一种基于机器学习的微热管自动化设计系统技术方案

本发明专利技术公开了一种基于机器学习的微热管自动化设计系统，其包括设计模块，用于控制微热管自动化设计过程；三维展示模块，用于将传入的实时微热管模型以三维形式输出展示；需求获取模块，用于从外部获得需求参数；数据存储模块，用于存储多种按照微热管吸液芯结构和应用场景进行划分的微热管设计训练集；预测模块，与所述设计模块相连，用于使用机器学习对微热管的结构及工艺参数自动化预测；通过结果展示模块，将预测结果输出展示。本发明专利技术采用机器学习模型，建立需求参数与制造结构及工艺参数的映射关系，实现了微热管制造结构及工艺参数的预测，代替微热管传统设计中多次重复实验过程，降低设计成本，提高设计效率，实现微热管的自动化设计。的自动化设计。的自动化设计。

【技术实现步骤摘要】
一种基于机器学习的微热管自动化设计系统


[0001]本专利技术涉及微热管
，尤其涉及一种基于机器学习的微热管自动化设计系统。

技术介绍

[0002]微热管凭借其尺寸小、导热系数高、冷却能力强等优点，在智能手机、平板电脑和手提电脑等移动电子设备中广泛应用。但微热管结构复杂，其性能受结构及工艺参数影响。微热管结构参数包括有热管壁厚、热管直径、热管折弯、热管吸液芯等。其中吸液芯结构对微热管性能影响较大。常用吸液芯结构有铜粉烧结吸液芯、编制网烧结吸液芯，沟槽铜粉复合吸液芯等。微热管工艺可分为管坯制造、除气工艺、热处理工艺、成型工艺、测试五个部分。其中微热管工艺参数包含有芯棒尺寸、烧结温度、真空度、工质封存量等。
[0003]目前，微热管制造结构及工艺参数由设计者根据微热管设计需求设计实验，通过多次实验验证进行选择，整个设计过程依赖于设计者经验知识。但由于参数众多，使得微热管设计过程难以综合多参数考量，造成微热管性能无法满足需求，且随着微热管使用场景多样化，微热管设计需求越来越复杂。在微热管传统生产制造过程中，工程人员也需要通过多次实验以确定微热管制造结构及工艺参数，这样不仅成本高且效率低。
[0004]近年来，机器学习与工业生产过程结合日益密切，进一步提高了工业生产自动化、智能化水平。机器学习的广泛应用为微热管制造结构及工艺参数设计过程提供了新的思路。
[0005]因此，本专利技术要解决的技术问题在于：1、微热管传统设计过程中严重依赖专家经验，需要多次实验耗时耗费资源的缺陷；2、微热管制造结构和工艺参数众多，设计优化过程调整工作量大且效率低下，设计过程漫长。

技术实现思路

[0006]为了克服以上技术问题，本专利技术目的是提供一种基于机器学习的微热管自动化设计系统，根据微热管参数数据，通过构建机器学习模型，实现微热管制造结构及工艺参数预测，将设计过程由被动模式变为主动模式，降低微热管设计成本，提高设计效率，实现微热管的自动化设计。
[0007]本专利技术提供了如下的技术方案：
[0008]本专利技术提供了一种基于机器学习的微热管自动化设计系统，其包括：
[0009]设计模块，用于控制微热管自动化设计过程；
[0010]三维展示模块，与所述设计模块相连，用于将传入的实时微热管模型以三维形式输出展示；
[0011]需求获取模块，与所述设计模块相连，用于从外部获得需求参数；
[0012]通过所述需求获取模块获得需求参数并传输至所述设计模块，通过所述设计模块对需求参数进行数据预处理和特征筛选；
[0013]数据存储模块，与所述设计模块相连，用于存储多种按照微热管吸液芯结构和应用场景进行划分的微热管设计训练集；
[0014]预测模块，与所述设计模块相连，用于使用机器学习对微热管的结构及工艺参数自动化预测；通过所述设计模块自所述数据存储模块获得微热管设计训练集，对其中微热管参数进行数据预处理、特征筛选、构建微热管制造结构及工艺参数的预测模型，并经所述设计模块进行训练和优化，结合自所述设计模块输入的需求参数，获得优化后的微热管制造结构及工艺参数的预测结果；
[0015]通过与所述设计模块相连的结果展示模块，将微热管制造结构及工艺参数的预测结果输出展示。
[0016]根据一些实施方式，通过所述设计模块自所述数据存储模块获得微热管设计训练集，对其中微热管参数进行数据预处理的过程，包括将所述需求参数按照8:2的比例划分训练集和测试集，分别用于预测模型的训练学习和对预测模型进行精度测试。
[0017]根据一些实施方式，所述预测模块包括pytorch框架，通过pytorch框架训练获取模型权重并确定相应的预测模型的结构。
[0018]根据一些实施方式，所述预测模块通过在tensorRT内重新深度学习推理构建预测模型，并固定相应模型权重，打包生成动态链接库，将动态链接库返回至预测模块，完成预测模型部署。
[0019]根据一些实施方式，所述预测模块通过GPU加速模型预测过程，提高模型预测效率。
[0020]根据一些实施方式，所述数据存储模块中存储的微热管设计训练集，包括微热管功率数据、微热管工艺参数数据和微热管结构参数数据。
[0021]根据一些实施方式，所述微热管功率数据以不同的微热管应用场景制定微热管性能测试方法，采用微热管性能测试设备对微热管样品进行性能测试获得，将测试后所得测试数据保存至所述数据存储模块。
[0022]根据一些实施方式，所述微热管应用场景包括笔记本电脑类微热管和CPU/GPU类微热管。
[0023]根据一些实施方式，所述三维展示模块包括opencascade几何内核，所述三维展示模块将实时预测结果通过三维结构形式进行展示，展示形式包括旋转、平移、缩放和自适应。
[0024]相比于现有技术，本专利技术具备以下有益效果：
[0025]本专利技术提供的一种基于机器学习的微热管自动化设计系统，针对微热管设计过程中，参数众多的特点，通过微热管性能测试构建微热管参数数据库，采用机器学习模型，建立微热管设计需求参数与微热管制造结构及工艺参数的映射关系，实现了微热管制造结构及工艺参数的预测，代替微热管传统设计中多次重复实验过程。降低微热管设计门槛，降低微热管设计成本，提高微热管设计效率。同时，将微热管设计过程由被动设计转变为主动设计，实现了微热管的自动化设计。
附图说明
[0026]图1为根据本专利技术提供的一实施例的系统结构图。
[0027]图2为根据本专利技术提供的一实施例的流程示意图。
[0028]图3为根据本专利技术提供的以编织网和平面丝网吸液芯微热管为例对应的预测参数图。
[0029]图4为根据本专利技术提供的以沟槽和环状铜粉吸液芯微热管为例对应的预测参数图。
具体实施方式
[0030]以下结合实施例和附图对本专利技术进行详细描述，但需要理解的是，所述实施例和附图仅用于对本专利技术进行示例性的描述，而并不能对本专利技术的保护范围构成任何限制。所有包含在本专利技术的专利技术宗旨范围内的合理的变换和组合均落入本专利技术的保护范围。
[0031]下面结合附图对本专利技术进行进一步说明。
[0032]根据如图1所示，该设计系统包括连接于设计模块上的登录模块、需求获取模块、数据存储模块、三维展示模块和预测模块，设计模块是用于控制微热管自动化设计过程，处于设计系统的核心位置，用户或者管理员通过登录模块进入设计系统进行不同权限的设计操作，数据存储模块预先存储了多种微热管设计训练集，其分类按照微热管吸液芯结构和不同的应用场景进行分类，具体应用场景包括如笔记本电脑类微热管和CPU/GPU类微热管，针对不同的应用场景采用不同的吸液芯结构，体现在微热管设计上就是参数类型不同。在微热管的自动化设计中的区别就是采用不同的机器学习算法解决问题。将机器学习应用于微热管这一相变器件，从高维/多参数上认识对微热管的影响，同时转变微热管原有的设计方式，从实验尝试到自动化设计，从被动设计到主动设计。如图2所示本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于机器学习的微热管自动化设计系统，其包括：设计模块，用于控制微热管自动化设计过程；三维展示模块，与所述设计模块相连，用于将传入的实时微热管模型以三维形式输出展示；需求获取模块，与所述设计模块相连，用于从外部获得需求参数；通过所述需求获取模块获得需求参数并传输至所述设计模块，通过所述设计模块对需求参数进行数据预处理和特征筛选；数据存储模块，与所述设计模块相连，用于存储多种按照微热管吸液芯结构和应用场景进行划分的微热管设计训练集；预测模块，与所述设计模块相连，用于使用机器学习对微热管的结构及工艺参数自动化预测；通过所述设计模块自所述数据存储模块获得微热管设计训练集，对其中微热管参数进行数据预处理、特征筛选、构建微热管制造结构及工艺参数的预测模型，并经所述设计模块进行训练和优化，结合自所述设计模块输入的需求参数，获得优化后的微热管制造结构及工艺参数的预测结果；通过与所述设计模块相连的结果展示模块，将微热管制造结构及工艺参数的预测结果输出展示。2.根据权利要求1所述基于机器学习的微热管自动化设计系统，其特征在于：通过所述设计模块自所述数据存储模块获得微热管设计训练集，对其中微热管参数进行数据预处理的过程，包括将所述需求参数按照8:2的比例划分训练集和测试集，分别用于预测模型的训练学习和对预测模型进行精度测试。3.根据权利要求1所述基于机器学习的微热管自动化设计系统，其特征在于：所述预测模块包括py...

【专利技术属性】
技术研发人员：李勇，张靖昊，高昂，陈韩荫，田跃，
申请(专利权)人：广东新创意科技有限公司肇庆新创意传热科技有限公司，
类型：发明
国别省市：