于指示函数和位置编码自适应调配，避免了硬切换产生的温度拐点。

52、进一步地，所述a5步骤，还包括：

53、a51：将所述连续温控曲线作为温度控制器的目标设定轨迹，通过逻辑控制器按固定控制周期将连续温控曲线离散化为温度设定值序列，逐周期下发至各温区对应的比例-积分-微分温度控制器；

54、a52：温度控制器在每个控制周期内采集对应热电偶传感器反馈的当前实际温度，计算当前实际温度与当前周期温度设定值之间的偏差量，输入比例-积分-微分控制算法，生成当前周期的输出控制量，并将所述输出控制量转换为燃气阀门开度指令，通过工业现场总线发送至对应温区的执行机构；

55、a53：循环执行上述闭环控制过程，直至当前烧成批次全部温阶的保温时长累计完毕，控制器输出零功率指令并关闭燃气主阀或切断加热电源，完成本批次坯体烧成的温度控制。

56、与现有技术相比，本发明的有益效果在于：

57、（1）传统固定恒温工艺无法兼顾金属与陶瓷坯体的壁厚差异及成型剂多组分分解释放特性，工艺切换依赖人工试错，成本高且精度不足；本发明通过多源异构信息的同步标准化与多维工况特征的融合，能够动态捕获壁厚、热传导、多组分解时序之间的非线性影响关系，从而为各温阶自适应生成匹配坯体几何与组分的升温速率与保温时长序列；在此基础上，进一步对温控曲线进行平滑投影与边界校验修正，避免了因温度突变导致的坯体鼓裂或残留黑斑；离散后逐周期下发至各温区pid控制器，以实际温度偏差实时反馈生成控制量，使得每个温阶的加热节奏始终贴合坯体当前的热传导状态，厚壁心部获得充分保温而薄壁区域避免过热膨胀，能够适配坯体特性与配方变化，使得金属坯与陶瓷坯能在同一工艺路径下稳定完成脱脂，突破了传统单一工艺对材料类型与几何特征的适配上限。

58、（2）为解决金属与非金属坯体共炉时的热响应差异，导致温控割裂的问题，本发明先利用双向长短期记忆网络捕获炉温时序前后依赖并保留原始量级，使热惯性效应被准确表征；再针对金属坯体采用多层级点云网络提取壁厚连续梯度，针对非金属坯体采用动态图卷积网络捕捉表面形貌对流传热响应，在特征层面区隔两类热响应物理机制；同时通过图卷积与图注意力网络将坯体排布间距、密度等空间拓扑信息与组分自注意力编码的配比信息并行提取；最终利用自适应门控机制根据当前坯体的几何、拓扑、组分特征自动判别材质倾向，将材质差异、壁厚分布、排布位置和组分配比四类异构信息统一为单一融合耦合特征张量，为后续工艺调控提供了一次计算整合多源物理信息的基础。

59、（3）本发明以组分分解温度参数为约束源，通过交叉注意力与融合耦合特征进行跨模态语义对齐，生成温阶边界矩阵作为逐时间步的物理约束信号，将刚性边界转化为可逐步引用的软约束；在自回归解码过程中，边界矩阵对每步隐状态进行哈达玛积门控，确保升温速率和保温时长在每个时间步均受当前温阶分解温度区间制约；当解码进入低沸点组分温阶时，高沸点组分对应的特征被自动抑制，避免前序残余信息干扰，将物理边界嵌入每一步推理而非仅在输出端截断，批次波动时浓度变化通过分解温度参数驱动边界矩阵重新分配温阶切换概率，自动匹配新批次安全工艺窗口。

60、（4）本发明将各温阶升温速率和保温时长参数化重构为连续曲线段，再通过门控权重根据相邻温阶变化剧烈程度自适应选择热扩散平滑或保留原有曲线，使温阶交界处温度梯度控制在炉体热惯量可接受范围内；然后通过交叉注意力让曲线段感知融合耦合特征中隐含的坯体吸热特性，提取能量偏差特征并生成自适应修正强度系数，对每个温阶进行逐点增量修正--升温过快时反向补偿放缓曲线，升温过慢时加大斜率补足热量缺口，确保每段热量输入与坯体实际吸热能力匹配。