基于神经网络的焊笔加热控制方法、装置、焊笔及介质与流程

本申请涉及焊接，尤其涉及一种基于神经网络的焊笔加热控制方法、装置、焊笔及介质。

背景技术：

1、焊笔又称焊锡笔，是一种小型手持式电烙铁，通过加热导电笔尖将焊锡熔化来完成电子元器件、电路板、导线等的焊接工作。焊笔一般由笔头、笔尾、连接线和电源(或电池)组成。

2、现有技术，焊笔加热控制多采用固定pid参数的传统控制方法，固定pid参数在应对不同型号的焊笔、焊笔的老化程度、焊笔的加热特性时表现出明显的不足，固定的参数设置方式在不同焊笔间的适应性差，易导致温度控制不精确且效率低下。

技术实现思路

1、有鉴于此，本申请提供一种基于神经网络的焊笔加热控制方法、装置、焊笔及介质，用以解决焊笔的温度控制不精确且效率低的技术问题。

2、本申请的第一方面提供一种基于神经网络的焊笔加热控制方法，所述方法包括：

3、根据焊笔的目标温度及k时刻的实际温度计算得到pid控制器k时刻的控制误差，k为大于2的自然数；

4、根据所述k时刻的控制误差，得到所述焊笔的k时刻的参数差值及k时刻的功率增量；

5、将所述k时刻的功率增量、所述k时刻的实际温度及k-1时刻的实际温度，输入训练完成的神经网络温度预测模型中进行预测，得到所述焊笔的k时刻的预测温度；

6、根据所述k时刻的预测温度、所述k时刻的参数差值及k时刻的参数系数，得到所述k+1时刻的参数系数；

7、根据所述k+1时刻的参数系数调整所述焊笔k+1时刻的温度，直至所述焊笔的实际温度达到所述目标温度。

8、在一个可选的实施方式中，所述根据所述k时刻的控制误差，得到所述焊笔的k时刻的参数差值及k时刻的功率增量包括：

9、根据所述k时刻的控制误差与k-1时刻的控制误差，得到所述pid控制器k时刻的比例差值；

10、根据所述k时刻的控制误差、所述k-1时刻的控制误差、k-2时刻的控制误差，得到所述pid控制器k时刻的微分差值；

11、根据所述k时刻的比例差值与所述k时刻的比例系数、所述k时刻的控制误差与k时刻的积分系数、所述k时刻的微分差值与k时刻的微分系数，得到所述k时刻的功率增量。

12、在一个可选的实施方式中，所述根据所述k时刻的预测温度、所述k时刻的参数差值及k时刻的参数系数，得到所述k+1时刻的参数系数包括：

13、根据所述k时刻的预测温度及所述k时刻的参数差值计算得到所述pid控制器k时刻的参数增量；

14、根据所述k时刻的参数增量及k时刻的参数系数，得到所述k+1时刻的参数系数。

15、在一个可选的实施方式中，所述根据所述k时刻的预测温度及所述k时刻的参数差值计算得到所述pid控制器k时刻的参数增量包括：

16、根据所述k时刻的预测温度及所述k时刻的功率增量，得到k时刻的参数比例；

17、根据所述k时刻的参数差值及所述k时刻的参数比例，得到所述pid控制器k时刻的参数增量。

18、在一个可选的实施方式中，所述根据所述k时刻的参数差值及所述k时刻的参数比例，得到所述pid控制器k时刻的参数增量包括：

19、获取所述神经网络温度预测模型的学习速率；

20、基于所述学习速率、所述k时刻的控制误差、所述k时刻的参数比例及所述k时刻的参数差值，得到所述pid控制器k时刻的参数增量。

21、在一个可选的实施方式中，所述方法还包括：

22、获取所述焊笔在每个时刻的实际温度；

23、根据所述每个时刻的实际温度生成温度曲线。

24、在一个可选的实施方式中，所述方法还包括：

25、获取所述焊笔的k+1时刻的实际温度；

26、根据所述k+1时刻的实际温度及所述k+1时刻的预测温度，对所述神经网络温度预测模型进行优化。

27、本申请的第二方面提供一种基于神经网络的焊笔加热控制装置，所述装置包括：

28、第一计算模块，用于根据焊笔的目标温度及k时刻的实际温度计算得到pid控制器k时刻的控制误差，k为大于2的自然数；

29、第二计算模块，用于根据所述k时刻的控制误差，得到所述焊笔的k时刻的参数差值及k时刻的功率增量；

30、温度预测模块，用于将所述k时刻的功率增量、所述k时刻的实际温度及k-1时刻的实际温度，输入训练完成的神经网络温度预测模型中进行预测，得到所述焊笔的k时刻的预测温度；

31、第三计算模块，用于根据所述k时刻的预测温度、所述k时刻的参数差值及k时刻的参数系数，得到所述k+1时刻的参数系数；

32、调整控制模块，用于根据所述k+1时刻的参数系数调整所述焊笔k+1时刻的温度，直至所述焊笔的实际温度达到所述目标温度。

33、本申请的第三方面提供一种焊笔，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述的基于神经网络的焊笔加热控制方法的步骤。

34、本申请的第四方面提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被执行时实现所述的基于神经网络的焊笔加热控制方法的步骤。

35、本申请通过根据焊笔的目标温度及k时刻的实际温度计算得到pid控制器k时刻的控制误差，k为大于2的自然数；根据所述k时刻的控制误差，得到所述焊笔的k时刻的参数差值及k时刻的功率增量；将所述k时刻的功率增量、所述k时刻的实际温度及k-1时刻的实际温度，输入训练完成的神经网络温度预测模型中进行预测，得到所述焊笔的k时刻的预测温度；根据所述k时刻的预测温度、所述k时刻的参数差值及k时刻的参数系数，得到所述k+1时刻的参数系数；根据所述k+1时刻的参数系数调整所述焊笔k+1时刻的温度，直至所述焊笔的实际温度达到所述目标温度。本申请能够解决焊笔的温度控制不精确且效率低的技术问题。

技术特征：

1.一种基于神经网络的焊笔加热控制方法，其特征在于，所述方法包括：

2.根据权利要求1所述的基于神经网络的焊笔加热控制方法，其特征在于，所述根据所述k时刻的控制误差，得到所述焊笔的k时刻的参数差值及k时刻的功率增量包括：

3.根据权利要求2所述的基于神经网络的焊笔加热控制方法，其特征在于，所述根据所述k时刻的预测温度、所述k时刻的参数差值及k时刻的参数系数，得到所述k+1时刻的参数系数包括：

4.根据权利要求3所述的基于神经网络的焊笔加热控制方法，其特征在于，所述根据所述k时刻的预测温度及所述k时刻的参数差值计算得到所述pid控制器k时刻的参数增量包括：

5.据权利要求4所述的基于神经网络的焊笔加热控制方法，其特征在于，所述根据所述k时刻的参数差值及所述k时刻的参数比例，得到所述pid控制器k时刻的参数增量包括：

6.根据权利要求5所述的基于神经网络的焊笔加热控制方法，其特征在于，所述方法还包括：

7.根据权利要求1至6中任意一项所述的基于神经网络的焊笔加热控制方法，其特征在于，所述方法还包括：

8.一种基于神经网络的焊笔加热控制装置，其特征在于，所述装置包括：

9.一种焊笔，其特征在于，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至7中任意一项所述的基于神经网络的焊笔加热控制方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任意一项所述的基于神经网络的焊笔加热控制方法的步骤。

技术总结本申请涉及焊接技术领域，提供了一种基于神经网络的焊笔加热控制方法、装置、焊笔及介质。本申请通过根据焊笔的目标温度及K时刻的实际温度计算得到PID控制器K时刻的控制误差，K为大于2的自然数；根据K时刻的控制误差，得到焊笔的K时刻的参数差值及K时刻的功率增量；将K时刻的功率增量、K时刻的实际温度及K‑1时刻的实际温度，输入训练完成的神经网络温度预测模型中进行预测，得到焊笔的K时刻的预测温度；根据K时刻的预测温度、K时刻的参数差值及K时刻的参数系数，得到K+1时刻的参数系数；根据K+1时刻的参数系数调整焊笔K+1时刻的温度，直至焊笔的实际温度达到目标温度。本申请能够解决焊笔的温度控制不精确且效率低的技术问题。技术研发人员：卢意,梁荣敏受保护的技术使用者：深圳市艾讯智能硬件有限公司技术研发日：技术公布日：2024/6/11