基于OLED热学实验的WOA-LSTM温度控制方法技术

本发明专利技术涉及神经网络技术领域，尤其涉及基于OLED热学实验的WOA

【技术实现步骤摘要】
基于OLED热学实验的WOA
‑
LSTM温度控制方法


[0001]本专利技术涉及神经网络
，尤其涉及基于OLED热学实验的WOA
‑
LSTM温度控制方法。

技术介绍

[0002]近年来由于有机发光二极管(OLED)的广泛使用，研究OLED器件在高温环境下的器件参数尤为重要，目前的OLED的高温实验一般是在退火台和恒温箱中实现的。然而退火台属于局部加热，无法完全模拟OLED在实际应用环境中的热学特性，恒温箱装置是全封闭式的，OLED器件需要在工作电源下进行实验，而实验人员进行设备改造升级会破坏设备的密封、耐压等要求，所以需要设计一个专用于OLED热学实验的实验装置。
[0003]温度控制系统中最常用的方法是PID控制；后续还衍生出许多高级PID控制包括模型预测PID控制、自适应PID控制、模糊PID控制、神经网络PID控制，采用固定参数控制的PID，响应速度慢、跟随性差、超调量大的问题；另外传统的神经网络预测存在预测时间长、模型不易收敛、容易陷入局部极小值等缺点,无法适应实际生产和实验过程。

技术实现思路

[0004]针对现有方法的不足，本专利技术采用长短期记忆人工神经网络(LSTM)预测下一时刻温度，根据下一时刻温度信息自适应调整PID控制器参数；同时为了防止LSTM出现过拟合问题并加强LSTM的预测性能，引入WOA智能优化算法，针对LSTM的正则化系数和梯度裁剪阈值进行寻优；提高预测准确性并减少超调量、降低超调时间。
[0005]本专利技术所采用的技术方案是：基于OLED热学实验的WOA
‑
LSTM温度控制方法包括以下步骤：
[0006]步骤一、采集OLED实验腔的内部温度参数和PID参数构建数据集，并对数据进行归一化处理；
[0007]进一步的，OLED实验腔的内部温度参数包括：初始温度、目标温度、时序温度。
[0008]进一步的，归一化处理的公式为：
[0009][0010]式中，x为输入变量的实测值集合，x
i
为第i个变量的实测值，为第i个变量归一化的值。
[0011]步骤二、构建改进LSTM模型，利用数据集训练改进LSTM模型，并通过均方根误差和决定系数评价改进LSTM模型；
[0012]进一步的，步骤二具体包括：
[0013]步骤21、通过遗忘门从单元状态中找到需要丢弃的信息；
[0014]步骤22、通过输入门决定加入新状态的时间；通过sigmoid激活函数找到需要更新的单元状态；通过双曲正切函数层创建一个新的单元状态值；
[0015]步骤23、通过输出门将新的单元状态和输入数据两者相叠加；
[0016]步骤24、将正则化项分别乘以遗忘门的权重矩阵、输入门的权重矩阵和输出门的权重矩阵，得到新的权重矩阵，新的权值矩阵分别为：λ1W
f
、λ2W
i
、λ3W
o
。
[0017]步骤25、计算损失函数对LSTM模型输出的梯度，通过调整梯度上下阈值k1、k2对超过阈值的梯度进行缩放。
[0018]进一步的，改进LSTM模型的输入参数包括：初始温度、t时刻的时序温度、设定温度、PID参数Kp、Ki和kd；输出包括：t+1时刻的时序温度、Kp
’
、Ki
’
和kd
’
；Kp
’
、Ki
’
和kd
’
为自适应调整PID参数。
[0019]步骤三、通过WOA算法对LSTM神经网络的正则化参数和梯度裁剪阈值进行寻优，将最优的正则化参数和梯度裁剪阈值作为LSTM神经网络初值。
[0020]进一步的，步骤三具体包括：
[0021]步骤31、设置正则化系数λ1、λ2、λ3的和梯度裁剪阈值k1和k2的初始值；
[0022]步骤32、初始化WOA，设置鲸鱼数m，最大迭代次数N，收缩因子s，系数向量A，鲸鱼初始位置和速度以及位置上下界；
[0023]步骤33、更新鲸鱼的速度和位置，当包围猎物时更新公式为：
[0024][0025]当使用汽泡网驱赶猎物时更新公式为：
[0026][0027]其中，X
best
为当前最优的鲸鱼的位置，A的每一维为均匀分布在(
‑
a,a)内的随机数，C为均匀分布在(0,2)内的随机数，表示每一维的值都是非负数，b为常数，l为均匀分布在[
‑
1,1]内的随机数；
[0028]步骤34、将t时刻的鲸鱼位置分别替换为正则化系数和梯度裁剪阈值，当判断终止条件满足时输出最优的LSTM的正则化参数和梯度裁剪阈值。
[0029]本专利技术的有益效果：
[0030]1、在面对复杂非线性系统时能够有效的避免应用效果不佳等问题，设计WOA
‑
LSTM
‑
PID的温度控制方法实现温度的提前控制，实现PID参数的自适应调整，并解决了LSTM会出现过拟合的问题并加强了预测性能；
[0031]2、温度控制算法适用于大多数温度控制系统，能够提供一个温度范围广、温升调节时间短且目标温度波动小的测试实验环境，有助于提高实验效率和研究进度、增加经济效益；
[0032]3、针对目前OLED器件热学实验设备的缺点设计了该专用于热学实验的实验装置，包括物理结构及温度控制系统，能够为OLED热学实验提供实验基础支撑。
附图说明
[0033]图1(a)、(b)、(c)分别是实验装置的正视图、侧视图，图1(c)为实验腔的俯视图，图1(d)为样品托示意图；
[0034]图2是实验装置使用流程图；
[0035]图3是基于OLED热学实验的WOA
‑
LSTM温度控制方法控制逻辑图；
[0036]图4是本专利技术的基于OLED热学实验的WOA
‑
LSTM温度控制方法流程图；
[0037]图5(a)为实验装置的整体视图、图5(b)为控制柜内部视图、图5(c)为控制柜上位机显示图；
[0038]图6(a)、(b)分别是LSTM
‑
PID和WOA
‑
LSTM
‑
PID仿真误差对比图；
[0039]图7是PID、LSTM
‑
PID和WOA
‑
LSTM
‑
PID温度控制达到稳态的时间对比图。
具体实施方式
[0040]下面结合附图和实施例对本专利技术作进一步说明，此图为简化的示意图，仅以示意方式说明本专利技术的基本结构，因此其仅显示与本专利技术有关的构成。
[0041]如图1为实验腔的物理结构图，包括：加热块电源接口、液氮出口、液氮入口、抽真空口、热电偶等测量引线入口、样品托、温度变送器和压力变送器安装口、加热块、石英视窗和铜盘管。
[0042]实验腔外部结构采本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于OLED热学实验的WOA
‑
LSTM温度控制方法，其特征在于，包括以下步骤：步骤一、采集OLED实验腔的内部温度参数和PID参数构建数据集，并对数据进行归一化处理；步骤二、构建改进LSTM模型，利用数据集训练改进LSTM模型，并通过均方根误差评价改进LSTM模型；步骤三、通过WOA算法对改进LSTM模型的正则化参数和梯度裁剪阈值进行寻优，迭代完成后将最优的正则化参数和梯度裁剪阈值作为改进LSTM模型初值。2.根据权利要求1所述的基于OLED热学实验的WOA
‑
LSTM温度控制方法，其特征在于，OLED实验腔的内部温度参数包括：初始温度、目标温度、时序温度。3.根据权利要求1所述的基于OLED热学实验的WOA
‑
LSTM温度控制方法，其特征在于，归一化处理的公式为：式中，x为输入变量的实测值集合，x
i
为第i个变量的实测值，为第i个变量归一化的值。4.根据权利要求1所述的基于OLED热学实验的WOA
‑
LSTM温度控制方法，其特征在于，步骤二具体包括：步骤21、通过遗忘门从单元状态中找到需要丢弃的信息；步骤22、通过输入门决定加入新状态的时间；通过sigmoid激活函数找到需要更新的单元状态；通过双曲正切函数层创建一个新的单元状态值；步骤23、通过输出门将新的...

【专利技术属性】
技术研发人员：潘赛虎，包涵，夏凯，
申请(专利权)人：常州大学，
类型：发明
国别省市：