一种阶梯式温度、时间、压力热压薄膜电容器方法与流程

技术特征：
1.一种阶梯式温度、时间、压力热压薄膜电容器方法，其特征在于，包括以下步骤：s1，数据收集与预处理：收集电容器制造的热压温度、时间、压力、电容器的状态以及电容器电器性能，并进行标准化预处理，以消除消除数据的偏移和尺度差异；s2，模型设计与优化：设计深度神经网络模型，并通过ddpg算法对模型进行优化，得到最优的温度、时间、压力阶梯式热压参数，具体包括：s201，设定初始的温度、时间和压力阶梯参数，并记录初始的电容器的电气性能指标，并设定温度、时间和压力阶梯参数范围；s202，构建actor网络以输出动作策略，进而选择各状态的调整值，并且构建critic网络以评估动作的价值；将热压过程中的温度、时间、压力作为状态s，在一定范围内连续调整温度、时间、压力作为动作a；电容器的状态与最优的电容器的状态的差值作为奖励，设计奖励函数，以评估动作a的价值；s203，使用收集到的数据对actor与critic网络进行训练，根据奖励函数计算奖励，更新actor网络和critic网络，以优化动作策略和动作价值的估计，进而通过调整参数，使得奖励达到最大，以获取最优温度、时间、压力参数；s3，阶梯热压：将最优参数输入到薄膜电容器热压设备中，启动设备，进行阶梯式热压。2.根据权利要求1所述的一种阶梯式温度、时间、压力热压薄膜电容器方法，其特征在于，所述s1中电容器的状态为电容器芯子的表面温度均匀性、薄膜收缩程度的一致性；电气性能指标为电容量。3.根据权利要求1所述的一种阶梯式温度、时间、压力热压薄膜电容器方法，其特征在于，所述s201中温度、时间和压力阶梯参数范围分为三阶梯；第一阶梯参数范围中温度为100-120℃、压力为10-20mpa、时间为10-60s；第二阶梯参数范围中温度为120-260℃、压力为20-60mpa、时间为5-15min；第三阶梯参数范围中温度为260-300℃、压力为60-100mpa、时间为2-5min。4.根据权利要求3所述的一种阶梯式温度、时间、压力热压薄膜电容器方法，其特征在于，所述s201中设定初始的温度、时间和压力阶梯参数为根据以下公式,分别选取三阶梯参数范围中温度、时间和压力初始值：t＝t
min
rand(0,1)*(t
max-t
min
)，t＝t
min
rand(0,1)*(t
max-t
min
)，p＝p
min
rand(0,1)*(p
max-p
min
)，其中t为最终选取的初始温度，t
max
和t
min
分别为该阶梯范围中最大和最小温度，t为最终选取的初始时间，t
max
和t
min
分别为该阶梯范围中最大和最小时间，p为最终选取的初始压力，p
max
和p
min
分别为该阶梯范围中最大和最小压力。5.根据权利要求1或3任一所述的一种阶梯式温度、时间、压力热压薄膜电容器方法，其特征在于，所述s202中在一定范围内连续调整温度、时间、压力，具体为：根据上一阶梯状态s，以一定步长调整当前阶梯状态s，所述步长在第一阶梯参数范围中，温度步长δt为0.5-2℃，时间步长δt为4-6s，压力步长δp为0.5-2mpa；在第二阶梯参数范围中，温度步长δt为0.5-2℃，时间步长δt为0.5-1min，压力步长δp为0.5-2mpa；在第三阶梯参数范围中，温度步长δt为0.5-2℃，时间步长δt为0.5-1min，压力步长δp为
0.5-2mpa。6.根据权利要求1或2任一所述的一种阶梯式温度、时间、压力热压薄膜电容器方法，其特征在于，所述s202中，奖励函数为r＝ω1r
cp
ω2r
cc
，其中r为奖励值，ω1、ω2为相应奖励的权重系数，且ω1 ω2＝1，r
cp
为电容表面温度均匀性与最优的电容表面温度均匀性的差值的奖励，r
cc
为薄膜收缩程度与最优的薄膜收缩程度的差值的奖励；其中，n为同一电容表面温度检测点的数量，w
i
为同一电容表面温度检测点i测量到的温度值，为同一电容表面所有温度检测点测量到的温度的平均值；其中s
i
为当前薄膜的收缩程度，为最优的薄膜收缩程度。7.根据权利要求1所述的一种阶梯式温度、时间、压力热压薄膜电容器方法，其特征在于，电容表面温度均匀性符合要求的奖励的权重系数ω1为0.7-0.8，薄膜收缩程度符合要求的奖励的权重系数ω2为0.2-0.3。8.根据权利要求1所述的一种阶梯式温度、时间、压力热压薄膜电容器方法，其特征在于，所述s3中阶梯式热压具体为：1)首先按照第一阶梯最优的热压温度和压力，热压第一阶梯最优时间；2)在热压第一阶梯最优时间后，在一定时间内将温度和压力提升至第二阶梯最优的热压温度和压力，热压第二阶梯最优时间；所述一定时间为30-60s；3)在热压第二阶梯最优时间后，在一定时间内将温度和压力提升至第二阶梯最优的热压温度和压力，热压第二阶梯最优时间；所述一定时间为1-2min。9.根据权利要求1所述的一种阶梯式温度、时间、压力热压薄膜电容器方法，其特征在于，所述s203中更新actor网络和critic网络使用adam优化器进行更新。

技术总结
本发明属于电容器技术领域，公开了一种阶梯式温度、时间、压力热压薄膜电容器方法，旨在提供一种优化的热压过程，以改善薄膜电容器的性能和可靠性。本发明的方法基于深度神经网络和深度确定性策略梯度算法（DDPG）进行优化。首先，通过收集一组训练数据，包括温度、时间、压力和电容器性能的测量值，训练一个深度神经网络模型。然后，利用DDPG算法对神经网络模型进行优化，通过调整控制参数（温度、时间、压力）来最大化奖励函数。在热压过程中，实时监测电容器性能的变化情况，根据实时反馈调整控制参数并实时更新神经网络模型，进一步优化控制策略。略。


技术研发人员：邬立文 黄渭国 蔡学云 彭运勇
受保护的技术使用者：六和电子（江西）有限公司
技术研发日：2023.06.01
技术公布日：2023/8/31