买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：博创智能装备股份有限公司

摘要：本发明涉及注塑机保压控制技术领域，尤指一种基于偏差值的保压控制方法。方法包括以下步骤：实时监测注塑机运行数据，包括转速、实际压力、温度和模具位置；利用粒子滤波器算法计算压力偏差值；基于压力偏差值，利用遗传算法优化的自适应模糊神经网络构建力矩限制模型，计算最优驱动器力矩限制值；通过边缘计算技术调整驱动器输出力矩，并调整压力机制；利用深度学习模型预测驱动器过载风险，并在达到阈值前预警。本发明通过精准的力矩控制和压力调整，以及预防性维护措施，能够显著提升注塑生产的效率和产品质量，减少废品率和停机时间，降低生产成本。

主权项：1.一种基于偏差值的保压控制方法，其特征在于，包括以下步骤：S1：通过传感器网络实时监测注塑机的运行数据；所述运行数据包括注塑机的转速、注塑过程中的实际压力、温度和模具位置；S2：利用历史数据和实时运行数据，应用粒子滤波器算法计算当前工况下的压力偏差值；S3：基于所述压力偏差值，利用遗传算法优化的自适应模糊神经网络构建力矩限制模型，计算出最优的驱动器力矩限制值；S4：通过边缘计算技术根据优化后的力矩限制值实时调整驱动器的输出力矩，并基于压力偏差的判断，调整压力机制；S5：利用深度学习模型预测驱动器的过载风险，并在达到阈值前进行预警；其中，所述步骤S2具体包括以下步骤：S21：将传感器网络采集到的注塑机实时运行数据与历史运行数据输入至粒子滤波器算法模型；S22：在粒子滤波器算法模型中，初始化粒子群，每个粒子包括注塑机转速、实际压力、温度和模具位置四个维度的初始值，并根据历史数据进行初始权重的分配；S23：基于注塑过程中的实际压力和温度变化，利用卡尔曼滤波模型对粒子状态进行预测和更新，通过观测模型计算每个粒子的权重，权重计算依据为实际压力和温度与预测值之间的差异；S24：对粒子进行重采样，保留高权重的粒子，并结合变异机制引入随机扰动，同时根据实时运行数据动态调整粒子的数量和分布；S25：通过整合重采样后的粒子状态和权重，计算压力偏差值；所述压力偏差值是实际观测压力与粒子滤波器模型预测压力的加权平均值之间的差异，用于反映当前工况下的压力异常情况；所述权重计算的公式如下： ；其中，表示第i个粒子的权重；和分别是第i个粒子的预测压力和温度；表示传感器网络实时监测的注塑过程中的实际压力；表示传感器网络实时监测的注塑过程中的实际温度；和表示压力和温度的标准差；所述计算压力偏差值的公式如下： ；其中，表示压力偏差值；表示传感器网络实时监测的注塑过程中的实际压力；表示第i个粒子的预测压力，基于注塑机转速、温度和模具位置的多维度数据预测；表示第i个粒子的权重；n表示粒子总数；所述步骤S3具体包括以下步骤：S31：构建自适应模糊神经网络模型，所述模型输入包括注塑机的实时运行数据和压力偏差值；S32：初始化模糊规则和神经网络参数，所述模糊规则通过专家经验和历史数据确定，神经网络参数通过随机初始化；S33：利用实时运行数据和压力偏差值对模糊神经网络模型进行在线训练，通过梯度下降算法调整神经网络权重和模糊规则的参数；S34：通过模糊推理和神经网络计算出当前工况下的最优力矩限制值，所述力矩限制值用于调整驱动器的输出力矩；S35：根据模糊神经网络的输出和注塑机的实时运行数据，对力矩限制模型进行自适应调整；所述最优力矩限制值的计算公式如下： ；其中，表示最优力矩限制值；表示第个模糊神经网络节点的隶属度；表示第个模糊神经网络节点预测的力矩值；N表示模糊神经网络节点总数。

全文数据：

权利要求：

百度查询： 博创智能装备股份有限公司 一种基于偏差值的保压控制方法