技术新讯 > 控制调节装置的制造及其应用技术 > 一种电子式真空压力控制器的制作方法  >  正文

一种电子式真空压力控制器的制作方法

  • 国知局
  • 2024-07-31 23:56:47

本申请涉及智能控制,且更为具体地,涉及一种电子式真空压力控制器。

背景技术:

1、近年来,随着科技的不断进步和工业领域的快速发展,工业自动化和智能制造逐渐成为了现代工业生产的核心。在这一大背景下,真空压力控制器作为一种确保生产流程稳定、产品质量可靠的关键设备,其重要性日益凸显。真空压力控制器的控制准确性和稳定性对于工业生产中的许多环节都至关重要,如半导体制造、制药、食品加工等领域。在这些领域中,任何微小的真空度波动都可能导致产品质量下降或生产流程中断,因此,对真空压力控制器的控制精度提出了更高的要求。

2、传统的真空压力控制主要依赖于pid(比例-积分-微分)控制器。pid控制器通过比较实际压力与设定压力之间的差异,调整控制信号以维持真空度的稳定。虽然pid控制器在一定程度上能够实现真空度的控制,但在面对复杂多变的工艺环境时,其调节能力往往显得捉襟见肘。例如,在生产工艺参数变化、设备老化或外部环境干扰等情况下,pid控制器可能无法快速适应这些变化,导致真空度波动较大,从而影响产品质量和生产效率。

3、因此,期待一种优化的电子式真空压力控制器。

技术实现思路

1、为了解决上述技术问题,提出了本申请。本申请的实施例提供了一种电子式真空压力控制器,其采用基于深度学习的人工智能技术对由压力传感器采集的系统内真空压力数据进行时域分析,捕捉到系统内真空压力数据的时序关联特征,以此来全面地表征真空压力的动态变化特性,从而基于这种动态变化特性对系统内真空压力进行智能控制。这样,能够实现真空压力的智能调控,提高真空压力控制的精度和稳定性。

2、相应地,根据本申请的一个方面,提供了一种电子式真空压力控制器,其包括:

3、真空压力监控模块,用于获取由压力传感器采集的系统内真空压力的时间序列;

4、数据传输模块,用于将所述系统内真空压力的时间序列通过无线模块传输至后台控制服务器;

5、多维度真空压力时序关联编码模块,用于在所述后台控制服务器,对所述系统内真空压力的时间序列进行多维度时序关联特征提取以得到系统内真空压力绝对量时序关联特征向量和系统内真空压力相对量时序波动特征向量;

6、多维度关联分析模块,用于在所述后台控制服务器,对所述系统内真空压力绝对量时序关联特征向量和所述系统内真空压力相对量时序波动特征向量进行关联分析以得到系统内真空压力绝对量-相对量协同时序关联特征向量;

7、控制指令生成模块,用于在所述后台控制服务器,基于所述系统内真空压力绝对量-相对量协同时序关联特征向量确定控制指令;

8、控制指令执行模块,用于将所述控制指令返回所述电子式真空压力控制器,以通过所述电子式真空压力控制器来执行所述控制指令。

9、在上述电子式真空压力控制器中,所述多维度真空压力时序关联编码模块,包括:数据预处理单元,用于对所述系统内真空压力的时间序列进行数据预处理以得到系统内真空压力时序输入向量和系统内真空压力时序波动输入向量;时序关联特征提取单元,用于分别提取所述系统内真空压力时序输入向量和所述系统内真空压力时序波动输入向量的时序关联特征以得到所述系统内真空压力绝对量时序关联特征向量和所述系统内真空压力相对量时序波动特征向量。

10、在上述电子式真空压力控制器中,所述数据预处理单元,包括:时序排列子单元,用于将所述系统内真空压力的时间序列按照时间维度排列为所述系统内真空压力时序输入向量;全局均值计算子单元,用于计算所述系统内真空压力时序输入向量的全局均值作为压力局部均衡点;时序波动计算子单元,用于计算所述系统内真空压力时序输入向量中各个位置的系统内真空压力与所述压力局部均衡点之间的差值以得到所述系统内真空压力时序波动输入向量。

11、在上述电子式真空压力控制器中,所述时序关联特征提取单元,用于:将所述系统内真空压力时序输入向量和所述系统内真空压力时序波动输入向量通过基于一维卷积层的时序关联特征提取器以得到所述系统内真空压力绝对量时序关联特征向量和所述系统内真空压力相对量时序波动特征向量。

12、在上述电子式真空压力控制器中,所述多维度关联分析模块,用于:使用基于因子分解机的特征关联分析器对所述系统内真空压力绝对量时序关联特征向量和所述系统内真空压力相对量时序波动特征向量进行关联分析以得到所述系统内真空压力绝对量-相对量协同时序关联特征向量。

13、在上述电子式真空压力控制器中,所述多维度关联分析模块,用于:以如下特征关联分析公式对所述系统内真空压力绝对量时序关联特征向量和所述系统内真空压力相对量时序波动特征向量进行关联分析以得到所述系统内真空压力绝对量-相对量协同时序关联特征向量;其中,所述特征关联分析公式为:;其中,是常数偏置项,是第一因子分解偏置系数,是第二因子分解偏置系数,为所述系统内真空压力绝对量时序关联特征向量的第个特征值,为所述系统内真空压力相对量时序波动特征向量的第个特征值,为所述系统内真空压力绝对量时序关联特征向量的维度,是所述系统内真空压力绝对量-相对量协同时序关联特征向量的第个特征值。

14、在上述电子式真空压力控制器中,所述控制指令生成模块,包括:特征分布校正单元,用于对所述系统内真空压力绝对量-相对量协同时序关联特征向量进行特征分布校正以得到校正后系统内真空压力绝对量-相对量协同时序关联特征向量;分类单元,用于将所述校正后系统内真空压力绝对量-相对量协同时序关联特征向量通过基于分类器的控制器以得到所述控制指令,所述控制指令用于表示是否动作。

15、在上述电子式真空压力控制器中,所述特征分布校正单元,包括:校正计算子单元,用于对所述系统内真空压力绝对量时序关联特征向量和所述系统内真空压力相对量时序波动特征向量进行融合校正以得到校正特征向量;校正施加子单元,用于融合所述校正特征向量和所述系统内真空压力绝对量-相对量协同时序关联特征向量以得到所述校正后系统内真空压力绝对量-相对量协同时序关联特征向量。

16、在上述电子式真空压力控制器中,所述分类单元,用于:使用所述基于分类器的控制器以如下分类公式对所述校正后系统内真空压力绝对量-相对量协同时序关联特征向量进行处理以得到所述控制指令;其中,所述分类公式为:;其中,到为权重矩阵,到为偏置向量,为所述校正后系统内真空压力绝对量-相对量协同时序关联特征向量,表示归一化指数函数,表示所述控制指令。

17、与现有技术相比,本申请提供的电子式真空压力控制器,其采用基于深度学习的人工智能技术对由压力传感器采集的系统内真空压力数据进行时域分析,捕捉到系统内真空压力数据的时序关联特征,以此来全面地表征真空压力的动态变化特性,从而基于这种动态变化特性对系统内真空压力进行智能控制。这样,能够实现真空压力的智能调控,提高真空压力控制的精度和稳定性。

技术特征:

1.一种电子式真空压力控制器,其特征在于,包括:

2.根据权利要求1所述的电子式真空压力控制器,其特征在于,所述多维度真空压力时序关联编码模块,包括:

3.根据权利要求2所述的电子式真空压力控制器,其特征在于,所述数据预处理单元,包括:

4.根据权利要求3所述的电子式真空压力控制器,其特征在于,所述时序关联特征提取单元,用于:

5.根据权利要求4所述的电子式真空压力控制器,其特征在于,所述多维度关联分析模块,用于:

6.根据权利要求5所述的电子式真空压力控制器,其特征在于,所述多维度关联分析模块,用于:

7.根据权利要求6所述的电子式真空压力控制器,其特征在于,所述控制指令生成模块,包括:

8.根据权利要求7所述的电子式真空压力控制器,其特征在于,所述特征分布校正单元,包括:

9.根据权利要求8所述的电子式真空压力控制器,其特征在于,所述分类单元,用于:

技术总结本申请涉及智能控制技术领域,其具体地公开了一种电子式真空压力控制器,其采用基于深度学习的人工智能技术对由压力传感器采集的系统内真空压力数据进行时域分析,捕捉到系统内真空压力数据的时序关联特征,以此来全面地表征真空压力的动态变化特性,从而基于这种动态变化特性对系统内真空压力进行智能控制。这样,能够实现真空压力的智能调控,提高真空压力控制的精度和稳定性。技术研发人员:许海军,林小燕,许启平,梅海斌受保护的技术使用者:捷柯姆科技(杭州)股份有限公司技术研发日:技术公布日:2024/6/30

本文地址:https://www.jishuxx.com/zhuanli/20240730/199328.html

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。