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()
【技术实现步骤摘要】
本专利技术属于温度监控,尤其涉及一种应用于硫化机的硫化温度监控方法和系统。
技术介绍
1、硫化机对各种橡塑制品进行硫化的设备,硫化温度是影响橡胶硫化过程的主要因素,若温度高10℃,硫化时间将缩短一半。由于橡胶是不良导热体,制品的硫化进程由于其各部位温度的差异而不同,因此,为了保证比较均匀的硫化程度,厚橡胶制品一般采用逐步升温、低温长时间硫化的方法,因此,对于硫化温度监控是目前亟待解决的一个重要问题。
技术实现思路
1、本专利技术要解决的技术问题是,提供一种硫化温度监控方法和系统,可以对橡胶硫化过程的温度动态调控。
2、为实现上述目的,本专利技术采用如下的技术方案:
3、一种硫化温度监控方法,包括:
4、步骤s1、获取通过硫化机进行橡胶硫化过程中的历史橡胶状态图像;
5、步骤s2、根据历史橡胶状态图像,得到橡胶状态预测模型;
6、步骤s3、将实时的橡胶状态输入到橡胶状态预测模型,得到下一个时刻的橡胶状态;
7、步骤s4、根据下一个时刻的橡胶状态,实时调节橡胶硫化过程的环境温度。
8、作为优选,步骤s1中还包括对历史橡胶状态图像进行数据预处理,步骤s2中根据预处理后的历史橡胶状态图像得到橡胶状态预测模型。
9、作为优选,所述橡胶状态预测模型为全卷积条件生成对抗模型;全卷积条件生成对抗模型为:以条件生成对抗网络模型cgan为基础模型,将神经网络中所有层都替换成卷积层,构成全卷积条件生成对抗模型
10、作为优选,全卷积条件生成对抗模型包括:生成器和鉴别器;其中,生成器包含:编码器和解码器,生成器采用u-net架构,网络的输入设置为256×256×3,编码器学习8×8大小的256个特征图,解码器利用特征图和跳过连接的输入来学习生成256×256×3图像作为输出;鉴别器采用patch gan架构;使用四个卷积层,将256×256×6的输入转换为16×16×1的输出,表示鉴别器的平均有效响应,在每个层次中,使用3×3的卷积滤波器。
11、本专利技术还提供一种硫化温度监控系统,包括:
12、获取装置,用于获取通过硫化机进行橡胶硫化过程中的历史橡胶状态图像;
13、处理装置,用于根据历史橡胶状态图像,得到橡胶状态预测模型;
14、预测装置,用于将实时的橡胶状态输入到橡胶状态预测模型,得到下一个时刻的橡胶状态;
15、调控装置,用于根据下一个时刻的橡胶状态,实时调节橡胶硫化过程的环境温度。
16、作为优选,还包括预处理装置,用于对历史橡胶状态图像进行数据清洗。
17、作为优选,所述橡胶状态预测模型为全卷积条件生成对抗模型;全卷积条件生成对抗模型为:以条件生成对抗网络模型cgan为基础模型,将神经网络中所有层都替换成卷积层,构成全卷积条件生成对抗模型。
18、作为优选,全卷积条件生成对抗模型包括:生成器和鉴别器;其中,生成器包含:编码器和解码器,生成器采用u-net架构,网络的输入设置为256×256×3,编码器学习8×8大小的256个特征图,解码器利用特征图和跳过连接的输入来学习生成256×256×3图像作为输出;鉴别器采用patch gan架构;使用四个卷积层,将256×256×6的输入转换为16×16×1的输出,表示鉴别器的平均有效响应,在每个层次中,使用3×3的卷积滤波器。
19、本专利技术获取橡胶硫化过程中的历史橡胶状态图像;根据历史橡胶状态图像,得到橡胶状态预测模型;将实时的橡胶状态输入到橡胶状态预测模型,得到下一个时刻的橡胶状态;根据下一个时刻的橡胶状态,实时调节橡胶硫化过程(部分硫化、半硫化、全部硫化)的环境温度;采用本专利技术技术方案,可以对橡胶硫化过程的温度动态调控。
本文档来自技高网...【技术保护点】
1.一种硫化温度监控方法,其特征在于,包括:
2.如权利要求1所述的硫化温度监控方法,其特征在于,步骤S1中还包括对历史橡胶状态图像进行数据预处理,步骤S2中根据预处理后的历史橡胶状态图像得到橡胶状态预测模型。
3.如权利要求2所述的硫化温度监控方法,其特征在于,所述橡胶状态预测模型为全卷积条件生成对抗模型;全卷积条件生成对抗模型为:以条件生成对抗网络模型cGAN为基础模型,将神经网络中所有层都替换成卷积层,构成全卷积条件生成对抗模型。
4.如权利要求3所述的硫化温度监控方法,其特征在于,全卷积条件生成对抗模型包括:生成器和鉴别器;其中,生成器包含:编码器和解码器,生成器采用U-Net架构,网络的输入设置为256×256×3,编码器学习8×8大小的256个特征图,解码器利用特征图和跳过连接的输入来学习生成256×256×3图像作为输出;鉴别器采用Patch GAN架构;使用四个卷积层,将256×256×6的输入转换为16×16×1的输出,表示鉴别器的平均有效响应,在每个层次中,使用3×3的卷积滤波器。
5.一种硫化温度监控系统,其特
6.如权利要求5所述的硫化温度监控系统,其特征在于,还包括预处理装置,用于对历史橡胶状态图像进行数据清洗。
7.如权利要求6所述的硫化温度监控系统,其特征在于,所述橡胶状态预测模型为全卷积条件生成对抗模型;全卷积条件生成对抗模型为:以条件生成对抗网络模型cGAN为基础模型,将神经网络中所有层都替换成卷积层,构成全卷积条件生成对抗模型。
8.如权利要求7所述的硫化温度监控系统,其特征在于,全卷积条件生成对抗模型包括:生成器和鉴别器;其中,生成器包含:编码器和解码器,生成器采用U-Net架构,网络的输入设置为256×256×3,编码器学习8×8大小的256个特征图,解码器利用特征图和跳过连接的输入来学习生成256×256×3图像作为输出;鉴别器采用Patch GAN架构;使用四个卷积层,将256×256×6的输入转换为16×16×1的输出,表示鉴别器的平均有效响应,在每个层次中,使用3×3的卷积滤波器。
...【技术特征摘要】
1.一种硫化温度监控方法,其特征在于,包括:
2.如权利要求1所述的硫化温度监控方法,其特征在于,步骤s1中还包括对历史橡胶状态图像进行数据预处理,步骤s2中根据预处理后的历史橡胶状态图像得到橡胶状态预测模型。
3.如权利要求2所述的硫化温度监控方法,其特征在于,所述橡胶状态预测模型为全卷积条件生成对抗模型;全卷积条件生成对抗模型为:以条件生成对抗网络模型cgan为基础模型,将神经网络中所有层都替换成卷积层,构成全卷积条件生成对抗模型。
4.如权利要求3所述的硫化温度监控方法,其特征在于,全卷积条件生成对抗模型包括:生成器和鉴别器;其中,生成器包含:编码器和解码器,生成器采用u-net架构,网络的输入设置为256×256×3,编码器学习8×8大小的256个特征图,解码器利用特征图和跳过连接的输入来学习生成256×256×3图像作为输出;鉴别器采用patch gan架构;使用四个卷积层,将256×256×6的输入转换为16×16×1的输出,表示鉴别器的平均有效响应,在每个层次中,使...
【专利技术属性】
技术研发人员:马建平,刘宇腾,雷激,杨文光,张洪波,庞赛赛,阳明俊,唐赫,
申请(专利权)人:桂林电子科技大学,
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。