一种玉米灯及其制备方法技术

技术编号:38597294 阅读:12 留言:0更新日期:2023-08-26 23:32
本申请涉及智能制备领域,其具体地公开了一种玉米灯及其制备方法,其通过采用基于深度学习的神经网络模型挖掘出回流焊接状态时序变化和回流焊炉的温度值时序变化之间的映射关系,以实时准确地基于回流焊接区域的焊接状态变化情况来进行回流焊炉温度值的自适应控制,从而提高回流焊接的质量,使得灯珠焊接质量满足预定要求,优化玉米灯的制备工艺。优化玉米灯的制备工艺。优化玉米灯的制备工艺。

【技术实现步骤摘要】
一种玉米灯及其制备方法


[0001]本申请涉及智能制备领域,且更为具体地,涉及一种玉米灯及其制备方法。

技术介绍

[0002]自从LED用于照明以来,照明灯具的形式更加多样化。对于不便于加装散热器的灯具,通常是利用铝基板或玻纤板或软性板的附着物进行自然散热。在这种自然散热的LED灯具中,通常采用大面积芯片的灯珠或较多灯珠数量,尽可能地减少结温,这一类LED灯具,铝基板或玻纤板的散热面积通常比较大,这样才能满足LED的正常使用。玉米形LED节能灯生产过程中,因铝基板面积较大,而这种灯的灯珠又多,使整灯成本居高不下,影响推广使用。
[0003]针对上述问题,中国专利CN107990168B揭露了一种贴片灯珠与导电线路弯成的玉米灯,其通过模具预处理、二次冲切、折弯、组装和光源成型工艺步骤来完成玉米灯的制备。在上述方案中,省去了铝基板或玻纤板或软性板的附着物散热板,大大减少生产工艺和生产成本;并且创新折弯辅助筋、压板、旋折板、梅花形固定件等,使得LED节能灯折弯、组装工艺更加精准,确保了产品质量。
[0004]在实际进行玉米灯的制备过程中,在二次冲切时,需要对灯珠进行回流焊接。但是,在上述方案进行回流焊接的过程中,只是将回流焊炉的温度固定控制在固定的范围,并没关注到回流焊接温度和焊接的实时状态的适配关系,导致焊接的质量难以满足预定要求,影响后续玉米灯的工艺制备。
[0005]因此,期望一种优化的玉米灯制备方案。

技术实现思路

[0006]为了解决上述技术问题,提出了本申请。本申请的实施例提供了一种玉米灯及其制备方法,其通过采用基于深度学习的神经网络模型挖掘出回流焊接状态时序变化和回流焊炉的温度值时序变化之间的映射关系,以实时准确地基于回流焊接区域的焊接状态变化情况来进行回流焊炉温度值的自适应控制,从而提高回流焊接的质量,使得灯珠焊接质量满足预定要求,优化玉米灯的制备工艺。
[0007]根据本申请的一个方面,提供了一种玉米灯的制备方法,其包括:
[0008]获取预定时间段内多个预定时间点的回流焊炉的温度控制值,以及,由热红外摄像头采集的所述多个预定时间点的焊接区域的热分布图像;
[0009]将所述多个预定时间点的焊接区域的热分布图像分别通过使用空间注意力机制的第一卷积神经网络模型以得到多个焊接区域特征矩阵;
[0010]将所述多个焊接区域特征矩阵沿着通道维度聚合为输入张量后通过使用三维卷积核的第二卷积神经网络模型以得到焊接区域时序变化特征图;
[0011]计算所述焊接区域时序变化特征图的沿通道维度的各个特征矩阵的全局均值以得到焊接区域时序变化特征向量;
[0012]将所述多个预定时间点的回流焊炉的温度控制值按照时间维度排列为温度输入
向量后通过包含一维卷积层的时序编码器以得到温度时序特征向量;
[0013]计算所述焊接区域时序变化特征向量相对于所述温度时序特征向量的响应性估计以得到分类特征矩阵;以及
[0014]将所述分类特征矩阵通过分类器以得到分类结果,所述分类结果用于表示当前时间点的回流焊炉的温度控制值应增大、应减小或保持不变。
[0015]在上述玉米灯的制备方法中,将所述多个预定时间点的焊接区域的热分布图像分别通过使用空间注意力机制的第一卷积神经网络模型以得到多个焊接区域特征矩阵,包括:使用所述第一卷积神经网络模型的各层在层的正向传递中分别对所述多个预定时间点的焊接区域的热分布图像进行卷积处理、基于沿通道维度的池化处理和非线性激活处理以由所述第一卷积神经网络模型的最后一层输出多个初始空间增强特征矩阵;以及,将所述多个初始空间增强特征矩阵输入所述第一卷积神经网络模型的空间注意力层以得到所述多个焊接区域特征矩阵。
[0016]在上述玉米灯的制备方法中,将所述多个焊接区域特征矩阵沿着通道维度聚合为输入张量后通过使用三维卷积核的第二卷积神经网络模型以得到焊接区域时序变化特征图,包括:使用所述使用三维卷积核的第二卷积神经网络模型的各层在层的正向传递中分别对输入数据进行:对输入数据进行卷积处理以得到卷积特征图;对所述卷积特征图进行基于局部特征矩阵的池化以得到池化特征图;以及,对所述池化特征图进行非线性激活以得到激活特征图;其中,所述使用三维卷积核的第二卷积神经网络的最后一层的输出为所述焊接区域时序变化特征图,所述使用三维卷积核的第二卷积神经网络的第一层的输入为所述多个焊接区域特征矩阵沿着通道维度聚合的输入张量。
[0017]在上述玉米灯的制备方法中,将所述多个预定时间点的回流焊炉的温度控制值按照时间维度排列为温度输入向量后通过包含一维卷积层的时序编码器以得到温度时序特征向量,包括:使用所述时序编码器的全连接层以如下公式对所述温度输入向量进行全连接编码以提取出所述温度输入向量中各个位置的特征值的高维隐含特征,其中,所述公式为:其中X是所述温度输入向量,Y是输出向量,W是权重矩阵,B是偏置向量,表示矩阵乘;使用所述时序编码器的一维卷积层以如下公式对所述温度输入向量进行一维卷积编码以提取出所述温度输入向量中各个位置的特征值间的高维隐含关联特征,其中,所述公式为:
[0018][0019]其中,a为卷积核在x方向上的宽度、F为卷积核参数向量、G为与卷积核函数运算的局部向量矩阵,w为卷积核的尺寸,X表示所述温度输入向量,Cov(X)表示对所述温度输入向量进行一维卷积编码。
[0020]在上述玉米灯的制备方法中,计算所述焊接区域时序变化特征向量相对于所述温度时序特征向量的响应性估计以得到分类特征矩阵,包括:计算所述焊接区域时序变化特征向量和所述温度时序特征向量的亥姆霍兹类自由能量因数以得到第一亥姆霍兹类自由能量因数和第二亥姆霍兹类自由能量因数;以及,以所述第一亥姆霍兹类自由能量因数和所述第二亥姆霍兹类自由能量因数作为加权权重对所述焊接区域时序变化特征向量和所
述温度时序特征向量进行加权以得到优化后焊接区域时序变化特征向量和优化后温度时序特征向量;以及,计算所述优化后焊接区域时序变化特征向量相对于所述优化后温度时序特征向量的响应性估计以得到所述分类特征矩阵。
[0021]在上述玉米灯的制备方法中,计算所述焊接区域时序变化特征向量和所述温度时序特征向量的亥姆霍兹类自由能量因数以得到第一亥姆霍兹类自由能量因数和第二亥姆霍兹类自由能量因数,包括:以如下优化公式计算所述焊接区域时序变化特征向量和所述温度时序特征向量的亥姆霍兹类自由能量因数以得到所述第一亥姆霍兹类自由能量因数和所述第二亥姆霍兹类自由能量因数;其中,所述优化公式为:
[0022][0023][0024]其中,v
1i
表示所述焊接区域时序变化特征向量中各个位置的特征值,v
2i
表示所述温度时序特征向中各个位置的特征值,p1和p2分别表示所述焊接区域时序变化特征向量和所述温度时序特征向量的分类概率值,且L是特征向量的长度,log表示以2为底的对数函数值,exp(
·
)表示指数运算,w1和w2分别表示所本文档来自技高网
...

【技术保护点】

【技术特征摘要】
1.一种玉米灯的制备方法,其特征在于,包括:获取预定时间段内多个预定时间点的回流焊炉的温度控制值,以及,由热红外摄像头采集的所述多个预定时间点的焊接区域的热分布图像;将所述多个预定时间点的焊接区域的热分布图像分别通过使用空间注意力机制的第一卷积神经网络模型以得到多个焊接区域特征矩阵;将所述多个焊接区域特征矩阵沿着通道维度聚合为输入张量后通过使用三维卷积核的第二卷积神经网络模型以得到焊接区域时序变化特征图;计算所述焊接区域时序变化特征图的沿通道维度的各个特征矩阵的全局均值以得到焊接区域时序变化特征向量;将所述多个预定时间点的回流焊炉的温度控制值按照时间维度排列为温度输入向量后通过包含一维卷积层的时序编码器以得到温度时序特征向量;计算所述焊接区域时序变化特征向量相对于所述温度时序特征向量的响应性估计以得到分类特征矩阵;以及将所述分类特征矩阵通过分类器以得到分类结果,所述分类结果用于表示当前时间点的回流焊炉的温度控制值应增大、应减小或保持不变。2.根据权利要求1所述的玉米灯的制备方法,其特征在于,将所述多个预定时间点的焊接区域的热分布图像分别通过使用空间注意力机制的第一卷积神经网络模型以得到多个焊接区域特征矩阵,包括:使用所述第一卷积神经网络模型的各层在层的正向传递中分别对所述多个预定时间点的焊接区域的热分布图像进行卷积处理、基于沿通道维度的池化处理和非线性激活处理以由所述第一卷积神经网络模型的最后一层输出多个初始空间增强特征矩阵;以及将所述多个初始空间增强特征矩阵输入所述第一卷积神经网络模型的空间注意力层以得到所述多个焊接区域特征矩阵。3.根据权利要求2所述的玉米灯的制备方法,其特征在于,将所述多个焊接区域特征矩阵沿着通道维度聚合为输入张量后通过使用三维卷积核的第二卷积神经网络模型以得到焊接区域时序变化特征图,包括:使用所述使用三维卷积核的第二卷积神经网络模型的各层在层的正向传递中分别对输入数据进行:对输入数据进行卷积处理以得到卷积特征图;对所述卷积特征图进行基于局部特征矩阵的池化以得到池化特征图;以及对所述池化特征图进行非线性激活以得到激活特征图;其中,所述使用三维卷积核的第二卷积神经网络的最后一层的输出为所述焊接区域时序变化特征图,所述使用三维卷积核的第二卷积神经网络的第一层的输入为所述多个焊接区域特征矩阵沿着通道维度聚合的输入张量。4.根据权利要求3所述的玉米灯的制备方法,其特征在于,将所述多个预定时间点的回流焊炉的温度控制值按照时间维度排列为温度输入向量后通过包含一维卷积层的时序编码器以得到温度时序特征向量,包括:使用所述时序编码器的全连接层以如下公式对所述温度输入向量进行全连接编码以提取出所述温度输入向量中各个位置的特征值的高维隐含特征,其中,所述公式为:其中X是所述温度输入向量,Y是输出向量,W是权重矩阵,B是偏置向
量,表示矩阵乘;使用所述时序编码器的一维卷积层以如下公式对所述温度输入向量进行一维卷积编码以提取出所述温度输入向量中各个位置的特征值间的高维隐含关联特征,其中,所述公式为:其中,a为卷积...

【专利技术属性】
技术研发人员:邱财明
申请(专利权)人:上饶市广强电子科技有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1