【技术实现步骤摘要】
本专利技术涉及自动控制，具体涉及基于时序神经网络模型的涂布机模头电机控制方法及装置。
技术介绍
1、涂布机用于涂布正极、负极和隔膜等关键组件，确保其性能和质量。其中，涂布机横向调节可以通过旋转螺杆或移动滑块来精确地控制涂布头或喷嘴的位置，确保涂布材料均匀覆盖电极材料。
2、现有方法中，通常采用人工调节或传统闭环控制算法进行调节，但是横向闭环调节中输入信号较多，会受到多种因素的扰动和涂布机的其他控制的影响，且模头电机输出控制量又要求极高的控制精度。针对这种大扰动、高控制精度的控制系统，人工调节和传统闭环控制算法，无法快速平复波动，且无法做到精准调控电机的控制量。
3、为了提高产品的质量，需要提出控制精度更高和更稳定的系统。
4、时序神经网络模型有能力学习和构建非线性的复杂关系的模型，但是，直接采用时序神经网络模型进行控制，会面临网络模型参数量过大，网络难以拟合的问题。同时，如果直接采用时序神经网络模型加强化学习方式，即深度强化学习进行系统控制，由于深度强化学习需要很长一段试错过程，这会给生产带来巨额的损
【技术保护点】
1.基于时序神经网络模型的涂布机模头电机控制方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于时序神经网络模型的涂布机模头电机控制方法，其特征在于，步骤S1中，对数据进行预处理，包括：毫米面密度数据过滤， Z-score和均值滤波处理；预处理后的数据作为模头电机控制模型的输入数据；
3.根据权利要求1所述的基于时序神经网络模型的涂布机模头电机控制方法，其特征在于，步骤S2中，采样间隔数，根据生产线的情况进行变化，平稳的生产线，即平均变异系数cov在0.3以下的生产线采用3~5次检测的间隔；波动的生产线，即平均变异系数cov在0.3以...
【技术特征摘要】
1.基于时序神经网络模型的涂布机模头电机控制方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于时序神经网络模型的涂布机模头电机控制方法，其特征在于，步骤s1中，对数据进行预处理，包括：毫米面密度数据过滤， z-score和均值滤波处理；预处理后的数据作为模头电机控制模型的输入数据；
3.根据权利要求1所述的基于时序神经网络模型的涂布机模头电机控制方法，其特征在于，步骤s2中，采样间隔数，根据生产线的情况进行变化，平稳的生产线，即平均变异系数cov在0.3以下的生产线采用3~5次检测的间隔；波动的生产线，即平均变异系数cov在0.3...
【专利技术属性】
技术研发人员：曹国平，龙培基，朱非甲，杨旭东，
申请(专利权)人：南京华视智能科技股份有限公司，
类型：发明
国别省市：
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。