买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：宁波江东联达机械科技有限公司

摘要：本发明提供一种轻量化注塑机设备的控制方法及轻量化注塑机设备，涉及智能制造和工业自动化技术领域，包括获取轻量化注塑机设备在不同生产条件下的历史数据，经过数据清洗、归一化和特征工程处理，得到预处理后的数据集；利用集成机器学习算法对预处理后的数据集进行特征选择和参数优化处理，得到关键生产参数的特征集；采用卷积神经网络模型处理时间序列数据，得到预测模型；将预测模型与多变量预测控制算法结合，形成一个闭环控制系统；利用强化学习算法学习最优控制策略，从而得到注塑机设备的控制方法。本发明提高轻量化注塑机设备的控制精度和生产效率，同时降低能源消耗和生产成本，为塑料制品制造业的智能化升级提供一种创新解决方案。

主权项：1.一种轻量化注塑机设备的控制方法，其特征在于，包括：获取轻量化注塑机设备在不同生产条件下的历史数据，经过数据清洗、归一化和特征工程处理，得到预处理后的数据集，所述历史数据包括注射压力、合模力、顶出速度、模具温度以及材料流动性；利用集成机器学习算法对预处理后的数据集进行特征选择和参数优化处理，得到关键生产参数的特征集，其中特征集用于识别影响注射、合模及顶出的关键变量；基于所述特征集，采用卷积神经网络模型处理时间序列数据，识别注塑过程中的复杂模式，得到预测模型，所述预测模型能够预测注射、合模及顶出动作的最优参数；将预测模型与多变量预测控制算法结合，形成一个闭环控制系统，得到能够预测未来行为并实时调整控制策略的控制系统；对闭环控制系统进行自适应控制策略开发处理，自动调整操作参数信息，利用强化学习算法学习最优控制策略，以适应多变的生产条件和材料特性，从而得到轻量化注塑机设备的控制方法；所述基于所述特征集，采用卷积神经网络模型处理时间序列数据，识别注塑过程中的复杂模式，得到预测模型，其中包括：根据关键生产参数的特征集，经过时间窗口滑动方法处理，构建时间序列数据集，得到一系列时间窗口内的特征数据，其中特征数据包括注射压力、合模力、顶出速度、模具温度以及材料流动性，其中特征数据反映注塑机在不同时间点的操作状态，时间窗口的大小根据注塑过程的物理特性和生产周期来确定；基于构建的时间序列数据集，经过设计卷积神经网络架构，包括选择合适的卷积层、池化层和全连接层，得到能够处理时间序列数据的CNN模型，其中卷积层用于提取时间序列数据中的局部特征，池化层用于降低特征维度并提取重要信息，全连接层用于进行最终的预测；经过使用反向传播算法和梯度下降方法对CNN模型进行训练，识别注塑过程中的复杂模式，得到训练完成的预测模型，其中预测模型能够识别并学习注塑过程中的关键特征与生产结果之间的关系，其中模型训练过程中使用的数据为轻量化注塑机设备的时间序列数据；所述将预测模型与多变量预测控制算法结合，形成一个闭环控制系统，得到能够预测未来行为并实时调整控制策略的控制系统，其中包括：将训练完成的CNN预测模型的输出转换为适合MPC算法输入的格式，其中包括将预测值转换为控制目标或约束条件，得到一组经过格式化的预测数据，其中这些数据将作为MPC算法的输入，用于指导控制策略的实时调整；根据轻量化注塑机设备的预设的控制需求和操作限制，利用MPC算法经过计算，得到一个针对轻量化注塑机设备优化的MPC算法，其中MPC算法包括定义目标函数、控制变量、状态变量以及约束条件，并根据实时数据和预测模型的输出来计算最优控制动作；根据MPC算法和预测模型的输出，经过实施闭环控制策略，其中包括实时监控注塑机的状态，并比较实际生产参数与预测模型的输出，得到一个动态调整的控制系统，其中该系统能够根据实时反馈和预测数据自动调整控制参数，用来确保注塑机按照预定的生产目标和质量标准运行；对闭环控制系统进行自适应控制策略开发处理，自动调整操作参数信息，利用强化学习算法学习最优控制策略，以适应多变的生产条件和材料特性，从而得到轻量化注塑机设备的控制方法；获取初始策略，即根据现有的控制经验和操作参数，获取一个初始策略，该策略可以是随机的或基于启发式的，接着经过定义注塑机设备的状态、动作和奖励函数，初始化强化学习环境，其中状态包括生产参数，动作是可执行的操作参数调整；根据轻量化注塑机设备的具体需求，选择一个合适的强化学习算法，并配置其参数；经过在强化学习环境中执行初始策略并观察结果，开始学习过程，可以根据贝尔曼方程或其变体更新策略；根据奖励信号和环境反馈，经过迭代更新步骤，不断优化策略，对于Q-learning算法，使用如下更新公式： 式中，Qs,a表示在特定状态下s采取动作a的预期效用或价值，α为学习率，一个介于0和1的参数，决定了新信息覆盖旧信息的速度，r为在执行动作后立即获得的奖励，γ为折现因子，一个介于0和1的参数，表示未来奖励相对于即时奖励的价值，maxa′Qs′,a′表示对于下一个状态s′，所有可能动作a′的Q值中的最大值，表示最乐观的未来预期效用；接着，经过定期评估当前策略的性能，根据评估结果调整强化学习算法的参数或学习过程，进而获取最优控制策略，则经过强化学习算法的迭代优化，得到最优控制策略，该策略能够指导闭环控制系统自动调整操作参数，然后根据最优控制策略，经过在闭环控制系统中实施自适应调整，自动调整操作参数以适应生产条件和材料特性的变化。

全文数据：

权利要求：

百度查询： 宁波江东联达机械科技有限公司 一种轻量化注塑机设备的控制方法及轻量化注塑机设备