CN114115380B - 一种3d玻璃热弯模具温度控制方法和系统 - Google Patents
一种3d玻璃热弯模具温度控制方法和系统 Download PDFInfo
- Publication number
- CN114115380B CN114115380B CN202111408751.3A CN202111408751A CN114115380B CN 114115380 B CN114115380 B CN 114115380B CN 202111408751 A CN202111408751 A CN 202111408751A CN 114115380 B CN114115380 B CN 114115380B
- Authority
- CN
- China
- Prior art keywords
- temperature
- measurement point
- time
- mold
- ith
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000013003 hot bending Methods 0.000 title claims abstract description 59
- 239000011521 glass Substances 0.000 title claims abstract description 51
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000009529 body temperature measurement Methods 0.000 claims abstract description 82
- 239000013598 vector Substances 0.000 claims abstract description 22
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 9
- 238000010438 heat treatment Methods 0.000 claims description 39
- 238000012549 training Methods 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 6
- 238000004088 simulation Methods 0.000 claims description 6
- 238000002474 experimental method Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims description 3
- 230000033228 biological regulation Effects 0.000 abstract description 7
- 230000011218 segmentation Effects 0.000 abstract description 2
- 239000006059 cover glass Substances 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 5
- 239000000463 material Substances 0.000 description 5
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 4
- 229910002804 graphite Inorganic materials 0.000 description 4
- 239000010439 graphite Substances 0.000 description 4
- 238000005452 bending Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 241001391944 Commicarpus scandens Species 0.000 description 1
- 239000000956 alloy Substances 0.000 description 1
- 229910045601 alloy Inorganic materials 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000000919 ceramic Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000003754 machining Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D23/00—Control of temperature
- G05D23/19—Control of temperature characterised by the use of electric means
- G05D23/20—Control of temperature characterised by the use of electric means with sensing elements having variation of electric or magnetic properties with change of temperature
-
- C—CHEMISTRY; METALLURGY
- C03—GLASS; MINERAL OR SLAG WOOL
- C03B—MANUFACTURE, SHAPING, OR SUPPLEMENTARY PROCESSES
- C03B23/00—Re-forming shaped glass
- C03B23/02—Re-forming glass sheets
- C03B23/023—Re-forming glass sheets by bending
- C03B23/03—Re-forming glass sheets by bending by press-bending between shaping moulds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Materials Engineering (AREA)
- Organic Chemistry (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
Abstract
一种3D玻璃热弯模具温度控制方法和系统，所述方法包括：获取3D玻璃热弯模具的各个温度测量点的温升曲线，进行切分和分段离散控制，获得第i个温度测量点在时间区域[tm,tn]的未来时刻的理论温度SUi(tn)，检测瞬时温度VUi(t)；建立LSTM预测模型，将若干瞬时特征向量输入至经训练的LSTM预测模型中，得到第i个温度测量点在时间区域[tm,tn]的未来时刻的预测温度WUi(tn)；计算所述理论温度SUi(tn)和瞬时温度VUi(t)之差得到瞬时温度差值，利用PID控制算法计算得到第i个温度测量点对应的主控制量；采用模糊控制方法计算第i个温度测量点对应的功率调整率，利用功率调整率对主控制量进行微调。本发明实现了在模具温度控制过程中的时间上和模具空间上的温度协同控制，提升温度调控精度。
Description
技术领域
本发明属于模具技术领域，尤其涉及一种3D玻璃热弯模具温度控制方法和系统。
背景技术
随着电子信息技术的发展，透明玻璃构件在行业应用不断增长，特别是随着5G技术的快速推进，对无线充电技术和柔性OLED的广泛应用有着重大的产业需求。这就需要终端盖板玻璃(例如，手机前后盖板玻璃、智能手表前盖板玻璃等)配合设计成曲面形状，也称3D盖板玻璃。从目前市场应用情况来看，3D盖板玻璃得到了良好的评价，其需求与日俱增。相对于传统加工技术,热弯成型技术具有成本低，能批量生产的优势,尤其适合3D盖板玻璃的生产。但是，由于玻璃等材质是非晶物质，如果热弯的温度过低，3D玻璃构件容易破裂或者尺寸不符合要求；相反，如果热弯的温度过高，3D玻璃构件容易产生烫伤、水波纹等缺陷；另外，由于3D玻璃构件是曲面形状，导致模具传热不均匀，进一步降低了3D玻璃产品的热弯良品率。
一般而言，热弯成型模具材料性能要求该材料应具有晶粒细、组织致密均匀，热稳定性高，易于加工，良好的导热系数，较小的热膨胀性等特性。可选择的材料包括：合金、陶瓷、石墨等。由于石墨具有的优良传热性能和可精密加工特性，使得它更符合3D盖板玻璃热弯成型模具的要求。目前，行业内大部分均采用石墨作为热弯模具原材料，为了提高产品的工艺性能，石墨模具一般成对使用，即凹凸模配套使用。
对于3D玻璃热弯成型工艺而言，工艺参数(温度和压力)对其成型质量有非常重要的影响，特别是温度参数。传统的上下模具温度控制采用单一PID等控制方法，是基于当前时间的温度与期望温度的偏差，并对整个上模具或者下模具整体进行温度调控，由于模具空间结构复杂、加热系统由多个加热棒组成，导致温度控制的准确性难以满足实际情况的应用，降低了3D玻璃热弯的良品率。
发明内容
本发明针对现有技术的缺陷，提供一种3D玻璃热弯模具温度控制方法和系统，解决模具温度控制过程中精度较低的问题，通过实现时间上和模具空间上的温度协同控制，提升温度调控精度。
本发明首先提供了一种3D玻璃热弯模具温度控制方法，包括：
步骤S1，获取3D玻璃热弯模具的各个温度测量点的温升曲线，将所述温升曲线按照时间间隔进行切分，依次对得到的各个时间区域实施分段离散控制，对于时间区域[tm,tn]，tn时刻为未来时刻，获得第i个温度测量点在时间区域[tm,tn]的未来时刻的理论温度SUi(tn)，检测加热后第i个温度测量点在时间区域[tm,tn]对应的瞬时温度VUi(t)；
步骤S2，建立模具温度的LSTM预测模型，采集3D玻璃热弯模具的第i个温度测量点在时间区域[tm,tn]的瞬时特征向量，将所述瞬时特征向量输入至经训练的LSTM预测模型中，得到第i个温度测量点在时间区域[tm,tn]的未来时刻的预测温度WUi(tn)；
步骤S3，计算所述理论温度SUi(tn)和瞬时温度VUi(t)之差得到瞬时温度差值，利用PID控制算法计算得到第i个温度测量点对应的主控制量；
步骤S4，以第i个温度测量点的未来时刻tn的预测温度WUi(tn)和理论温度SUi(tn)作为输入，采用模糊控制方法计算第i个温度测量点对应的功率调整率，利用功率调整率对主控制量进行微调。
进一步地，所述温升曲线和所述LSTM预测模型通过仿真实验和/或加工实验得到。
进一步地，所述3D玻璃热弯模具包括相互配合的上模具和下模具。
进一步地，在步骤S2中，所述瞬时特征向量包括当前位置温度、当前位置第一相邻点温度、当前位置第二相邻点温度、当前位置第三相邻点温度、热弯机内腔温度、热弯机外部温度、模具工作时间和模具类型。
进一步地，在步骤S3中，所述第i个温度测量点在时间区域[tm,tn]的未来时刻的瞬时温度差值eUi(t)的计算公式为：
eUi(t)＝SUi(tn)-VUi(t)。
进一步地，在步骤S3中，第i个温度测量点输入eUi(t)与输出XUi(t)的关系为：
式中，eUi(t)、
分别为对应第i个温度测量点的误差、误差积分和误差微分项，kiUP,kiUI,kiUD分别为对应第i个温度测量点的比例系数、积分系数和微分系数。
进一步地，在步骤S4中，当第i个温度测量点在未来时刻tn的期望温度SUi(tn)∈(0℃-300℃]，而且ABS(SUi(tn)-WUi(tn))≤a℃时，若SUi(tn)大于WUi(tn)，则功率调整率为(100+a)％，若SUi(tn)小于WUi(tn)，则功率调整率为(100-a)％。
进一步地，在步骤S4之后，还包括对LSTM预测模型进行实时训练，当LSTM预测模型训练完成后，替换当前的LSTM预测模型。
本发明还提供了一种上述3D玻璃热弯模具温度控制方法的系统，包括：
理论模型模块，用于获取3D玻璃热弯模具的各个温度测量点的温升曲线，将所述温升曲线按照时间间隔进行切分，依次对得到的各个时间区域实施分段离散控制，对于时间区域[tm,tn]，tn时刻为未来时刻，获得第i个温度测量点在时间区域[tm,tn]的未来时刻的理论温度SUi(tn)；
瞬时检测模块，用于检测加热后第i个温度测量点在时间区域[tm,tn]对应的瞬时温度VUi(t)；
预测模型模块，用于建立模具温度的LSTM预测模型，采集3D玻璃热弯模具的第i个温度测量点在时间区域[tm,tn]的瞬时特征向量，将所述瞬时特征向量输入至经训练的LSTM预测模型中，得到第i个温度测量点在时间区域[tm,tn]的未来时刻的预测温度WUi(tn)；
主控制模块，用于计算所述理论温度SUi(tn)和瞬时温度VUi(t)之差得到瞬时温度差值，利用PID控制算法计算得到第i个温度测量点对应的主控制量；
副控制模块，用于以第i个温度测量点的未来时刻tn的预测温度WUi(tn)和理论温度SUi(tn)作为输入，采用模糊控制方法计算第i个温度测量点对应的功率调整率，利用功率调整率对主控制量进行微调。
进一步地，所述主控制模块包括PID控制器和加热装置，所述副控制模块包括模糊控制器，所述PID控制器和模糊控制器的输出端分别与加热装置的输入端连接。
本发明提供的3D玻璃热弯模具温度控制方法和系统，具有以下有益效果：
1)解决模具温度控制过程中只针对当前时刻温度偏差的控制方法精度较低的问题，提出了一种融合当前时刻温度偏差和未来时刻温度偏差的模具温度在时间上的协同控制方法，提升温度调控精度；
2)由于模具空间结构复杂，单个温度传感器采集的温度不足于表征模具加热过程中的热量的传导规律，在空间上采集相邻的多个温度传感器的数据，从而为预测未来时刻温度值提供准确的数据；
3)通过在模具内置多个独立的温度调控模块，可分别对不同的区域进行独立控制并调控温度，按3C玻璃构件的热弯工艺要求，通过融合PID控制和模糊控制，对3C玻璃构件待热弯的特定区域实现精密的温度控制，即实现空间上的协同控制。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施方式中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
图1是本发明实施例的3D玻璃热弯模具温度控制方法的流程示意图；
图2是本发明实施例的3D玻璃热弯模具温度控制系统的连接示意图；
图3是本发明实施例的模具温度测量点的分布示意图；
图4是本发明实施例的预测模型模块的样本向量示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有付出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
此外，以下各实施例的说明是参考附加的图示，用以例示本发明可用以实施的特定实施例。本发明中所提到的方向用语，例如，“上”、“下”、“前”、“后”、“左”、“右”、“内”、“外”、“侧面”等，仅是参考附加图式的方向，因此，使用的方向用语是为了更好、更清楚地说明及理解本发明，而不是指示或暗指所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
本发明实施例公开了一种3D玻璃热弯模具温度控制方法，请参阅附图1，包括：
步骤S110，获取3D玻璃热弯模具的各个温度测量点的温升曲线，将所述温升曲线按照时间间隔进行切分，依次对得到的各个时间区域实施分段离散控制，对于时间区域[tm,tn]，tn时刻为未来时刻，获得第i个温度测量点在时间区域[tm,tn]的未来时刻的理论温度SUi(tn)；
步骤S120，检测加热后第i个温度测量点在时间区域[tm,tn]对应的瞬时温度VUi(t)；
步骤S130，建立模具温度的LSTM预测模型，采集3D玻璃热弯模具的第i个温度测量点在时间区域[tm,tn]的瞬时特征向量，将所述瞬时特征向量输入至经训练的LSTM预测模型中，得到第i个温度测量点在时间区域[tm,tn]的未来时刻的预测温度WUi(tn)；
步骤S140，计算所述理论温度SUi(tn)和瞬时温度VUi(t)之差得到瞬时温度差值，利用PID控制算法计算得到第i个温度测量点对应的主控制量；
步骤S150，以第i个温度测量点的未来时刻tn的预测温度WUi(tn)和理论温度SUi(tn)作为输入，采用模糊控制方法计算第i个温度测量点对应的功率调整率，利用功率调整率对主控制量进行微调。
本实施例的3D玻璃热弯模具温度控制方法通过将模具第i个温度测量点在时间区域[tm,tn]的下个未来时刻预测温度与理论温度做差，然后将得到的温度偏差信号，输入模具副控制器，作为模具加热丝的功率补偿信号实时调整加热棒功率，从而实现对模具主控制器进行微调；这不仅提升系统的控制精度，也提高了系统控温过程的动态性能。
所述温升曲线和所述LSTM预测模型通过仿真实验和/或加工实验得到。在步骤S110中，通过仿真实验和加工实验后，确定最优的模具温升曲线，所述温升曲线按1～3秒的间隔进行切分。以模具第一测量点为例，其切分后的温升曲线记为{SU1t1,SU1t2,…,SU1tn}，依次对每个时间区域(如[t1,t2],…,[tn-1,tn])实施分段离散控制，对于[ti,tj]的时间段内的温度控制而言，tj时刻为未来时刻，所对应所述最优的模具温升曲线的温度(SU1tj)为该时间段下个未来时刻的理论温度。
在本发明的实施例中，所述3D玻璃热弯模具包括相互配合的上模具100和下模具200。
在步骤S130中，所述瞬时特征向量包括当前位置温度、当前位置第一相邻点温度、当前位置第二相邻点温度、当前位置第三相邻点温度、热弯机内腔温度、热弯机外部温度、模具工作时间和模具类型。其中，上模LSTM预测模块采集多组特征向量，包括上模具当前位置温度、上模具当前位置第一相邻点温度、上模具当前位置第二相邻点温度、上模具当前位置第三相邻点温度、热弯机内腔温度、热弯机外部温度、模具工作时间、模具类型。如图3所示，对于上模具100的UD1温度测量点而言，上模具当前位置第一相邻点、上模具当前位置第二相邻点和上模具当前位置第三相邻点分别为上模UD2温度测量点、下模DD1温度测量点和下模DD2温度测量点；对于上模具100的UD2温度测量点而言，上模具当前位置第一相邻点、上模具当前位置第二相邻点和上模具当前位置第三相邻点分别为上模UD1温度测量点、上模DD3温度测量点和下模DD2温度测量点。将第i个温度测量点的[tm,tn]时间区域采集到的瞬时特征向量输入训练过的上模LSTM预测模块中，得到未来tn时刻该测量点的温度输出，标记为WUi(tn)。
在步骤S140中，所述第i个温度测量点在时间区域[tm,tn]的未来时刻的瞬时温度差值eUi(t)的计算公式为：
eUi(t)＝SUi(tn)-VUi(t)。
对于上模具来说，eUi(t)经上模PID控制输入后，得到上模第i个温度测量点的主模块控制量XUi(t)。
在步骤S140中，以上模具为例，对第i个温度测量点的主控制量XUi(t)由PID控制器控制，采用PID控制算法计算得到。PID控制器由比例单元(P)、积分单元(I)和微分单元(D)组成，其第i个温度测量点输入eUi(t)与输出XUi(t)的关系为：
式中，eUi(t)、
分别为对应第个温度测量点的误差、误差积分和误差微分项，kiUP,kiUI,kiUD分别为对应第i个温度测量点的比例系数、积分系数和微分系数。
以下模具为例，对第i个温度测量点控制量XDi(t)也由PID控制器控制，采用PID控制算法计算得到：PID控制器由比例单元(P)、积分单元(I)和微分单元(D)组成，其第i个温度测量点输入eDi(t)与输出XDi(t)的关系为：
式中，eDi(t)，
分别为误差，误差积分，误差微分项；kiDP,kiDI,kiDD分别为下模第i个温度测量点的比例系数，积分系数，微分系数。
在步骤S150中，将第i个温度测量点的未来tn时刻的预测温度WUi(tn)和未来tn时刻的期望温度SUi(tn)作为输入，采用模糊控制方法对该温度测量点对应的上模加热棒的功率调整率进行控制，与上模主控制量XUi(t)的合并后，对上模具加热棒的发热量进行控制。下模具加热棒的控制方法类同，不再赘述。
在步骤S150中，当第i个温度测量点在未来时刻tn的期望温度SUi(tn)∈(0℃-300℃]，而且ABS(SUi(tn)-WUi(tn))≤a℃时，若SUi(tn)大于WUi(tn)，则功率调整率为(100+a)％，若SUi(tn)小于WUi(tn)，则功率调整率为(100-a)％。
其中，对于上模具而言，以未来tn时刻的理论温度和预测温度作为输入，上模加热棒的功率调整率(增大或者降低)为输出，如表1所示；以其中的一个实例为例，当未来tn时刻的期望温度SUi(tn)∈(0～300℃]，而且ABS(SUi(tn)-WUi(tn))≤1℃时，如果SUi(tn)大于WUi(tn)，那么上模加热棒的功率调整率增加1％，即为标准功率(优选的800W/加热棒)的101％，如果SUi(tn)小于WUi(tn)，那么上模加热棒的功率调整率减低1％，即为标准功率(优选的800W/加热棒)的99％。
表1上模具功率调整率的模糊控制方法
对于下模具而言，以未来tn时刻的期望温度和预测温度作为输入，上模加热棒的功率调整率(增大或者降低)为输出，如表2所示；以其中的一个实例为例，当未来tn时刻的期望温度SDi(tn)∈(0～300℃]，而且ABS(SDi(tn)-WDi(tn))≤3℃时，如果SDi(tn)大于WDi(tn)，那么上模加热棒的功率调整率增加3％，即为标准功率(优选的800W/加热棒)的103％，如果SDi(tn)小于WUi(tn)，那么上模加热棒的功率调整率减低3％，即为标准功率(优选的800W/加热棒)的97％。
表2下模具功率调整率的模糊控制方法
进一步地，在步骤S150之后，还包括对LSTM预测模型进行实时训练，当LSTM预测模型训练完成后，替换当前的LSTM预测模型。
其中，上模LSTM预测模型的训练包括预训练和后训练两部分，所述预训练和后训练两部分的样本如图4所示，包括时长、特征和批次；所述时长以采样周期为40-100ms为间隔，对整个加热时间进行离散化处理，获取时间尺度上的量化数据；所述特征包括上模具特征和下模具特征，所述上模具特征包括上模具当前位置温度、上模具当前位置第一相邻点温度、上模具当前位置第二相邻点温度、上模具当前位置第三相邻点温度、热弯机内腔温度、热弯机外部温度、模具工作时间、模具类型；所述批次为32批次，其中预训练16批次，后训练16批次。所述上模LSTM预测模型的预训练数据来自仿真或实验数据；所述上模LSTM预测模型的后训练数据批次不足16批次时，随机从预训练16批次数据中从抽取当前时刻的特征向量进行替换，满足总的批次为32批次，使得上模LSTM预测模型能正常训练。所述上模LSTM预测模型的后训练16批次数据分为3个更新区域，分别为最优预测区域、最差预测区域和最近预测区域，所述最优预测区域为6个批次数据，所述最差预测区域为6个批次数据，所述最近预测区域为4个批次数据。当一轮3D玻璃热弯成型完成后，所述上模LSTM预测模型对各个离散时间点的预测温度进行评估，计算其预测误差，并存储其中。所述最优预测区域为历次热弯成型后，其当前时刻预测误差最好的批次，所述最差预测区域为历次热弯成型后，其当前时刻预测误差最差的批次，所述最近预测区域为上次最近的批次。所述上模LSTM预测模型由ARM处理器及相关数据存储器实现，存储预训练和后训练的样本数据及其预测模型。所述上模LSTM预测模型在后台实时训练预测模型，当预测模型训练完成后，等下一轮3D玻璃热弯成型时替换当前的预测模型。下模LSTM预测模型与上模LSTM预测模型类似，不再赘述。
由上述可得，上模主回路控制量输出和下模主回路控制量输出，在常规的对自身误差进行调节的同时，还利用副回路，将上模加热棒和下模加热棒的未来时刻温度偏差进行输入量调节，这样可以有效的解决由于模具空间结构影响下的热流密度不均匀造成温度调控不精准的问题。
此外，为了避免系统稳态振荡，系统采用分区域PID参数自动切换的控制策略，为了提升控制的灵敏性和精度，系统优选的采样周期为40-100ms。各分区域PID参数由仿真或实验提前确定，并存储在上模主回路控制量输出和下模主回路内部的控制芯片里(优选的实现芯片为低能耗ARM处理器)。
本发明还提供了一种上述3D玻璃热弯模具温度控制方法的系统，请参阅附图2，包括：
理论模型模块10，用于获取3D玻璃热弯模具的各个温度测量点的温升曲线，将所述温升曲线按照时间间隔进行切分，依次对得到的各个时间区域实施分段离散控制，对于时间区域[tm,tn]，tn时刻为未来时刻，获得第i个温度测量点在时间区域[tm,tn]的未来时刻的理论温度SUi(tn)；
瞬时检测模块20，用于检测加热后第i个温度测量点在时间区域[tm,tn]对应的瞬时温度VUi(t)；
预测模型模块30，用于建立模具温度的LSTM预测模型，采集3D玻璃热弯模具的第i个温度测量点在时间区域[tm,tn]的瞬时特征向量，将所述瞬时特征向量输入至经训练的LSTM预测模型中，得到第i个温度测量点在时间区域[tm,tn]的未来时刻的预测温度WUi(tn)；
主控制模块40，用于计算所述理论温度SUi(tn)和瞬时温度VUi(t)之差得到瞬时温度差值，利用PID控制算法计算得到第i个温度测量点对应的主控制量；
副控制模块50，用于以第i个温度测量点的未来时刻tn的预测温度WUi(tn)和理论温度SUi(tn)作为输入，采用模糊控制方法计算第i个温度测量点对应的功率调整率，利用功率调整率对主控制量进行微调，从而控制模具加热棒60的功率。
本发明实施例的3D玻璃热弯模具温度控制系统在实际应用中，对于中小尺寸的3C玻璃构件(如4～6英寸智能手机玻璃盖板)，优选的上模具加热棒(内置电阻丝)设置为4个，上模具中间对应位置各设置一个温度传感器，下模具加热棒(内置电阻丝)设置为5个，下模具中间对应位置也各设置一个温度传感器。
所述预测模型模块包括上模LSTM预测模块和下模LSTM预测模块。所述上模LSTM预测模块具有温度预测功能，对上模具的各个传感器安置的位置温度进行预测，所述上模LSTM预测模块输入的多组(优选的组数为80-120)特征向量(当前时刻及历史时刻)包括：上模具当前位置温度、上模具当前位置第一相邻点温度、上模具当前位置第二相邻点温度、上模具当前位置第三相邻点温度、热弯机内腔温度、热弯机外部温度、模具工作时间、模具类型。所述下模LSTM预测模块也具有温度预测功能，对下模具的各个传感器安置的位置温度进行预测，所述下模LSTM预测模块输入的多组(优选的组数为80-120)特征向量(当前时刻及历史时刻)包括：下模具当前位置温度、下模具当前位置第一相邻点温度、下模具当前位置第二相邻点温度、下模具当前位置第三相邻点温度、热弯机内腔温度、热弯机外部温度、模具工作时间、模具类型。
所述主控制模块包括PID控制器和加热装置，所述副控制模块包括模糊控制器，所述PID控制器和模糊控制器的输出端分别与加热装置的输入端连接。具体地，所述上模主控制模块具有上模主控制器和上模加热棒，所述上模副控制模块具有上模副控制器，将上模主控制器和上模副控制器的输出端分别与上模加热棒的输入端连接，特别的是上模主控制模块需要对上模加热棒进行独立控制。所述下模主控制模块具有下模主控制器和下模加热棒，所述下模副控制模块具有下模副控制器，将下模主控制器和下模副控制器的输出端分别与下模加热棒的输入端连接，特别的是下模主控制模块需要对下模加热棒进行独立控制。所述上模主控制器和下模主控制器均为PID控制器；所述上模副控制器和下模副控制器均为模糊控制器。
以上并不限于本发明的实施方式，以上具体实施方式的描述旨在描述与说明本发明的技术方案，以上具体实施方式仅仅是示意式的，并不是限制式的。任何熟悉本技术领域的技术人员在本发明专利所公开的范围内，根据本发明专利的技术方案及发明专利构思加以同等替换或改变，都属于本发明专利的保护范围之内。
Claims (9)
1.一种3D玻璃热弯模具温度控制方法，其特征在于，包括：
步骤S1，获取3D玻璃热弯模具的各个温度测量点的温升曲线，将所述温升曲线按照时间间隔进行切分，依次对得到的各个时间区域实施分段离散控制，对于时间区域[tm,tn]，tn时刻为未来时刻，获得第i个温度测量点在时间区域[tm,tn]的未来时刻的理论温度SUi(tn)，检测加热后第i个温度测量点在时间区域[tm,tn]对应的瞬时温度VUi(t)；
步骤S2，建立模具温度的LSTM预测模型，采集3D玻璃热弯模具的第i个温度测量点在时间区域[tm,tn]的瞬时特征向量，所述瞬时特征向量包括当前位置温度、当前位置第一相邻点温度、当前位置第二相邻点温度、当前位置第三相邻点温度、热弯机内腔温度、热弯机外部温度、模具工作时间和模具类型，将所述瞬时特征向量输入至经训练的LSTM预测模型中，得到第i个温度测量点在时间区域[tm,tn]的未来时刻的预测温度WUi(tn)；
步骤S3，计算所述理论温度SUi(tn)和瞬时温度VUi(t)之差得到瞬时温度差值，利用PID控制算法计算得到第i个温度测量点对应的主控制量；
步骤S4，以第i个温度测量点的未来时刻tn的预测温度WUi(tn)和理论温度SUi(tn)作为输入，采用模糊控制方法计算第i个温度测量点对应的功率调整率，利用功率调整率对主控制量进行微调。
2.根据权利要求1所述的3D玻璃热弯模具温度控制方法，其特征在于：所述温升曲线和所述LSTM预测模型通过仿真实验和/或加工实验得到。
3.根据权利要求1所述的3D玻璃热弯模具温度控制方法，其特征在于，所述3D玻璃热弯模具包括相互配合的上模具和下模具。
4.根据权利要求1所述的3D玻璃热弯模具温度控制方法，其特征在于，在步骤S3中，所述第i个温度测量点在时间区域[tm,tn]的未来时刻的瞬时温度差值eUi(t)的计算公式为：
eUi(t)＝SUi(tn)-VUi(t)。
5.根据权利要求4所述的3D玻璃热弯模具温度控制方法，其特征在于，在步骤S3中，第i个温度测量点输入eUi(t)与输出XUi(t)的关系为：
式中，eUi(t)、
分别为对应第i个温度测量点的误差、误差积分和误差微分项，kiUP,kiUI,kiUD分别为对应第i个温度测量点的比例系数、积分系数和微分系数。
6.根据权利要求1所述的3D玻璃热弯模具温度控制方法，其特征在于，在步骤S4中，当第i个温度测量点在未来时刻tn的期望温度SUi(tn)∈(0℃-300℃]，而且ABS(SUi(tn)-WUi(tn))≤a℃时，若SUi(tn)大于WUi(tn)，则功率调整率为(100+a)％，若SUi(tn)小于WUi(tn)，则功率调整率为(100-a)％。
7.根据权利要求1所述的3D玻璃热弯模具温度控制方法，其特征在于，在步骤S4之后，还包括对LSTM预测模型进行实时训练，当LSTM预测模型训练完成后，替换当前的LSTM预测模型。
8.一种应用权利要求1-7中任一项所述的3D玻璃热弯模具温度控制方法的系统，其特征在于，包括：
理论模型模块，用于获取3D玻璃热弯模具的各个温度测量点的温升曲线，将所述温升曲线按照时间间隔进行切分，依次对得到的各个时间区域实施分段离散控制，对于时间区域[tm,tn]，tn时刻为未来时刻，获得第i个温度测量点在时间区域[tm,tn]的未来时刻的理论温度SUi(tn)；
瞬时检测模块，用于检测加热后第i个温度测量点在时间区域[tm,tn]对应的瞬时温度VUi(t)；
预测模型模块，用于建立模具温度的LSTM预测模型，采集3D玻璃热弯模具的第i个温度测量点在时间区域[tm,tn]的瞬时特征向量，将所述瞬时特征向量输入至经训练的LSTM预测模型中，得到第i个温度测量点在时间区域[tm,tn]的未来时刻的预测温度WUi(tn)；
主控制模块，用于计算所述理论温度SUi(tn)和瞬时温度VUi(t)之差得到瞬时温度差值，利用PID控制算法计算得到第i个温度测量点对应的主控制量；
副控制模块，用于以第i个温度测量点的未来时刻tn的预测温度WUi(tn)和理论温度SUi(tn)作为输入，采用模糊控制方法计算第i个温度测量点对应的功率调整率，利用功率调整率对主控制量进行微调。
9.根据权利要求8所述的3D玻璃热弯模具温度控制系统，其特征在于，所述主控制模块包括PID控制器和加热装置，所述副控制模块包括模糊控制器，所述PID控制器和模糊控制器的输出端分别与加热装置的输入端连接。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111408751.3A CN114115380B (zh) | 2021-11-24 | 2021-11-24 | 一种3d玻璃热弯模具温度控制方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111408751.3A CN114115380B (zh) | 2021-11-24 | 2021-11-24 | 一种3d玻璃热弯模具温度控制方法和系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114115380A CN114115380A (zh) | 2022-03-01 |
| CN114115380B true CN114115380B (zh) | 2022-07-22 |
Family
ID=80372639
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111408751.3A Active CN114115380B (zh) | 2021-11-24 | 2021-11-24 | 一种3d玻璃热弯模具温度控制方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114115380B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115138309B (zh) * | 2022-09-05 | 2022-12-06 | 济南明鑫制药股份有限公司 | 一种用于甲酯生产中粗品制备的智能生产监测方法 |
| CN117666510B (zh) * | 2023-12-07 | 2024-10-01 | 滕州市永固玻璃制品有限公司 | 钢化玻璃的生产控制系统及方法 |
| CN118184105B (zh) * | 2024-05-16 | 2024-09-06 | 徐州丰诚新材料科技有限公司 | 一种光学玻璃的智能熔炼温度监测方法及系统 |
| CN118585013B (zh) * | 2024-08-06 | 2024-10-18 | 浙江省计量科学研究院 | 一种基于物联网和模糊判定的自动恒温控制方法及系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5475610A (en) * | 1990-11-29 | 1995-12-12 | The Perkin-Elmer Corporation | Thermal cycler for automatic performance of the polymerase chain reaction with close temperature control |
| EP3082010A1 (en) * | 2015-04-17 | 2016-10-19 | Fourdeg Oy | A system for dynamically balancing a heat load and a method thereof |
| EP3474112A2 (de) * | 2017-10-19 | 2019-04-24 | Robert Bosch GmbH | Verfahren zum ermitteln einer erwarteten temperaturkurve sowie verfahren zum ermitteln eines heiz- und/oder kühlprogramms eines heiz- und/oder kühlsystems |
Family Cites Families (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3000806B2 (ja) * | 1992-10-12 | 2000-01-17 | トヨタ自動車株式会社 | 連続差圧鋳造法 |
| JP3537215B2 (ja) * | 1995-05-17 | 2004-06-14 | 株式会社東芝 | 加熱炉の温度制御装置 |
| FR2782375B1 (fr) * | 1998-08-13 | 2000-10-06 | Suisse Electronique Microtech | Systeme de regulation du chauffage d'un immeuble |
| US6855916B1 (en) * | 2003-12-10 | 2005-02-15 | Axcelis Technologies, Inc. | Wafer temperature trajectory control method for high temperature ramp rate applications using dynamic predictive thermal modeling |
| US7925389B2 (en) * | 2006-06-15 | 2011-04-12 | International Business Machines Corporation | Method of detecting recirculation of heated air within a rack enclosure |
| US20080099570A1 (en) * | 2006-10-04 | 2008-05-01 | Steve Krebs | System and method for estimating temperature drift and drive curves |
| CA2606067A1 (en) * | 2006-10-04 | 2008-04-04 | Telkonet Inc. | System and method for estimating temperature drift and drive curves |
| DK2866117T3 (en) * | 2013-10-25 | 2017-05-22 | Fourdeg Oy | System and method for distributed adaptive and predictive heating control |
| US11166344B2 (en) * | 2018-01-25 | 2021-11-02 | University Of Massachusetts | Electrically-heated fiber, fabric, or textile for heated apparel |
-
2021
- 2021-11-24 CN CN202111408751.3A patent/CN114115380B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5475610A (en) * | 1990-11-29 | 1995-12-12 | The Perkin-Elmer Corporation | Thermal cycler for automatic performance of the polymerase chain reaction with close temperature control |
| EP3082010A1 (en) * | 2015-04-17 | 2016-10-19 | Fourdeg Oy | A system for dynamically balancing a heat load and a method thereof |
| EP3474112A2 (de) * | 2017-10-19 | 2019-04-24 | Robert Bosch GmbH | Verfahren zum ermitteln einer erwarteten temperaturkurve sowie verfahren zum ermitteln eines heiz- und/oder kühlprogramms eines heiz- und/oder kühlsystems |
Non-Patent Citations (1)
| Title |
|---|
| 基于模糊预测控制的燃料电池温度控制系统的研究;程珍等;《仪表技术》;20120815(第08期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114115380A (zh) | 2022-03-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114115380B (zh) | 一种3d玻璃热弯模具温度控制方法和系统 | |
| CN110027139A (zh) | 一种模具制备方法、模具、模具加热系统及加热控制方法 | |
| CN115939583B (zh) | 一种储能液冷系统及其控制方法 | |
| CN105290380B (zh) | 一种定向凝固叶片浇注系统用内置挡板的设计方法 | |
| CN118437904B (zh) | 一种基于数据分析的压铸机压射速度管控方法及系统 | |
| CN116083956B (zh) | 电解槽制氢系统和电解槽温度控制方法 | |
| CN112279507A (zh) | 温度控制方法、装置、电子设备及系统 | |
| CN118404021B (zh) | 一种超薄铜板带工艺控制优化方法 | |
| CN110976841B (zh) | 一种模铸下注法浇钢浇铸速度的控制方法 | |
| CN102759939A (zh) | 退火炉的控制系统和控制方法 | |
| CN109977442A (zh) | 一种超厚板坯多道次轧制工艺的数值模拟方法 | |
| CN105242709A (zh) | 一种模具温度自适应控制方法 | |
| CN113579223B (zh) | 一种基于体系热平衡技术的模具温度控制方法 | |
| CN110687941B (zh) | 一种3d盖板玻璃上下模具温度同步控制系统及方法 | |
| CN119719752B (zh) | 一种精密注塑模具生产工艺的智能参数推荐方法及系统 | |
| CN102277468B (zh) | Lf精炼炉钢水温度实时测报方法 | |
| CN104294020B (zh) | 一种用于淬火控制的热冲压装置 | |
| CN109976280A (zh) | 一种精确预报热轧板坯剩余在炉时间的方法 | |
| CN116179840A (zh) | 一种激光表面热处理温度监控控制系统及控制方法 | |
| CN118999833A (zh) | 一种冶炼炉温度场变化情况的判断方法及判断系统 | |
| CN114160775B (zh) | 一种低压铸造铝合金熔体的智能控温系统和智能控温方法 | |
| CN118567416B (zh) | 一种硅片生产管式炉plc均衡控温方法及相关设备 | |
| CN109960835A (zh) | 建立连铸结晶器热流分布模型的方法 | |
| CN107053638B (zh) | 一种基于厚度检测的bopp挤出机模头螺栓定位装置 | |
| CN113211750B (zh) | 一种基于udf和数值模拟的注塑机料筒计量段温度控制方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |