发泡模具自动温控系统及其方法与流程

本技术涉及发泡模具，且更为具体地，涉及一种发泡模具自动温控系统及其方法。

背景技术：

1、发泡模具自动温控系统是一种非常重要的系统，它通过对模具内部温度的进行监测和精确控制，以满足不同材料和产品的要求，保证最终产品的质量和稳定性。它主要通过调节加热器的功率和时间来调节模具内部的温度，但是，由于材料的热导率不同，并且加热器的功率和位置等因素也会影响发泡模具内部温度的分布。因此，在发泡模具自动温控的过程中，如何实现温度分布均匀，是一个需要解决的难点。

2、因此，期待一种优化的发泡模具自动温控系统及其方法。

技术实现思路

1、为了解决上述技术问题，提出了本技术。本技术的实施例提供了一种发泡模具自动温控系统及其方法，其通过在模具周围部署多个加热器，获取某个位置的加热器多个预定时间点的加热器功率值和模具内部的热红外图像，提取二者的特征信息，建立关联关系，基于热红外图像中的温度差异信息，来控制该加热器功率增大或减小，以此方式对各个位置的加热器逐一判断，以实现温度均匀分布的目的。该方案考虑了不同位置的温度差异，从多个角度提取和分析了热红外图像和加热功率值的特征信息，可以有效地实现发泡模具内部温度的均匀分布。

2、相应地，根据本技术的一个方面，提供了一种发泡模具自动温控系统，其包括：热监控模块，用于获取加热器在预定时间段内多个预定时间点的加热功率值以及所述多个预定时间点的模具内部的热红外图像；热红外特征提取模块，用于将所述多个预定时间点的热红外图像分别输入使用空间注意力机制的第一卷积神经网络模型以得到多个热红外特征矩阵；热变化模块，用于计算所述多个热红外特征矩阵中每两个相邻的热红外特征矩阵之间的差分以得到多个热红外差分特征矩阵；维度变化模块，用于将所述多个热红外差分特征矩阵中各个热红外差分特征矩阵分别展开为一维特征向量以得到多个热红外差分展开特征向量；热变化模式特征提取模块，用于将所述多个热红外差分展开特征向量输入基于转换器的上下文编码器以得到热红外变化语义特征向量；加热功率特征提取模块，用于将所述加热器在预定时间段内多个预定时间点的加热功率值分别按照时间维度排列为加热功率输入向量后通过多尺度邻域特征提取模块以得到多尺度加热功率特征向量；响应性估计模块，用于计算所述热红外变化语义特征向量相对于所述多尺度加热功率特征向量的响应性估计以得到分类特征矩阵；融合模块，用于基于所述热红外变化语义特征向量和所述多尺度加热功率特征向量之间的高维特征的维度分布相似性来畸形特征向量融合以得到融合特征矩阵；以及，控制结果生成模块，用于将所述融合特征矩阵与所述分类特征矩阵之间的矩阵乘积通过分类器以得到分类结果，所述分类结果用于表示该加热器当前时间点的加热功率值应增大或应减小。

3、在上述发泡模具自动温控系统中，所述热变化模式特征提取模块，包括：查询向量构造单元，用于将所述多个热红外差分展开特征向量进行一维排列以得到全局热红外差分特征向量；自注意单元，用于计算所述全局热红外差分特征向量与所述多个热红外差分展开特征向量中各个热红外差分展开特征向量的转置向量之间的乘积以得到多个自注意力关联矩阵；标准化单元，用于分别对所述多个自注意力关联矩阵中各个自注意力关联矩阵进行标准化处理以得到多个标准化后自注意力关联矩阵；关注度计算单元，用于将所述多个标准化后自注意力关联矩阵中各个标准化后自注意力关联矩阵通过softmax分类函数以得到多个概率值；注意力施加单元，用于分别以所述多个概率值中各个概率值作为权重对所述多个热红外差分展开特征向量中各个局部展开特征向量进行加权以得到所述多个上下文语义热红外差分展开特征向量；以及，级联单元，用于将所述多个上下文语义热红外差分展开特征向量进行级联以得到所述热红外变化语义特征向量。

4、在上述发泡模具自动温控系统中，所述加热功率特征提取模块，包括：第一尺度特征提取单元，用于将所述加热功率输入向量输入所述多尺度邻域特征提取模块的第一卷积层以得到第一尺度加热功率特征向量，其中，所述第一卷积层具有第一长度的第一一维卷积核；第二尺度特征提取单元，用于将所述加热功率输入向量输入所述多尺度邻域特征提取模块的第二卷积层以得到第二尺度加热功率特征向量，其中，所述第二卷积层具有第二长度的第二一维卷积核，所述第一长度不同于所述第二长度；以及，多尺度级联单元，用于将所述第一尺度加热功率特征向量和所述第二尺度加热功率特征向量进行级联以得到所述多尺度加热功率特征向量。

5、在上述发泡模具自动温控系统中，所述响应性估计模块，用于：以如下响应公式计算所述热红外变化语义特征向量相对于所述多尺度加热功率特征向量的响应性估计以得到分类特征矩阵；其中，所述响应公式为：

6、

7、其中vc表示所述热红外变化语义特征向量，v表示所述多尺度加热功率特征向量，m表示所述分类特征矩阵，表示矩阵相乘。

8、在上述发泡模具自动温控系统中，所述融合模块，包括：以如下第一加权公式计算所述热红外变化语义特征向量相对于所述多尺度加热功率特征向量的第一相对熵以得到第一加权系数；其中，所述第一加权公式为：

9、

10、其中，w1i表示所述第一加权系数，pj表示所述热红外变化语义特征向量的第j个位置的特征值，qj表示所述多尺度加热功率特征向量的第j个位置的特征值，log表示以2为底的对数函数值；以如下第二加权公式计算所述多尺度加热功率特征向量相对于所述热红外变化语义特征向量的第二相对熵以得到第二加权系数；其中，所述第二加权公式为：

11、

12、其中，w2表示第二加权系数，pj表示所述热红外变化语义特征向量的第j个位置的特征值，qj表示所述多尺度加热功率特征向量的第j个位置的特征值，log表示以2为底的对数函数值；以及，以所述第一加权系数和所述第二加权系数作为权重，计算所述热红外变化语义特征向量的转置向量和所述多尺度加热功率特征向量的乘积以得到所述融合特征图。

13、根据本技术的另一个方面，提供了一种发泡模具自动温控方法，其包括：获取加热器在预定时间段内多个预定时间点的加热功率值以及所述多个预定时间点的模具内部的热红外图像；将所述多个预定时间点的热红外图像分别输入使用空间注意力机制的第一卷积神经网络模型以得到多个热红外特征矩阵；计算所述多个热红外特征矩阵中每两个相邻的热红外特征矩阵之间的差分以得到多个热红外差分特征矩阵；将所述多个热红外差分特征矩阵中各个热红外差分特征矩阵分别展开为一维特征向量以得到多个热红外差分展开特征向量；将所述多个热红外差分展开特征向量输入基于转换器的上下文编码器以得到热红外变化语义特征向量；将所述加热器在预定时间段内多个预定时间点的加热功率值分别按照时间维度排列为加热功率输入向量后通过多尺度邻域特征提取模块以得到多尺度加热功率特征向量；计算所述热红外变化语义特征向量相对于所述多尺度加热功率特征向量的响应性估计以得到分类特征矩阵；基于所述热红外变化语义特征向量和所述多尺度加热功率特征向量之间的高维特征的维度分布相似性来畸形特征向量融合以得到融合特征矩阵；以及，将所述融合特征矩阵与所述分类特征矩阵之间的矩阵乘积通过分类器以得到分类结果，所述分类结果用于表示该加热器当前时间点的加热功率值应增大或应减小。

14、与现有技术相比，本技术提供的发泡模具自动温控系统及其方法，其通过在模具周围部署多个加热器，获取某个位置的加热器多个预定时间点的加热器功率值和模具内部的热红外图像，提取二者的特征信息，建立关联关系，基于热红外图像中的温度差异信息，来控制该加热器功率增大或减小，以此方式对各个位置的加热器逐一判断，以实现温度均匀分布的目的。该方案考虑了不同位置的温度差异，从多个角度提取和分析了热红外图像和加热功率值的特征信息，可以有效地实现发泡模具内部温度的均匀分布。