System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种真空回流焊炉的数据记录系统技术方案_技高网

一种真空回流焊炉的数据记录系统技术方案

技术编号:40550778 阅读:10 留言:0更新日期:2024-03-05 19:09
本发明专利技术公开了一种真空回流焊炉的数据记录系统,所属技术领域为数据记录领域,包括:数据收集子系统,用于基于分布式传感器对真空回流焊炉的运行参数进行监测,生成运行状态数据集;数据处理子系统,用于将所述运行状态数据集进行处理,生成处理数据集;分类模型构建子系统,用于通过卷积神经网络对长短时记忆网络进行训练,生成数据分类模型;数据记录子系统,用于通过所述数据分类模型对所述处理数据集进行计算,生成真空回流焊炉的运行分类结果并生成可视化报告。本发明专利技术通过卷积神经网络和长短时记忆网络结合的方法,系统可以分析设备的运行状况并预测潜在的故障。这有助于实施预防性维护,减少设备停机时间,提高生产效率。

【技术实现步骤摘要】

本专利技术属于数据记录领域,特别是涉及一种真空回流焊炉的数据记录系统


技术介绍

1、真空回流焊炉是通过提供一种加热环境,使焊锡膏受热融化从而让表面贴装的元器件和电路板通过焊锡膏合金可靠地结合在一起的设备。真空回流焊炉是电子制造业表面贴装技术的关键设备,它的质量和使用操作直接影响到最终产品的品质。

2、目前真空回流焊炉在焊接的过程中的数据记录通常采用人为监控的手段,导致不同的人采集到的数据并不相同,同时人工记录数据无法学习和适应不同的生产环境和工艺变化,即人工记录并不具有处理不确定性和复杂系统的能力,若多人同时采集焊接过程中的多个参数,不仅浪费了人力物力,数据获取方面也并不精确。


技术实现思路

1、本专利技术的目的是提供一种真空回流焊炉的数据记录系统,以解决上述现有技术存在的问题。

2、为实现上述目的,本专利技术提供了一种真空回流焊炉的数据记录系统,包括:

3、数据收集子系统,用于基于分布式传感器对真空回流焊炉的运行参数进行监测,生成运行状态数据集;

4、数据处理子系统,与所述数据收集子系统连接,用于将所述运行状态数据集进行处理,生成处理数据集;

5、分类模型构建子系统,与所述数据处理子系统连接,用于通过卷积神经网络对长短时记忆网络进行训练,并将注意力机制和残差模块引入所述长短时记忆网络后再通过样本集对所述长短时记忆网络进行训练,生成数据分类模型;

6、数据记录子系统,与所述分类模型构建子系统连接,用于通过所述数据分类模型对所述处理数据集进行计算,生成真空回流焊炉的运行分类结果并生成可视化报告。

7、优选的,所述数据收集子系统包括:

8、传感器收集模块,用于通过分布式传感器收集真空回流焊炉在运行过程中的参数;

9、汇总模块,用于将所述真空回流焊炉在运行过程中的参数进行汇总,好僧成所述运行状态数据集。

10、优选的,所述传感器收集模块收集的运行过程中的参数包括温度数据、压力数据、加热和冷却速率、焊炉门状态、焊炉运行时间、传感器状态、电源和电流数据和焊接结果数据。

11、优选的,所述数据处理子系统包括:

12、异常数据清除模块,用于将所述运行状态数据集进行缺失值的删除并通过回归分析方法填充缺失值,获得清洗数据集;

13、结构更改模块,用于将所述清洗数据集进行最小-最大归一化处理后将数据集的数据结构进行更改,生成所述处理数据集。

14、优选的,所述分类模型构建子系统包括:

15、模型构建模块,用于构建卷积神经网络模型和长短时记忆网络;

16、历史数据获取模块,用于获取历史真空回流焊炉运行数据的样本集;

17、第一训练模块,用于通过所述卷积神网络的输出对所述长短时记忆网络进行训练,生成学生网络模型;

18、改进模块,用于构建注意力机制模块和残差模块,并将所述注意力机制模块和残差模块引入至所述长短时记忆网络中,生成改进的长短时记忆网络;

19、第二训练模块,用于通过所述样本集对所述改进的长短时记忆网络进行训练,生成所述数据分类模型。

20、优选的,所述第一训练模块包括:

21、教师模型输出获取单元,用于通过所述卷积神经网络对所述样本集进行向前传播,获得卷积神经网络的输出;

22、学生模型获取单元,用于将所述卷积神经网络的输出作为目标标签,并引入温度参数对所述长短时记忆网络进行训练,获得所述学生网络模型。

23、优选的,所述改进模块包括:

24、模块构建单元,用于构建所述注意力机制模块和残差模块;

25、注意力机制引入单元,用于将所述注意力机制模块引入至所述长短时记忆网络的隐藏层的前三层中,获得注意力分类模型;

26、残差引入单元,用于将所述残差模块引入至所述注意力分类模型中,生成所述改进的长短时记忆网络。

27、优选的,所述数据记录子系统包括:

28、计算模块,用于通过所述数据分类模型对所述处理数据集进行计算,生成真空回流焊炉的实时运行状态和预测运行状态图;

29、绘制模块,用于通过所述真空回流焊炉的实时运行状态和预测运行状态图对真空回流焊炉的运行数据和运行趋势数据进行记录并生成可视化报告。

30、优选的,所述计算模块还用于通过所述真空回流焊炉的实时运行状态和预测运行状态图生成异常分类预测结果并基于时间轴反馈至所述绘制模块中进行异常标注。

31、本专利技术的技术效果为:

32、本专利技术通过卷积神经网络和长短时记忆网络结合的方法,系统可以分析设备的运行状况并预测潜在的故障。这有助于实施预防性维护,减少设备停机时间,提高生产效率。并且,本专利技术的神经网络系统能够学习和适应不同的生产环境和工艺变化。这种自适应性使得系统更具灵活性,能够在不同条件下保持高效运行,同时可以分析大量的生产数据,并识别潜在的关联关系。这有助于理解各种参数之间的相互影响,从而优化整个生产流程。

本文档来自技高网...

【技术保护点】

1.一种真空回流焊炉的数据记录系统,其特征在于,包括:

2.根据权利要求1所述的真空回流焊炉的数据记录系统,其特征在于,所述数据收集子系统包括:

3.根据权利要求1所述的真空回流焊炉的数据记录系统,其特征在于,所述传感器收集模块收集的运行过程中的参数包括温度数据、压力数据、加热和冷却速率、焊炉门状态、焊炉运行时间、传感器状态、电源和电流数据和焊接结果数据。

4.根据权利要求1所述的真空回流焊炉的数据记录系统,其特征在于,所述数据处理子系统包括:

5.根据权利要求1所述的真空回流焊炉的数据记录系统,其特征在于,所述分类模型构建子系统包括:

6.根据权利要求5所述的真空回流焊炉的数据记录系统,其特征在于,所述第一训练模块包括:

7.根据权利要求5所述的真空回流焊炉的数据记录系统,其特征在于,所述改进模块包括:

8.根据权利要求1所述的真空回流焊炉的数据记录系统,其特征在于,所述数据记录子系统包括:

9.根据权利要求8所述的真空回流焊炉的数据记录系统,其特征在于,所述计算模块还用于通过所述真空回流焊炉的实时运行状态和预测运行状态图生成异常分类预测结果并基于时间轴反馈至所述绘制模块中进行异常标注。

...

【技术特征摘要】

1.一种真空回流焊炉的数据记录系统,其特征在于,包括:

2.根据权利要求1所述的真空回流焊炉的数据记录系统,其特征在于,所述数据收集子系统包括:

3.根据权利要求1所述的真空回流焊炉的数据记录系统,其特征在于,所述传感器收集模块收集的运行过程中的参数包括温度数据、压力数据、加热和冷却速率、焊炉门状态、焊炉运行时间、传感器状态、电源和电流数据和焊接结果数据。

4.根据权利要求1所述的真空回流焊炉的数据记录系统,其特征在于,所述数据处理子系统包括:

5.根据权利要求1所述的真空回流焊炉的数据记录系统,...

【专利技术属性】
技术研发人员:崔会猛吕晋宁李晓亮马永龙郭子昂
申请(专利权)人:诚联恺达科技有限公司
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