PPR管材冷却成型控制系统及其方法技术方案

本申请涉及智能控制技术领域，其具体地公开了一种PPR管材冷却成型控制系统及其方法，其首先获取PPR管材在冷却过程中预定时间段的的监控视频，以及所述预定时间段内多个预定时间点的冷却水的流量值，基于深度学习技术，提取出冷却水流量值的时序特征信息，以及PPR管材的状态变化特征信息，并基于二者的关联性特征表示来进行冷却水流量的实时控制。这样，可以实时监测和调整冷却水流量，以保证PPR管材的成型质量。的成型质量。的成型质量。

【技术实现步骤摘要】
PPR管材冷却成型控制系统及其方法


[0001]本申请涉及智能控制
，且更为具体地，涉及一种PPR管材冷却成型控制系统及其方法。

技术介绍

[0002]PPR(Poly Propylene Random)管，即无规共聚聚丙烯管，是当今发达国家普遍采用的新型水管材料。由于其优良的性能，近几年来其市场占有率遥遥领先于其他塑料水管材料。目前我国的PPR管材生产及应用也进入了产业化发展阶段。
[0003]在PPR管材制备过程中，PPR管材冷却成型前一般需要进行加热处理，以使原料可以软化并适应成型模具的形状，等待管材成型完成，再进行冷却以使其固化和稳定形态。在冷却过程中，冷却水温通常在20度以下，第一段温度可以稍高，后段较低，从而形成温度梯度。并且，冷却水流量是影响PPR管材质量的重要因素。流量过大导致冷却过快易在管材内部产生应力，使管材表面粗糙，产生斑点凹坑；而流量过小，又会导致管材表面产生亮斑易拉断，管材壁厚不均等。
[0004]因此，期待一种PPR管材冷却成型控制系统及其方法。

技术实现思路

[0005]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PPR管材冷却成型控制系统及其方法，其首先获取PPR管材在冷却过程中预定时间段的的监控视频，以及所述预定时间段内多个预定时间点的冷却水的流量值，基于深度学习技术，提取出冷却水流量值的时序特征信息，以及PPR管材的状态变化特征信息，并基于二者的关联性特征表示来进行冷却水流量的实时控制。这样，可以实时监测和调整冷却水流量，以保证PPR管材的成型质量。
[0006]相应地，根据本申请的一个方面，提供了一种PPR管材冷却成型控制系统，其包括：
[0007]数据采集模块，用于获取预定时间段内多个预定时间点的冷却水的流量值以及由摄像头采集的所述预定时间段的PPR管材冷却状态监控视频；
[0008]关键帧提取模块，用于从所述PPR管材冷却状态监控视频提取多个冷却状态关键帧；
[0009]图像语义编码模块，用于将所述多个材料状态关键帧分别进行图像分块处理后通过包含嵌入层的ViT模型以得到多个冷却状态特征向量；
[0010]冷却状态变化特征提取模块，用于将所述多个冷却状态特征向量进行二维排列为二维输入矩阵后通过作为过滤器的卷积神经网络模型以得到冷却状态变化特征向量；
[0011]流量特征时序编码模块，用于将所述多个预定时间点的冷却水的流量值按照时间维度排列为流量输入向量后通过包含全连接层和一维卷积层的时序编码器以得到流量特征向量；
[0012]响应性估计模块，用于计算所述冷却状态变化特征向量相对于所述流量特征向量
的转移矩阵作为分类特征矩阵；
[0013]优化模块，用于融合所述冷却状态变化特征向量和所述流量特征向量以得到融合特征矩阵，并计算所述融合特征矩阵与所述分类特征矩阵之间的按位置点乘以得到优化后分类特征矩阵；
[0014]控制结果生成模块，用于将所述优化后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冷却水的流量值应增大或减小。
[0015]在上述PPR管材冷却成型控制系统中，所述关键帧提取模块，用于：以预定采样频率从所述PPR管材冷却状态监控视频提取多个冷却状态关键帧。
[0016]在上述PPR管材冷却成型控制系统中，所述图像语义编码模块，包括：分块单元，用于对所述冷却状态关键帧进行图像分块处理以得到图像块的序列；嵌入编码单元，用于使用所述ViT模型的嵌入层分别对所述图像块的序列中各个图像块进行嵌入编码以得到图像块嵌入向量的序列；转换编码单元，用于将所述图像块嵌入向量的序列输入所述ViT模型的转换器模块以得到图像块特征向量的序列；级联单元，用于将所述图像块特征向量的序列进行级联以得到所述冷却状态特征向量。
[0017]在上述PPR管材冷却成型控制系统中，所述转换编码单元，包括：排列子单元，用于将所述图像块嵌入向量的序列排列为输入向量；转化子单元，用于将所述输入向量通过可学习嵌入矩阵转化分别为查询向量和关键向量；自注意子单元，用于计算所述查询向量和所述关键向量的转置向量之间的乘积以得到自注意关联矩阵；标准化子单元，用于对所述自注意关联矩阵进行标准化处理以得到标准化自注意关联矩阵；注意力计算子单元，用于将所述标准化自注意关联矩阵输入Softmax激活函数进行激活以得到自注意力特征矩阵；注意力施加子单元，用于将所述自注意力特征矩阵与所述所述图像块嵌入向量的序列中各个图像块嵌入向量分别进行相乘以得到所述图像块特征向量的序列。
[0018]在上述PPR管材冷却成型控制系统中，所述冷却状态变化特征提取模块，用于：使用所述作为过滤器的卷积神经网络模型以如下卷积公式对所述二维输入矩阵进行处理以得到所述冷却状态变化特征向量；
[0019]其中，所述卷积公式为：
[0020]f
i
＝GP{Sigmoid(N
i
×
f
i
‑1+B
i
)}
[0021]其中，f
i
‑1为第i层卷积神经网络模型的输入，f
i
为第i层卷积神经网络模型的输出，N
i
为第i层卷积神经网络模型的过滤器，且B
i
为第i层卷积神经网络模型的偏置矩阵，Sigmoid表示非线性激活函数，且GP表示对特征图沿通道维度的各个特征矩阵进行全局特征池化操作。
[0022]在上述PPR管材冷却成型控制系统中，所述流量特征时序编码模块，包括：归一化映射单元，用于将所述流量输入向量进行基于最大值的归一化处理以得到归一化后流量输入向量；全连接编码单元，用于使用所述时序编码器的全连接层对所述归一化后流量输入向量进行全连接编码以提取所述归一化后流量输入向量中各个位置的特征值的高维隐含特征；一维卷积编码单元，用于使用所述时序编码器的一维卷积层对所述归一化后流量输入向量进行一维编码以提取所述归一化后流量输入向量中各个位置的特征值间的关联的高维隐含关联特征。
[0023]在上述PPR管材冷却成型控制系统中，所述响应性估计模块，用于：以如下响应公
式计算所述冷却状态变化特征向量相对于所述流量特征向量的转移矩阵作为所述分类特征矩阵；其中，所述响应公式为：
[0024][0025]其中V1表示所述冷却状态变化特征向量，V2表示所述流量特征向量，表示矩阵乘法，M表示所述分类特征矩阵。
[0026]在上述PPR管材冷却成型控制系统中，所述优化模块，包括：标准化单元，用于对所述冷却状态变化特征向量和所述流量特征向量进行标准化以得到标准化冷却状态变化特征向量和标准化流量特征向量；夹角计算单元，用于计算所述冷却状态变化特征向量和所述流量特征向量之间的夹角值；旋转矩阵构造单元，用于基于所述夹角值以如下旋转公式构造旋转矩阵，以使得所述旋转矩阵乘以所述标准化冷却状态变化特征向量等于所述标准化流量特征向量，其中，所述旋转公式为本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种PPR管材冷却成型控制系统，其特征在于，包括：数据采集模块，用于获取预定时间段内多个预定时间点的冷却水的流量值以及由摄像头采集的所述预定时间段的PPR管材冷却状态监控视频；关键帧提取模块，用于从所述PPR管材冷却状态监控视频提取多个冷却状态关键帧；图像语义编码模块，用于将所述多个材料状态关键帧分别进行图像分块处理后通过包含嵌入层的ViT模型以得到多个冷却状态特征向量；冷却状态变化特征提取模块，用于将所述多个冷却状态特征向量进行二维排列为二维输入矩阵后通过作为过滤器的卷积神经网络模型以得到冷却状态变化特征向量；流量特征时序编码模块，用于将所述多个预定时间点的冷却水的流量值按照时间维度排列为流量输入向量后通过包含全连接层和一维卷积层的时序编码器以得到流量特征向量；响应性估计模块，用于计算所述冷却状态变化特征向量相对于所述流量特征向量的转移矩阵作为分类特征矩阵；优化模块，用于融合所述冷却状态变化特征向量和所述流量特征向量以得到融合特征矩阵，并计算所述融合特征矩阵与所述分类特征矩阵之间的按位置点乘以得到优化后分类特征矩阵；控制结果生成模块，用于将所述优化后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冷却水的流量值应增大或减小。2.根据权利要求1所述的PPR管材冷却成型控制系统，其特征在于，所述关键帧提取模块，用于：以预定采样频率从所述PPR管材冷却状态监控视频提取多个冷却状态关键帧。3.根据权利要求2所述的PPR管材冷却成型控制系统，其特征在于，所述图像语义编码模块，包括：分块单元，用于对所述冷却状态关键帧进行图像分块处理以得到图像块的序列；嵌入编码单元，用于使用所述ViT模型的嵌入层分别对所述图像块的序列中各个图像块进行嵌入编码以得到图像块嵌入向量的序列；转换编码单元，用于将所述图像块嵌入向量的序列输入所述ViT模型的转换器模块以得到图像块特征向量的序列；级联单元，用于将所述图像块特征向量的序列进行级联以得到所述冷却状态特征向量。4.根据权利要求3所述的PPR管材冷却成型控制系统，其特征在于，所述转换编码单元，包括：排列子单元，用于将所述图像块嵌入向量的序列排列为输入向量；转化子单元，用于将所述输入向量通过可学习嵌入矩阵转化分别为查询向量和关键向量；自注意子单元，用于计算所述查询向量和所述关键向量的转置向量之间的乘积以得到自注意关联矩阵；标准化子单元，用于对所述自注意关联矩阵进行标准化处理以得到标准化自注意关联矩阵；注意力计算子单元，用于将所述标准化自注意关联矩阵输入Softmax激活函数进行激
活以得到自注意力特征矩阵；注意力施加子单元，用于将所述自注意力特征矩阵与所述所述图像块嵌入向量的序列中各个图像块嵌入向量分别进行相乘以得到所述图像块特征向量的序列。5.根据权利要求4所述的PPR管材冷却成型控制系统，其特征在于，所述冷却状态变化特征提取模块，用于：使用所述作为过滤器的卷积神经网络模型以如下卷积公式对所述二维输入矩阵进行处理以得到所述冷却状态变化特征向量；其中，所述卷积公式为：f
i
＝GP{Sigmoid(N
i
×
f
i
‑1+B
i
)}其中，f
i
‑1为第i层卷积神经网络模型的输入，f
i
为第i层卷积神经网络模型的输出，N
i
为第i层卷积神经网络模型的过滤器，且B
i
为第i层卷积神经网络模型的偏置矩阵，Sigmoid表示非线性激活函数，且GP表示对特征图沿通道维度的各个特...

【专利技术属性】
技术研发人员：王建峰，姜启顺，张雅妹，张林，
申请(专利权)人：海宁亿联塑业有限公司，
类型：发明
国别省市：