一种电容器生产用的高温与高压调节方法及系统与流程
本发明涉及电容器生产,具体是一种电容器生产用的高温与高压调节方法及系统。
背景技术:
1、传统方法采用固定的调节策略,未能根据不同工艺阶段的特性进行调整,导致调节过程缺乏针对性,生产效率较低,无法实现对生产过程中温度和压强的精确控制,导致电容器质量不稳定;
2、此外,传统方法仅依靠单一的质量评估指标,未能够综合考虑多个关键指标(如电容偏差率和漏电流偏差率),导致质量评估不够准确和全面;对于不合格电容器,传统方法未准确识别缺陷工艺阶段,也缺乏有效的补偿调节策略,导致质量控制和改进不够智能化和有效;传统依赖于人工经验和手动操作,缺乏实时性,导致生产过程的自动化和智能化水平较低。
3、因此,亟需一种电容器生产用的高温与高压调节方法及系统来解决现有技术存在的问题。
技术实现思路
1、为了解决上述技术问题,本发明的目的一方面提供了一种电容器生产用的高温与高压调节方法,该方法包括以下步骤:
2、s1、采集电容器生产全流程初始工艺参数和实时监测数据,初始工艺参数包含各生产阶段的基准温度、基准压强、基准电容值及基准漏电流,实时监测数据包含各采样时刻的实测温度、实测压强、实测电容值及实测漏电流;
3、s2、根据初始工艺参数的基准温度和基准压强,并结合生产阶段工艺要求,划分得到多个连续的工艺阶段,并为每个工艺阶段分配对应的阶段标识,计算各工艺阶段的温压偏差序列,并基于温压偏差序列的波动特征,确定各工艺阶段的调节敏感区间;
4、s3、构建各工艺阶段的调节强度特征曲线,根据调节敏感区间和调节强度特征曲线,采用时序卷积网络对各工艺阶段的调节过程进行建模,得到各工艺阶段对应的阶段调节模型;将阶段调节模型按工艺顺序融合,得到全流程调节模型,根据全流程调节模型以及当前工艺阶段的阶段标识,确定当前时刻的目标温度和目标压强;
5、s4、根据目标温度和目标压强,对生产设备的加热组件和加压组件进行调节,计算调节误差序列,结合电容偏差率和漏电流偏差率,对各工艺阶段的电容器进行质量评估;
6、s5、根据质量评估结果,对各工艺阶段生产的电容器进行初步筛选,得到候选电容器,计算候选电容器电容值、漏电流与基准电容值、基准漏电流的差值,结合全流程调节模型的输出误差,计算候选电容器的综合评分,根据综合评分筛选出目标合格电容器。
7、在一个优选的实施例中,根据初始工艺参数的基准温度和基准压强,并结合生产阶段工艺要求,划分得到多个连续的工艺阶段,并为每个工艺阶段分配对应的阶段标识,包括:
8、提取初始工艺参数中的基准温度和基准压强,结合生产工艺流程图中的关键节点,确定各工艺阶段的起始时刻和结束时刻;
9、根据各工艺阶段的起始时刻和结束时刻,将生产全流程划分为多个连续的工艺阶段,每个工艺阶段对应一个唯一的阶段标识,所述阶段标识包含阶段序号和阶段类型;
10、其中阶段类型根据工艺阶段的主要操作特征确定,包括升温阶段、升压阶段、恒温阶段、恒压阶段、降温阶段、降压阶段中的任意一种。
11、在一个优选的实施例中,计算各工艺阶段的温压偏差序列,并基于温压偏差序列的波动特征,确定各工艺阶段的调节敏感区间,包括:
12、针对每个工艺阶段,提取该阶段内所有采样时刻的实测温度和实测压强,分别与基准温度和基准压强作差,得到温度偏差序列和压强偏差序列;
13、将所述温度偏差序列和所述压强偏差序列进行融合,得到温压偏差序列,计算温压偏差序列的标准差和极差,作为温压偏差序列的波动特征;
14、根据温压偏差序列的波动特征以及工艺阶段的阶段类型,确定该工艺阶段的调节敏感区间,所述调节敏感区间包含温度敏感范围和压强敏感范围。
15、在一个优选的实施例中,构建各工艺阶段的调节强度特征曲线,包括:
16、针对每个工艺阶段,计算实测电容值与基准电容值的差值除以基准电容值,得到电容偏差率;
17、计算实测漏电流与基准漏电流的差值除以基准漏电流,得到漏电流偏差率;
18、将电容偏差率、漏电流偏差率与温压偏差序列中的温度偏差、压强偏差进行时间对齐,得到各采样时刻的联合偏差向量;
19、对联合偏差向量进行平滑处理,得到各工艺阶段的调节强度特征曲线,调节强度特征曲线的横坐标为时间,纵坐标为联合偏差的加权和。
20、在一个优选的实施例中,根据调节敏感区间和调节强度特征曲线,采用时序卷积网络对各工艺阶段的调节过程进行建模,得到各工艺阶段对应的阶段调节模型,包括:
21、将调节敏感区间的温度敏感范围和压强敏感范围作为约束条件,将调节强度特征曲线作为输入特征,构建时序卷积网络的输入层;
22、所述时序卷积网络的隐藏层包含多个因果卷积层,用于提取调节过程的时序特征,输出层为全连接层,输出下一时刻的目标温度和目标压强;
23、采用历史生产数据中的调节过程数据对时序卷积网络进行训练,训练时以实际调节参数与目标调节参数的误差为损失函数,得到各工艺阶段对应的阶段调节模型;
24、相应地,将调节敏感区间的温度敏感范围和压强敏感范围作为约束条件,引入时序卷积网络中包括:
25、在时序卷积网络的输入层,将约束条件作为额外的特征通道,与调节强度特征曲线一同输入,使网络在训练过程中直接学习敏感范围的边界信息;
26、在时序卷积网络的隐藏层中,将约束条件作为额外范围约束层,对每一层的输出温压特征进行范围校验,若超出温度或压强的敏感范围,将超出敏感范围的偏差量转化为惩罚损失值,将惩罚损失值并合并至时序卷积网络的总损失函数中,使时序卷积网络在训练迭代过程中优先收敛至约束条件。
27、在一个优选的实施例中,对各工艺阶段的电容器进行质量评估,包括:
28、根据目标温度与实际温度的差值,计算加热组件的功率调节量;
29、根据目标压强与实际压强的差值,计算加压组件的压力调节量;
30、在调节过程中,以预设采样频率采集电容器的实际温度、实际压强,针对每个工艺阶段,计算实际温度与目标温度的差值序列,以及实际压强与目标压强的差值序列,得到调节误差序列;
31、将调节误差序列的绝对值之和、电容偏差率最大值、漏电流偏差率最大值进行加权求和;
32、加权求和结果作为各工艺阶段的电容器质量评估结果,其中,加权求和结果,越小表示该阶段生产的电容器质量越稳定。
33、在一个优选的实施例中,根据综合评分筛选出目标合格电容器,包括:
34、将质量评估结果大于等于预设质量评估阈值的电容器,作为候选电容器;
35、计算候选电容器的电容值与基准电容值的差值绝对值,以及漏电流与基准漏电流的差值绝对值;
36、提取全流程调节模型在候选电容器生产过程中的输出误差,所述输出误差为目标调节参数与实际调节参数的差值的平方和;
37、将电容差值绝对值、漏电流差值绝对值、输出误差进行归一化处理后加权求和,将所述加权求和值输入至预设评分模型中,得到综合评分;
38、将综合评分大于等于预设评分阈值的候选电容器作为目标合格品,完成电容器筛选;
39、相应地,将阶段调节模型按工艺顺序融合,得到全流程调节模型的过程包括:
40、提取各工艺阶段的阶段调节模型,按生产工艺顺序将前一工艺阶段的阶段调节模型输出层与后一工艺阶段的阶段调节模型输入层进行时序对齐,以构建阶段间参数传递通道;
41、根据阶段间参数传递通道,确定各阶段调节模型在全流程中的贡献权重,生成加权融合阶段模型组;
42、提取加权融合阶段模型组以及各阶段调节模型隐藏层的时序特征,得到跨阶段时序关联特征和各阶段独立时序特征;
43、通过注意力机制计算各隐藏层跨阶段时序关联特征和各阶段独立时序特征的特征关联强度;
44、将特征关联强度与全流程质量评估指标进行联合编码,构建包含各阶段调节误差加权和、跨阶段温压突变惩罚项及全流程质量评估指标约束项的全流程损失函数;所述全流程质量评估指标包括电容偏差率、漏电流偏差率;
45、基于全流程损失函数对加权融合阶段模型组进行训练,直至训练误差收敛至预设误差范围,输出加权融合阶段模型作为全流程调节模型。
46、在一个优选的实施例中,综合评分小于预设评分阈值的候选电容器作为不合格电容器,之后,所述方法还包括:
47、获取不合格电容器的生产全流程数据,包括各工艺阶段的实测温度、实测压强、实测电容值、实测漏电流以及调节误差序列;
48、将不合格电容器的生产全流程数据输入至预先训练的缺陷定位模型,所述缺陷定位模型基于历史不合格电容器的工艺生产全流程数据与缺陷类型标签训练得到;
49、通过缺陷定位模型识别不合格电容器的缺陷工艺阶段,并提取该缺陷工艺阶段中调节强度特征曲线的异常波动区间;
50、根据异常波动区间的温压偏差序列和调节强度特征曲线,计算缺陷工艺阶段的调节敏感度系数;
51、根据调节敏感度系数和缺陷定位模型输出的缺陷类型,从调节资源库中匹配对应的补偿调节策略;
52、相应的,所述缺陷定位模型采用多尺度卷积层与时空注意力层相结合的深度神经网络架构,其输入端接收不合格电容器的生产全流程数据;
53、所述多尺度卷积层通过设置不同尺度的卷积核,并行提取生产全流程数据中的温压异常特征和宏观趋势演化特征;
54、所述时空注意力层用于计算生产全流程数据中各采样时刻及各工艺参数对质量缺陷的贡献权重,通过权重的空间分布确定缺陷发生的具体工艺阶段;
55、收集历史生产数据中不合格电容器的生产全流程数据作为训练样本,以经失效分析确定的缺陷工艺阶段和缺陷类型作为监督标签,通过梯度下降算法对模型参数进行迭代训练直至收敛,完成缺陷定位模型的生成。
56、在一个优选的实施例中,根据异常波动区间的温压偏差序列和调节强度特征曲线,计算缺陷工艺阶段的调节敏感度系数,包括:
57、提取异常波动区间内的温压偏差序列,分离得到温度偏差子序列和压强偏差子序列,并提取对应时段调节强度特征曲线的采样值序列;
58、计算温度偏差子序列与调节强度特征曲线采样值序列的第一关联度系数、压强偏差子序列与调节强度特征曲线采样值序列的第二关联度系数,以及温压偏差序列与调节强度特征曲线的互相关函数最大值;
59、对温度偏差子序列和压强偏差子序列分别计算波动增量熵,所述波动增量熵通过对偏差序列进行相空间重构后,统计相邻轨迹段的概率分布熵值得到;
60、提取调节强度特征曲线在异常波动区间的峰度及曲率积分值,其中曲率积分值为曲线二阶导数绝对值沿横向轴的积分;
61、对第一关联度系数、第二关联度系数、互相关函数最大值、波动增量熵、峰度、曲率积分值进行加权融合,加权融合后通过sigmoid函数映射得到调节敏感度系数。
62、本发明另一方面还公开了一种电容器生产用的高温与高压调节系统,该系统包括以下模块:
63、数据采集模块:用于采集电容器生产全流程初始工艺参数和实时监测数据,初始工艺参数包含各生产阶段的基准温度、基准压强、基准电容值及基准漏电流,实时监测数据包含各采样时刻的实测温度、实测压强、实测电容值及实测漏电流;
64、调节区间确定模块:用于根据初始工艺参数的基准温度和基准压强,并结合生产阶段工艺要求,划分得到多个连续的工艺阶段,并为每个工艺阶段分配对应的阶段标识,计算各工艺阶段的温压偏差序列,并基于温压偏差序列的波动特征,确定各工艺阶段的调节敏感区间;
65、温压调节目标确定模块:用于构建各工艺阶段的调节强度特征曲线,根据调节敏感区间和调节强度特征曲线,采用时序卷积网络对各工艺阶段的调节过程进行建模,得到各工艺阶段对应的阶段调节模型;将阶段调节模型按工艺顺序融合,得到全流程调节模型,根据全流程调节模型以及当前工艺阶段的阶段标识,确定当前时刻的目标温度和目标压强;
66、质量评估模块:用于根据目标温度和目标压强,对生产设备的加热组件和加压组件进行调节,计算调节误差序列,结合电容偏差率和漏电流偏差率,对各工艺阶段的电容器进行质量评估;
67、合格筛选模块:用于根据质量评估结果,对各工艺阶段生产的电容器进行初步筛选,得到候选电容器,计算候选电容器电容值、漏电流与基准电容值、基准漏电流的差值,结合全流程调节模型的输出误差,计算候选电容器的综合评分,根据综合评分筛选出目标合格电容器。
68、与现有技术相比,本发明的有益效果是:
69、1、本发明通过实时监测数据和初始工艺参数,利用时序卷积网络对生产过程进行阶段建模和调节,确保温度和压强的精确控制,从而提高电容器的质量稳定性,根据不同工艺阶段的特性,自动划分工艺阶段并确定调节敏感区间,使得调节过程更具针对性,提高生产效率。
70、2、本发明通过计算调节误差序列、电容偏差率和漏电流偏差率,对电容器进行质量评估,并根据综合评分筛选出目标合格电容器,确保出厂产品的质量,对于不合格电容器,通过缺陷定位模型识别缺陷工艺阶段,并根据调节敏感度系数匹配对应的补偿调节策略,实现智能化的质量控制和改进。
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