泡棉生产参数调整、确定硬度转换关系、泡棉生产装置和介质的制作方法

1.本技术涉及泡棉加工领域，具体而言，涉及泡棉生产参数调整方法和系统、确定泡棉的硬度信息转换关系的方法、用于确定泡棉硬度信息的神经网络、泡棉生产装置以及计算机可读存储介质。


背景技术：

2.常见软质聚氨酯（pur）泡棉的制造方法包括大块泡工艺，通过该工艺可以连续或者不连续地生产长的、连续的软质聚氨酯块状泡棉。在连续工艺中，所需的原材料被精密泵（例如，活塞泵，齿轮泵）输送到混合头中，原材料可选的包括多元醇、异氰酸酯、水和/或辅助发泡剂、催化剂、稳定剂和其他添加剂。然后再用机械搅拌器将这些原材料混合后浇注在底纸上，传送带运输底纸通过排气通道。同时，反应混合物膨胀到需要的大小，生产的泡棉块随后将被切成所需的形状。
3.由于侧面压力在泡棉发泡膨胀后随即产生，因此侧面也往往被设计为移动式输送机。该工艺可以通过部分抑制初始上升的过程来连续生产泡棉块。


技术实现要素：

4.本技术的实施例提供了一种泡棉生产参数调整方法和系统、确定泡棉的硬度信息转换关系的方法、用于确定泡棉硬度信息的神经网络、泡棉生产装置以及计算机可读存储介质，用于实时预测产线上的泡棉熟化后的硬度，并且可以进一步用于调整产线上的泡棉熟化后的硬度。
5.根据本技术的一方面，提供一种泡棉生产参数调整方法，包括：测量泡棉生产线传送带上泡棉的切面硬度信息；基于转换关系根据所述切面硬度信息确定所述泡棉熟化后的预测硬度信息，所述转换关系根据泡棉的切面硬度信息和熟化硬度信息的历史数据形成；以及根据所述预测硬度信息调整泡棉的生产参数。
6.在本技术的一些实施例中，可选地，所述切面硬度信息、所述预测硬度信息以及所述熟化硬度信息包括：压陷硬度、压缩硬度。
7.在本技术的一些实施例中，可选地，所述生产参数包括：配方参数、工艺参数。
8.在本技术的一些实施例中，可选地，所述配方参数包括原材料配比，所述工艺参数包括：加料温度、跌落板角度、传送带速度。
9.在本技术的一些实施例中，可选地，所述转换关系根据机器学习算法或者神经网络算法形成。
10.根据本技术的另一方面，提供一种确定泡棉的硬度信息转换关系的方法，所述方法包括：测量泡棉生产线传送带上至少一个泡棉样本的切面硬度信息；测量所述泡棉样本熟化后的熟化硬度信息；以及根据所述切面硬度信息和所述熟化硬度信息形成转换关系，所述转换关系用于根据泡棉生产线传送带上泡棉的切面硬度信息确定其熟化后的预测硬度信息。
11.在本技术的一些实施例中，可选地，所述切面硬度信息根据所述泡棉样本的至少一个切面的至少一个位置形成，所述熟化硬度信息根据所述泡棉样本熟化后的至少一个位置形成。
12.在本技术的一些实施例中，可选地，测量所述切面硬度信息与测量所述熟化硬度信息的至少部分位置接近或者相同。
13.在本技术的一些实施例中，可选地，所述切面硬度信息、所述预测硬度信息以及所述熟化硬度信息包括：压陷硬度、压缩硬度。
14.在本技术的一些实施例中，可选地，所述方法包括：利用机器学习算法或者神经网络算法以所述泡棉样本的所述切面硬度信息为输入，以所述泡棉样本的所述熟化硬度信息为输出形成所述转换关系。
15.根据本技术的另一方面，提供一种用于确定泡棉硬度信息的神经网络，所述神经网络以泡棉生产线传送带上至少一个泡棉样本的切面硬度信息为输入，以所述泡棉样本熟化后的熟化硬度信息为目标输出进行训练。
16.根据本技术的另一方面，提供一种泡棉生产参数调整系统，所述系统包括：一个或多个传感器，其配置成测量泡棉生产线传送带上泡棉的切面硬度信息；计算单元，其配置成基于转换关系根据所述切面硬度信息确定所述泡棉熟化后的预测硬度信息，其中所述转换关系根据泡棉的切面硬度信息和熟化硬度信息的历史数据形成；以及发送单元，其配置成发送所述预测硬度信息。
17.在本技术的一些实施例中，可选地，所述切面硬度信息、所述预测硬度信息以及所述熟化硬度信息包括：压陷硬度、压缩硬度。
18.在本技术的一些实施例中，可选地，所述转换关系根据机器学习算法或者神经网络算法形成。
19.在本技术的一些实施例中，可选地，所述计算单元包括如上文所述的任意一种神经网络。
20.在本技术的一些实施例中，可选地，所述系统包括3个传感器。
21.在本技术的一些实施例中，可选地，每个传感器距离所述泡棉的矩形各边都≥10厘米。
22.在本技术的一些实施例中，可选地，每个传感器距离所述泡棉的矩形各边都≥20厘米。
23.在本技术的一些实施例中，可选地，所述传感器被配置成垂直于所述泡棉的切面进行测量。
24.根据本技术的另一方面，提供一种泡棉生产装置，所述装置包括如上文所述的任意一种泡棉生产参数调整系统。
25.在本技术的一些实施例中，可选地，所述装置包括接收单元，其配置成接收所述预测硬度信息；以及调整单元，其配置成根据所述预测硬度信息调整所述装置的参数。
26.在本技术的一些实施例中，可选地，所述参数包括：配方参数、工艺参数。
27.在本技术的一些实施例中，可选地，所述配方参数包括原材料配比，所述工艺参数包括：加料温度、跌落板角度、传送带速度。
28.根据本技术的另一方面，提供一种计算机可读存储介质，所述计算机可读存储介
质中存储有指令，当所述指令由处理器执行时，使得所述处理器执行如上文所述的任意一种方法。
附图说明
29.从结合附图的以下详细说明中，将会使本技术的上述和其他目的及优点更加完整清楚，其中，相同或相似的要素采用相同的标号表示。
30.图1示出了根据本技术的一个实施例的泡棉生产参数调整方法。
31.图2示出了根据本技术的一个实施例的确定泡棉的硬度信息转换关系的方法。
32.图3示出了根据本技术的一个实施例的泡棉生产参数调整系统。
33.图4示出了根据本技术的一个实施例的泡棉生产装置。
34.图5示出了根据本技术的一个实施例的泡棉生产装置。
35.图6示出了根据本技术的一个实施例的传感器。
36.图7示出了根据本技术的一个实施例的泡棉生产装置。
具体实施方式
37.出于简洁和说明性目的，本文主要参考其示范实施例来描述本技术的原理。但是，本领域技术人员将容易地认识到相同的原理可等效地应用于所有类型的泡棉生产参数调整方法和系统、确定泡棉的硬度信息转换关系的方法、用于确定泡棉硬度信息的神经网络、泡棉生产装置以及计算机可读存储介质，并且可以在其中实施这些相同或相似的原理，任何此类变化不背离本技术的真实精神和范围。
38.硬度是软质泡棉最重要的质量指标之一，因而硬度必须在指定范围内才能满足质量规格要求。否则，泡棉将被降低评级，甚至在极端情况下被视为废品。根据现有技术的聚氨酯块状泡棉生产装置，其硬度测量的局限性在于目前只能在实验室中固化（在本技术中又称为熟化）约24小时后才能进行测量。因此，还没有办法很好地对制造过程中的泡棉硬度进行测量来防止生产出硬度不合格的泡棉。本发明的一些实施例提供了一种获取产线上的泡棉的硬度信息并且可以进一步指导发泡参数设置的机制，通过该机制可以实现实时质量控制。
39.虽然本技术的实施例以聚氨酯块状泡棉展开，但是本发明的基本原理也适用于与现有聚氨酯泡棉生产方式类似的其他泡棉。本技术的一些示例并不要求切面是矩形的，而另一些示例则要求矩形的切面。
40.本技术中的各种“信息”可以是具体的数值，也可以是根据这些数值形成的分级（例如，将相近的数值归为相同的分级），以此可以降低处理的复杂度。
41.根据本技术的一方面，提供一种泡棉（例如，聚氨酯块状泡棉）生产参数调整方法。如图1所示，生产参数调整方法包括如下步骤：在步骤s11中测量泡棉生产线传送带上泡棉的切面硬度信息。在步骤s12中基于转换关系根据切面硬度信息确定泡棉熟化后的预测硬度信息。其中，转换关系根据泡棉的切面硬度信息和熟化硬度信息的历史数据形成。在步骤s13中根据预测硬度信息调整泡棉的生产参数。
42.本技术的生产参数调整方法在步骤s11中测量泡棉生产线传送带上泡棉的切面硬度信息。在步骤s11中首先要测量例如新切断后的泡棉的切面的硬度，例如具体可以利用传
感器测量泡棉的各种硬度指标以形成切面硬度信息。
43.在本技术的一些示例中，可以根据泡棉至少一个切面的至少一个位置来计算切面硬度信息。切断后的泡棉样本将包括两个切面，本技术的一些示例中优选测量沿着传送带前进方向上后侧的切面。可以在熟化前后的切面的若干个位置上测量硬度信息，以此形成切面硬度信息。例如，为了测量的便利，这里测量的是切断后仍保留在传送带上的泡棉的硬度，而非切断后掉落的泡棉的硬度。其次，本技术中“新”切断一般而言是指刚切断瞬间就进行测量，以此可以保证传送带的正常输送不受影响。在其他示例中，受制于硬件条件限制和/或预留一定的固化时间以便泡棉结构更为稳定，也可以测量切断后稍过一段时间（例如，0.5秒、2秒）后的泡棉的硬度。在一些示例中，可以使用压力传感器等力学测量器件来测量泡棉的硬度信息。在此虽然不限制测量的具体方式（例如传感器的数量、安置位置等），但是测量产线上的切断后的泡棉的切面硬度信息应当与测量下文描述的历史数据中的泡棉的切面硬度信息在同一条件下进行。压力传感器的典型示例包括诸如omega公司出品的lcmkd系列超小型工业称重传感器。
44.本技术的生产参数调整方法在在步骤s12中基于转换关系根据切面硬度信息确定泡棉熟化后的预测硬度信息，其中，转换关系根据泡棉的切面硬度信息和熟化硬度信息的历史数据形成。上文描述了直接测量切面硬度信息，但是熟化（固化）后的泡棉硬度与测量的切面硬度并不一致。在实验中我们发现切面硬度信息与熟化后的预测硬度信息存在对应关系，因此可以根据信息泡棉的切面硬度信息来推算熟化后的预测硬度信息。可以根据历史数据来形成切面硬度信息与预测硬度信息的转换关系，这样的历史数据包括专门为研究转换关系而进行实验所获取的数据，“历史”的概念是相对于确定泡棉熟化后的预测硬度信息的当前时刻而言的。需要说明的是，在一些示例中，转换关系可以是一种具象的数学表达形式，例如，可以为转换表、映射函数等。在另一些示例中，转换关系可能是一种数学抽象，即，不能或者不容易用具体的数学形式来表达这种转换关系。本发明的转换关系指代以“切面硬度信息”为输入参量，以“预测硬度信息”为输出结果的各种可行形式。
45.本技术的生产参数调整方法在在步骤s13中根据预测硬度信息调整泡棉的生产参数。以上记载了在步骤s12中可以确定预测硬度信息，根据预测硬度信息与想要的硬度信息之间的差别可以调整泡棉生产装置的参数，使得预测硬度信息接近甚至等于想要的硬度信息。例如，若预测硬度信息不能达到加工所需的硬度，此时可以调整泡棉生产装置的参数来提升产线上的泡棉的硬度。
46.实际生产过程中存在各种干扰因素，即使在某一时刻产出的泡棉符合想要的硬度信息，但是干扰因素也可能因误差累积造成后续产出的泡棉不符合要求。步骤s11至s13在实际生产中可以不断重复，从而可以动态地检验产出的泡棉硬度并且可以动态地调整泡棉生产装置的参数来消除累积的误差。
47.在本技术的一些实施例中，上文描述的硬度信息是指各种能够评估硬度的指标，例如，硬度信息（包括切面硬度信息、预测硬度信息以及熟化硬度信息）可以为压陷硬度（例如，ifd/ild，indentation load force deflection）、压缩硬度（例如，cfd，compression force deflection）等。在一些示例中，优选以相同的硬度信息来进行测量、预测以及形成转换关系。例如，若测量的是切断后的泡棉的切面压陷硬度，那么预测的是泡棉熟化后的预测压陷硬度，并且预测所依据的转换关系是根据历史数据中的切面压陷硬度与熟化压陷硬
度形成的。在其他示例中，也不排除以不同的硬度信息来进行测量、预测的可能性。例如，若测量的是切断后的泡棉的切面压缩硬度，而预测的是泡棉熟化后的预测压陷硬度，此时，预测所依据的转换关系是根据历史数据中的切面压缩硬度与熟化压陷硬度形成的。亦即，本技术的权利要求的保护范围延及以不同的度量进行测量和预测的情况。
48.在本技术的一些实施例中，可供调整的泡棉的生产参数包括了配方参数、工艺参数。其中，配方参数包括原材料配比，工艺参数包括加料温度、跌落板角度、传送带速度中的一者或者多者。控制产线的原材料配比、加料温度、跌落板角度、传送带速度可以分别调整产出的泡棉的硬度，在一些情况下也可以同时调整多种参数，以保证在物理条件的限制下能够使得产出的泡棉达到想要的硬度。由于发泡过程中，泡沫上升时泡体侧面会和侧板产生相对位移，导致较大的摩擦和扰动，使泡沫体不稳定容易出现缺陷。调整跌落板的角度可随时控制和减少泡体与侧板的位移幅度，减少发泡缺陷的产生及控制泡体的形状。
49.在本技术的一些实施例中，转换关系根据机器学习算法（例如线性回归）或者神经网络算法形成。转换关系可以例如依附于神经网络，尽管转换关系依赖于神经网络的结构，本领域技术人员在实践本发明时可以不关注神经网络的结构，也可以不关注如何训练神经网络以及训练后的神经网络是何种形态。
50.上文描述了基于转换关系来确定泡棉熟化后的预测硬度信息，根据本技术的另一方面，提供一种确定泡棉（例如，聚氨酯块状泡棉）的硬度信息转换关系的方法。如图2所示，确定泡棉的硬度信息转换关系的方法包括以下步骤：在步骤s21中测量泡棉生产线传送带上至少一个泡棉样本的切面硬度信息。在步骤s22中测量泡棉样本熟化后的熟化硬度信息。在步骤s23中根据切面硬度信息和熟化硬度信息形成转换关系，转换关系用于根据泡棉生产线传送带上泡棉的切面硬度信息确定其熟化后的预测硬度信息。
51.本技术的确定泡棉的硬度信息转换关系的方法在步骤s21中测量泡棉生产线传送带上至少一个泡棉样本的切面硬度信息。上文中描述了转换关系可以根据泡棉的切面硬度信息和熟化硬度信息的历史数据形成。在一些示例中，可以采用实验的方法来确定转换关系，实验的对象称为泡棉样本。需要说明的是，泡棉样本也可以是实际投产过程的成品泡棉，这些成品泡棉本身并不是出于研究转换关系目的而制造的，但其可以用于研究转换关系，在研究过程中可以将其视作泡棉样本。
52.至少一个泡棉样本可以不是连续产出的，例如，泡棉样本可能是不同的投产日产出的，以此可以避免泡棉生产装置的偶然误差给研究转换关系带来的干扰。测量泡棉样本的切面硬度信息的方法可以参照上文中测量泡棉的切面硬度信息的方法，在此不再赘述。
53.本技术的确定泡棉的硬度信息转换关系的方法在步骤s22中测量泡棉样本熟化后的熟化硬度信息。待根据步骤s21测量了至少一个样本的切面硬度信息后，可以将这些样本移至例如实验室中固化约12个小时再测量泡棉样本熟化后的熟化硬度信息。可以认为泡棉在实验室中固化12个小时后与出厂的泡棉硬度一致。
54.在本技术的一些示例中，可以根据泡棉样本的至少一个切面的至少一个位置来计算切面硬度信息。另一方面，也可以根据泡棉样本熟化后的至少一个位置计算熟化硬度信息。切断后的泡棉样本将包括两个切面，本技术的一些示例中优选测量沿着传送带前进方向上后侧的切面。可以在熟化前后的切面的若干个位置上测量硬度信息，以此分别形成切面硬度信息、熟化硬度信息。
55.在本技术的一些示例中，测量切面硬度信息与测量熟化硬度信息的至少部分位置接近或者相同，其中“接近”可以定义为位置相距不超过设定的阈值（例如，2厘米）。
56.本技术的确定泡棉的硬度信息转换关系的方法在步骤s23中根据切面硬度信息和熟化硬度信息形成转换关系，该转换关系用于根据泡棉生产线传送带上泡棉的切面硬度信息确定其熟化后的预测硬度信息。泡棉样本的切面硬度信息与熟化硬度信息之间存在的关联可以形成转换关系。在一些示例中，转换关系可以是一种具象的数学表达形式，例如，可以为转换表、映射函数等。在另一些示例中，转换关系可能是一种数学抽象，即，不能或者不容易用具体的数学形式来表达这种转换关系。本发明的转换关系指代以“切面硬度信息”为输入参量，以“预测硬度信息”为输出结果的各种可行形式。
57.由于实际投产的泡棉与泡棉样本在切面硬度信息到熟化硬度信息之间的变化存在一致性，因而可以通过利用泡棉样本形成的转换关系来推测泡棉生产线传送带上切断后的泡棉熟化后的预测硬度信息。以上过程可以用数学表示为：f: h
fresh
.sample
ꢀ→ꢀhcured
.sampleh
cured
.product = f(h
fresh
.product)其中f表示转换关系，h
fresh
.sample表示泡棉样本的切面硬度信息，h
cured
.sample表示泡棉样本的熟化硬度信息；h
fresh
.product表示产出的泡棉的切面硬度信息，h
cured
.product表示产出的泡棉的熟化后的预测硬度信息。可以通过以上数学关系确定产出的泡棉的熟化后的预测硬度信息h
cured
.product。
58.在本技术的一些实施例中，切面硬度信息、预测硬度信息以及熟化硬度信息可以为压陷硬度、压缩硬度等。在一些示例中，优选以相同的硬度信息来形成转换关系。例如，若预测所依据的转换关系是根据泡棉样本的切面压陷硬度与熟化压陷硬度形成的，那么可以测量切断后的泡棉的切面压陷硬度，并可以预测泡棉熟化后的预测压陷硬度。在其他示例中，也不排除以不同的硬度信息来形成转换关系。例如，若预测所依据的转换关系是根据泡棉样本的切面压缩硬度与熟化压陷硬度形成的，那么可以测量切断后的泡棉的切面压缩硬度，并可以预测泡棉熟化后的预测压陷硬度。
59.在本技术的一些实施例中，确定泡棉的硬度信息转换关系的方法包括：利用机器学习算法（例如线性回归）或者神经网络算法以泡棉样本的切面硬度信息为输入，以泡棉样本的熟化硬度信息为输出形成转换关系。在利用泡棉样本的切面硬度信息为输入、泡棉样本的熟化硬度信息为输出训练神经网络的情况下，转换关系将依附于神经网络。尽管转换关系依赖于神经网络的结构，本领域技术人员在实践本发明时可以不关注神经网络的结构，也可以不关注如何训练神经网络以及训练后的神经网络是何种形态。
60.根据本技术的另一方面，提供一种用于确定泡棉（例如，聚氨酯块状泡棉）硬度信息的神经网络，神经网络以泡棉生产线传送带上至少一个泡棉样本的切面硬度信息为输入，以泡棉样本熟化后的熟化硬度信息为目标输出进行训练。此时，转换关系可以依附于神经网络。在此不限制神经网络的具体构造，只要经训练后可以确定预测硬度信息即可。
61.根据本技术的另一方面，提供一种泡棉（例如，聚氨酯块状泡棉）生产参数调整系统。如图3所示，生产参数调整系统30包括一个或多个传感器301、计算单元302以及发送单元303。其中，一个或多个传感器301被配置成测量泡棉生产线传送带上泡棉的切面硬度信息，例如具体可以利用传感器301测量泡棉的各种硬度指标以形成切面硬度信息。
62.在本技术的一些示例中，可以根据泡棉至少一个切面的至少一个位置来计算切面硬度信息。切断后的泡棉样本将包括两个切面，本技术的一些示例中优选测量沿着传送带前进方向上后侧的切面。可以在熟化前后的切面的若干个位置上测量硬度信息，以此形成切面硬度信息。例如，为了便于传感器301布置，这里测量的是切断后仍保留在传送带上的泡棉的硬度，而非切断后掉落的泡棉的硬度。其次，本技术中“新”切断一般而言是指刚切断瞬间就进行测量，以此可以保证传送带的正常输送不受影响。在其他示例中，受制于硬件条件限制和/或预留一定的固化时间以便泡棉结构更为稳定，也可以测量切断后稍过一段时间（例如，0.5秒、2秒）后的泡棉的硬度。在一些示例中，传感器301具体可以为压力传感器等力学测量器件。在此虽然不限制测量的具体方式（例如传感器301的数量、安置位置等），但是测量产线上的切断后的泡棉的切面硬度信息应当与测量历史数据中的泡棉的切面硬度信息在同一条件下进行（例如，保持传感器301的布置不变）。
63.参见图5，切断装置502是现有的产线上设置的，泡棉503通过切断装置502后即被切断，传感器501可以测量泡棉生产线传送带上例如新切断后的泡棉的切面硬度信息。
64.计算单元302被配置成基于转换关系根据切面硬度信息确定泡棉熟化后的预测硬度信息，其中转换关系根据泡棉的切面硬度信息和熟化硬度信息的历史数据形成。上文描述了通过传感器301直接测量切面硬度信息，但是熟化（固化）后的泡棉硬度与测量的切面硬度并不一致，但可以根据信息泡棉的切面硬度信息来推算熟化后的预测硬度信息。可以根据历史数据来形成切面硬度信息与预测硬度信息的转换关系，这样的历史数据包括专门为研究转换关系而进行实验所获取的数据，“历史”的概念是相对于确定泡棉熟化后的预测硬度信息的当前时刻而言的。需要说明的是，在一些示例中，转换关系可以是一种具象的数学表达形式，例如，可以为转换表、映射函数等。此时，计算单元302可以根据诸如转换表、映射函数等确定泡棉熟化后的预测硬度信息。在另一些示例中，转换关系可能是一种数学抽象，即，不能或者不容易用具体的数学形式来表达这种转换关系。此时，计算单元302可以根据此等数学抽象确定泡棉熟化后的预测硬度信息，而无需考虑数学抽象的表达形式。本发明的转换关系指代以“切面硬度信息”为输入参量，以“预测硬度信息”为输出结果的各种可行形式。
65.发送单元303被配置成发送预测硬度信息。以上记载了计算单元302可以确定预测硬度信息，根据预测硬度信息与想要的硬度信息之间的差别可以调整泡棉生产装置的参数，使得预测硬度信息接近甚至等于想要的硬度信息。例如，若预测硬度信息不能达到加工所需的硬度，此时可以调整泡棉生产装置的参数来提升产线上的泡棉的硬度。本技术的发送单元303可以向泡棉生产装置发送预测硬度信息，以便泡棉生产装置根据预测硬度信息调整其中的参数。
66.实际生产过程中存在各种干扰因素，即使在某一时刻产出的泡棉符合想要的硬度信息，但是干扰因素也可能因误差累积造成后续产出的泡棉不符合要求。多个传感器301、计算单元302以及发送单元303在实际生产中可以持续工作，从而可以动态地检验产出的泡棉硬度并且可以实时/准实时地发送预测硬度信息。
67.在本技术的一些实施例中，上文描述的硬度信息是指各种能够评估硬度的指标，例如，硬度信息（包括切面硬度信息、预测硬度信息以及熟化硬度信息）可以为压陷硬度、压缩硬度。在一些示例中，优选以相同的硬度信息来进行测量、预测以及形成转换关系。例如，
若传感器301测量的是切断后的泡棉的切面压陷硬度，那么计算单元302预测的是泡棉熟化后的预测压陷硬度，并且计算单元302所依据的转换关系是根据历史数据中的切面压陷硬度与熟化压陷硬度形成的。在其他示例中，也不排除以不同的硬度信息来进行测量、预测的可能性。例如，若传感器301测量的是切断后的泡棉的切面压缩硬度，而计算单元302预测的是泡棉熟化后的预测压陷硬度，此时，预测所依据的转换关系是根据历史数据中的切面压缩硬度与熟化压陷硬度形成的。
68.在本技术的一些实施例中，转换关系根据机器学习算法（例如线性回归）或者神经网络算法形成。转换关系可以例如依附于神经网络，尽管转换关系依赖于神经网络的结构，本领域技术人员在实践本发明时可以不关注神经网络的结构，也可以不关注如何训练神经网络以及训练后的神经网络是何种形态。在本技术的一些实施例中，计算单元302中可以保留转换关系所依附的诸如神经网络等。
69.在本技术的一些实施例中，泡棉具体可以为聚氨酯块状泡棉。如图6所示，生产参数调整系统30可以包括传感器601和602，并且每个传感器601和602距离块状泡棉603的矩形各边都大于20厘米。在一些示例中，生产参数调整系统30包括3个传感器，并且每个传感器距离泡棉的矩形各边都大于10厘米，优选可以大于20厘米。一般而言，泡棉的各个维度的尺寸都是大于40厘米的，若探测泡棉的边缘硬度可能因形变较大而导致测得值没有代表性。在实验中我们发现布置3个传感器的效果最佳，可以在测量准确性和成本之间平衡。可以根据3个传感器的测得值确定较为准确的切面硬度信息，例如，可以取3个传感器的测得值的平均值作为切面硬度信息。此外，还可以根据3个传感器的测得值排除其中明显不合理的测得值，并根据余下的合理值确定切面硬度信息。在本技术的一些实施例中，可以将每个传感器到泡棉的矩形中心距离设置为相等，并且传感器之间的距离相等。如此，传感器301将相对于矩形截面均匀分布，因而可以测得更普适的切面硬度信息。若将传感器301集中布置，则测得的是同一区域的硬度信息：在该区域存在局部加工瑕疵时，测得值将明显不能代表切面的硬度。
70.在本技术的一些实施例中，传感器301被配置成垂直于泡棉的切面进行测量。前文记载了测量产线上的切断后的泡棉的切面硬度信息应当与测量下文描述的历史数据中的泡棉的切面硬度信息在同一条件下进行（例如，保持传感器301的布置不变）。具体而言，可以将传感器301的探测方向都垂直于泡棉的切面。
71.本技术的泡棉生产参数调整系统30可以用于诸如加装到现有产线中，实现对现有产线的升级。
72.根据本技术的另一方面，提供一种泡棉（例如，聚氨酯块状泡棉）生产装置。如图4所示，泡棉生产装置40包括如上文的任意一种泡棉生产参数调整系统30。如此，泡棉生产装置40可以根据其中的泡棉生产参数调整系统30上报的预测硬度信息来调整产线参数，进而实现对产线上的泡棉的硬度控制。
73.在本技术的一些实施例中，泡棉生产装置40具体还包括接收单元401和调整单元402。其中，接收单元401被配置成接收预测硬度信息，调整单元402被配置成根据预测硬度信息调整泡棉生产装置40的参数。接收单元401可以接收来自生产参数调整系统30上报的预测硬度信息并将其发送至调整单元402，调整单元402再根据预测硬度信息调整泡棉生产装置40的参数。具体而言，调整单元402可以根据预测硬度信息与想要的硬度信息之间的差
别来发送调整泡棉生产装置40的参数的指令，所述指令发往泡棉生产装置40的各执行部件（未示出），从而使得预测硬度信息接近甚至等于想要的硬度信息。例如，若预测硬度信息不能达到加工所需的硬度，此时调整单元402可以发送指令来调整泡棉生产装置40的参数来提升产线上的泡棉的硬度。
74.在本技术的一些实施例中，可供调整的参数包括了配方参数、工艺参数。其中，配方参数包括原材料配比，工艺参数包括加料温度、跌落板角度、传送带速度中的一者或者多者。例如，调整单元402可以向精密泵（例如，活塞泵，齿轮泵）发送调整投料组分的指令，或者可以向传送带电机发送调整速度的指令。
75.更具体的，再参见图7，泡棉生产装置70包括现有产线701，并且在现有产线上加装了传感器7011和调整单元7012。此外，泡棉生产装置70还包括服务器702、存储器703、数据库704和处理单元705。传感器7011被配置成测量泡棉生产线传送带上例如新切断后的泡棉的切面硬度信息，并将此信息发送至服务器702。切断后的泡棉可以经实验室环境下固化并在存储器703中记录熟化后的熟化硬度信息。数据库704可以搜集来自服务器702的泡棉切面硬度信息和来自存储器703的熟化硬度信息并累计形成历史数据库。处理单元705可以根据数据库704中存储的对应的切面硬度信息和熟化硬度信息对算法进行训练，经训练的算法即可用于预测预测硬度信息。处理单元705还接收服务器702的泡棉切面硬度信息，并可以根据算法基于切面硬度信息来确定预测硬度信息。预测硬度信息可以上传至调整单元7012，调整单元7012可以根据预测硬度信息与想要的硬度信息之间的差别来发送调整泡棉生产装置70的参数的指令，所述指令发往泡棉生产装置70的各执行部件（未示出），从而使得预测硬度信息接近甚至等于想要的硬度信息。
76.根据本技术的另一方面，提供一种计算机可读存储介质，其中存储有指令，当所述指令由处理器执行时，使得所述处理器执行如上文所述的任意一种方法。本技术中所称的计算机可读介质包括各种类型的计算机存储介质，可以是通用或专用计算机能够存取的任何可用介质。举例而言，计算机可读介质可以包括ram、rom、eprom、e2prom、寄存器、硬盘、可移动盘、cd-rom或其他光盘存储器、磁盘存储器或其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码单元并能够由通用或特定用途计算机、或者通用或特定用途处理器进行存取的任何其他临时性或者非临时性介质。如本文所使用的盘通常磁性地复制数据，而碟则用激光来光学地复制数据。上述的组合也应当包括在计算机可读介质的保护范围之内。示例性存储介质耦合到处理器以使得该处理器能从/向该存储介质读写信息。在替换方案中，存储介质可以被整合到处理器。处理器和存储介质可驻留在asic中。asic可驻留在用户终端中。在替换方案中，处理器和存储介质可作为分立组件驻留在用户终端中。
77.以上仅为本技术的具体实施方式，但本技术的保护范围并不局限于此。本领域的技术人员可以根据本技术所披露的技术范围想到其他可行的变化或替换，此等变化或替换皆涵盖于本技术的保护范围之中。在不冲突的情况下，本技术的实施方式及实施方式中的特征还可以相互组合。本技术的保护范围以权利要求的记载为准。