一种基于智能温控的液晶模组热压绑定方法技术

【技术保护点】

1.一种基于智能温控的液晶模组热压绑定方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于智能温控的液晶模组热压绑定方法，其特征在于，所述步骤1中温度传感器的校准方法具体为：在热压头非工作状态下通过外部热成像仪扫描热压头表面温度分布，将热成像仪采集的二维温度场数据与各温度传感器的单点测量数据进行对比，计算每个传感器在热压头不同温度下的偏移量；所述偏移量根据热压头材质的热膨胀系数进行二次补偿，补偿方法包括通过有限元仿真计算热压头在升温过程中的形变量对传感器安装位置的影响，建立形变量与温度变化的关联函数，根据当前温度动态调整偏移量的修正系数；校准后的传感器数据通过卡...

【技术特征摘要】

1.一种基于智能温控的液晶模组热压绑定方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于智能温控的液晶模组热压绑定方法，其特征在于，所述步骤1中温度传感器的校准方法具体为：在热压头非工作状态下通过外部热成像仪扫描热压头表面温度分布，将热成像仪采集的二维温度场数据与各温度传感器的单点测量数据进行对比，计算每个传感器在热压头不同温度下的偏移量；所述偏移量根据热压头材质的热膨胀系数进行二次补偿，补偿方法包括通过有限元仿真计算热压头在升温过程中的形变量对传感器安装位置的影响，建立形变量与温度变化的关联函数，根据当前温度动态调整偏移量的修正系数；校准后的传感器数据通过卡尔曼滤波算法消除随机噪声干扰，所述卡尔曼滤波的输入为传感器原始数据及热压头加热功率变化速率，输出为修正后的温度反馈信号。

3.根据权利要求2所述的一种基于智能温控的液晶模组热压绑定方法，其特征在于，所述步骤2中的模糊逻辑算法的调节策略具体为：输入变量为温度偏差值及偏差变化率，所述温度偏差值为当前温度与目标温度的差值，偏差变化率为相邻两次采样的温度偏差差值除以时间间隔；输出变量为加热功率的调节幅度及方向，所述调节幅度根据隶属度函数定义的温度偏差等级确定，所述隶属度函数将偏差值划分为高、中、低三个非线性区间，并为每个区间分配权重系数；调节指令通过经验规则库生成，所述经验规则库基于历史热压数据中温度偏差与加热功率调整量构建压力与温度的映射关系；所述模糊逻辑算法在调节过程中引入延时补偿机制，延时时间根据热压头的材质导热系数及当前加热功率变化速率动态计算，以避免温度滞后导致的超调现象。

4.根据权利要求3所述的一种基于智能温控的液晶模组热压绑定方法，其特征在于，所述步骤2中压力与温度的映射关系建立方法具体为：在预标定阶段对同一材质试片施加不同压力组合，通过高速摄像设备捕捉胶层在热压过程中的扩散过程，提取胶层边缘移动轨迹并计算单位时间内的位移量作为流动速率；同时通过图像处理算法识别胶层与电极的接触区域像素占比作为覆盖面积；根据流动速率与覆盖面积的比值确定压力与温度的协同调整比例，所述协同调整比例通过拟合实验数据建立压力-温度-胶层形貌的三维关系曲面，并根据当前压力值在曲面上插值得到对应的温度补偿量。

5.根据权利要求4所述的一种基于智能温控的液晶模组热压绑定方法，其特征在于，所述步骤3中深度学习模型的训练方法具体为：输入数据包括步骤2中采集的温度数据和压力分布数据，输出数据为下一周期推荐的温度阈值及目标压力；所述模型采用卷积神经网络提取温度-压力时空特征，并通过长短期记忆网络预测参数优化方向；训练过程中对输入数据进行归一化处理，归一化方法包括将温度数据按热压头最大耐温值缩放至0-1范围，述压力分布数据按传感器量程上限缩放至0-1范围；所述模型的损失函数定义为预测参数与实际最优参数的均方误差，优化器采用自适应学习率算法动态调整梯度下降步长；训练完成后通过交叉验证评估模型泛化能力，对过拟合现象采...

【专利技术属性】
技术研发人员：易斌，周初平，赖松生，黄波，
申请(专利权)人：永州市创欣时代科技有限公司，
类型：发明
国别省市：