基于敏感度分析的隔膜品质提升方法技术

本发明专利技术提供一种基于敏感度分析的隔膜品质提升方法，其於采集隔膜的生产参数后，进一步取得其敏感度信息，并以生产参数的制备参数和品质参数进行训练产生预测模型，将基于敏感度信息的制备参数调节过程智能化，提升隔膜产品的品质，降低能源资源的消耗，节约工业的维护成本。护成本。护成本。

【技术实现步骤摘要】
基于敏感度分析的隔膜品质提升方法


[0001]本专利技术属于隔膜制备领域，特别是涉及一种基于敏感度分析的隔膜品质提升方法。

技术介绍

[0002]目前电池隔膜的生产行业，在隔膜制备的过程中，产品的品质参数接近品质控制界限时，需要调整生产线的制备参数，工程师经常需要针对几个常用参数，并用试验法依序调整生产线的制备参数，直到目标质量物性回到正常目标品质范围内，这样试验的过程不仅浪费过多的原材料和人力维护资源，也造成了能源消耗的增长。
[0003]由于隔膜生产的制备路线长、参数多，且，可复制性差，其中，人工试验方法的随机性强、能源消耗大，并且制备参数对质量参数的对应关系复杂不明确，整个制备参数的调整，往往会影响其他品质参数，这样会提高产品的不良率。
[0004]为此，本专利技术提出一种基于敏感度分析的隔膜品质提升方法，其可以建立环境参数与品质参数之间的模型关系，并根据模型关系自动调节最优品质下的制备参数，将制备参数调节过程智能化，提升隔膜产品的品质，降低能源资源的消耗，节约工业的维护成本。

技术实现思路

[0005]本专利技术的目的在于提供一种基于敏感度分析的隔膜品质提升方法，采集隔膜的生产参数后，进一步取得其敏感度信息，并以生产参数的制备参数和品质参数进行训练产生预测模型，将制备参数调节过程智能化，提升隔膜产品的品质，降低能源资源的消耗，节约工业的维护成本。
[0006]为达成上述的目的，本专利技术提供一种基于敏感度分析的隔膜品质提升方法，其特征在于，包括步骤：
[0007]撷取一隔膜的一第一生产参数；
[0008]以所述第一生产参数的一第一制备参数和一品质参数进行训练，生成一预测生产模型；
[0009]撷取所述隔膜的一第二生产参数；
[0010]以一算法与所述第二生产参数进行运算，生成对应的一敏感度信息；
[0011]以所述预测生产模型与所述第二生产参数的所述敏感度信息进行运算，生成一预测参数值；及
[0012]以所述预测参数值调整生产所述隔膜的一第二制备参数。
[0013]优选的，所述算法为随机森林算法。
[0014]优选的，于以一算法与所述第二生产参数进行运算，生成对应的一敏感度信息的步骤中，将所述第二生产参数进行数据预处理后，再进行运算，生成对应的所述敏感度信息。
[0015]优选的，于以所述第一生产参数的一第一制备参数和一品质参数进行训练，生成
一预测生产模型的步骤中，以一神经网络模型根据所述第一生产参数的一第一制备参数和一品质参数进行训练，生成所述预测生产模型。
[0016]优选的，于以一神经网络模型根据所述第一生产参数的一第一制备参数和一品质参数进行训练，生成所述预测生产模型的步骤中，将所述第一生产参数与所述第一制备参数和所述品质参数根据一比例值，分为一训练集与一验证集，并将所述训练集进行训练，生成所述预测生产模型，並以所述验证集验证所述预测生产模型。
[0017]优选的，所述比例值为8:2。
[0018]优选的，于以所述预测生产模型与所述第二生产参数进行运算，生成一预测参数值的步骤中，以所述敏感度信息与所述第二生产参数，生成一参数序列，将所述预测生产模型与所述参数序列进行运算，生成所述预测参数值。
[0019]优选的，于以所述敏感度信息与所述第二生产参数，生成一参数序列，将所述预测生产模型与所述参数序列进行运算，生成所述预测参数值的步骤中，以所述敏感度信息与所述第二生产参数进行随机取值，生成所述参数序列。
[0020]优选的，所述第一生产参数包括一第一制备参数与一品质参数，及所述第二生产参数包括一第二制备参数与一第二品质参数，所述第一制备参数与一第二制备参数为生产所述隔膜的一工艺参数及一环境参数，所述品质参数为所述隔膜的厚度、透气率、穿刺强度、拉伸强度、面密度、热收缩、面张力分布中的至少一种。
[0021]优选的，所述环境参数包括温度、湿度、压强中的至少一种。
[0022]本专利技术的有益效果在于，自动化调节制备参数，以保证隔膜品质的最优化，提高隔膜产品的良品率，这样既降低能源资源的消耗，也降低了工业维护的成本，而可改善现有技术习知缺陷。
附图说明
[0023]图1为本专利技术一实施例的基于敏感度分析的隔膜品质提升方法流程图；及
[0024]图2为本专利技术的一实施例的实际生产过程中隔膜品质提升的工作流程图。
具体实施方式
[0025]为让本专利技术上述及/或其他目的、功效、特征更明显易懂，下文特举较佳实施方式，作详细说明于下：
[0026]请参阅图1，其为本专利技术的一实施例的基于敏感度分析的隔膜品质提升方法流程图。如图所示，一实施例中，基于敏感度分析的隔膜品质提升方法，包含步骤如下：
[0027]步骤S1:撷取一隔膜的一第一生产参数；
[0028]步骤S2:以所述第一生产参数的一第一制备参数和一品质参数进行训练，生成一预测生产模型；
[0029]步骤S3:撷取所述隔膜的一第二生产参数；
[0030]步骤S4:以一算法与所述第二生产参数进行运算，生成对应的一敏感度信息；
[0031]步骤S5:以所述预测生产模型与所述第二生产参数的所述敏感度信息进行运算，生成一预测参数值；及
[0032]步骤S6:以所述预测参数值调整生产所述隔膜的一第二制备参数。
[0033]如步骤S1所示，在隔膜基膜生产线上实时采集所有过程的生产参数，其中，生产参数包括制备参数与品质参数，制备参数包括工艺参数和环境参数，工艺参数是根据隔膜生产的整体流程，采集每一环节包括挤出、铸片、纵向拉伸、横向拉伸、萃取、涂布、收卷中的过程工艺参数，环境参数包括温度、湿度、压强等；品质参数则是采集制出的隔膜产品进行质量检测的品质数据，其包含厚度、透气率、穿刺强度、拉伸强度、面密度、热收缩、面张力分布等。
[0034]如步骤S2所示，以神经网络模型根据第一生产参数的第一制备参数和品质参数进行训练，针对第一制备参数和品质参数之间的多输入多输出关系，由于生产参数中的工艺参数和环境参数是随时间变化的连续性变量，使用时间序列神经网络模型作为学习的模型生成预测生产模型。
[0035]其中，时间序列神经网络模型如下:
[0036]O
t
＝g(V
·
S
t
)
[0037]S
t
＝f(U
·
X
t
+W
·
S
t
‑1)
[0038]其中，O
t
为t时刻的模型输出，S
t
为t时刻的隐藏层参数，X
t
为t时刻的数据输入。
[0039]于一实施例中，于训练前，可将第一生产参数先进行数据归一化后，并根据比例值将第一制备参数和品质参数分为训练集与验证集，其中，比例值介于8:2之间，较佳的，将第一制备参数和品质参数按8:2比例分为训本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于敏感度分析的隔膜品质提升方法，其特征在于，包括步骤：撷取一隔膜的一第一生产参数；以所述第一生产参数的一第一制备参数和一品质参数进行训练，生成一预测生产模型；撷取所述隔膜的一第二生产参数；以一算法与所述第二生产参数进行运算，生成对应的一敏感度信息；以所述预测生产模型与所述第二生产参数的所述敏感度信息进行运算，生成一预测参数值；及以所述预测参数值调整生产所述隔膜的一第二制备参数。2.根据权利要求1所述基于敏感度分析的隔膜品质提升方法，其特征在于，所述算法为随机森林算法。3.根据权利要求1所述基于敏感度分析的隔膜品质提升方法，其特征在于，于以一算法与所述第一生产参数进行运算，生成对应的一敏感度信息的步骤中，将所述第一生产参数进行数据预处理后，再进行运算，生成对应的所述敏感度信息。4.根据权利要求1所述基于敏感度分析的隔膜品质提升方法，其特征在于，于以所述第一生产参数的一第一制备参数和一品质参数进行训练，生成一预测生产模型的步骤中，以一神经网络模型根据所述第一生产参数的一第一制备参数和一品质参数进行训练，生成所述预测生产模型。5.根据权利要求4所述基于敏感度分析的隔膜品质提升方法，其特征在于，于以一神经网络模型根据所述第一生产参数的一第一制备参数和一品质参数进行训练，生成所述预测生产模型的步骤中，将...

【专利技术属性】
技术研发人员：张庆瑞，袁亚军，徐梦，王博文，
申请(专利权)人：苏州捷胜科技有限公司，
类型：发明
国别省市：