本发明属于智能制造，涉及一种精密注塑数控设备压力控制系统。
背景技术：
1、精密注塑数控设备是现代塑料加工行业中的高端设备，集成了先进的数控技术、精密机械设计与塑料注塑工艺。其主要通过数控系统精确控制注塑过程中的各项参数，如温度、压力、速度等，以实现塑料原料的精确成型。
2、在塑料注塑产品玩具的生产过程中，注塑工艺的质量直接影响产品的品质。传统注塑设备在压力控制方面存在较大缺陷，如压力波动较大，难以实现精确的压力调控，而注塑时的压力调控，是确保注塑过程中塑料熔体的压力稳定、均匀，从而避免成型缺陷的关键。
3、由于难以实现精确的压力调控，这导致生产出的塑料产品尺寸精度差，存在较大的公差范围，难以满足高精度产品的要求，产品表面容易出现飞边、缩痕、缺料等注塑缺陷，极大地影响了产品质量和良品率，同时，由于不同产品之间的尺寸和形状存在差异，使得产品相互间的配合精度较低，在玩家拼搭过程中，容易出现拼接不紧密、结构不稳定等问题，严重影响用户体验。
技术实现思路
1、为解决现有技术中存在的上述问题，本发明提供了一种精密注塑数控设备压力控制系统，旨在通过收集多个注塑过程的压力数据样本，建立不同时刻的压力平滑曲线，以解决注塑压力不稳定的问题。同时，建立不同产品的压力平滑曲线与尺寸和形状的关系，以提高产品相互间的配合精度。
2、本发明的目的可以通过以下技术方案实现：
3、本申请提供了本申请提供了一种精密注塑数控设备压力控制系统，包括数据采集模块、压力曲线模块、曲线应用模块和压力控制模块；
4、所述数据采集模块，用于采集多个完整注塑周期的压力数据，所述压力数据以特定时间步长进行划分，获得时间序列压力数据；
5、所述压力曲线模块，用于利用时间序列压力数据，以时间为自变量，压力为因变量，绘制压力平滑曲线；
6、所述曲线应用模块，用于获取不同尺寸和形状的产品的压力平滑曲线，构建压力平滑曲线和产品的尺寸和形状之间的深度学习模型；
7、所述压力控制模块，用于根据两个或多个需要相互配合的产品的尺寸和形状，利用深度学习模型获取对应的压力平滑曲线对注塑过程的压力进行控制。
8、进一步地，所述数据采集模块，由多个高精度压力传感器组成，所述传感器分别安装在注塑机的料筒进料口、螺杆前端以及模具型腔。
9、进一步地，所述压力平滑曲线，通过广义可加模型拟合，再通过r语言软件进行绘制。
10、进一步地，所述广义可加模型，包括以下构建步骤：
11、s1、确定模型结构：模型以压力作为响应变量，对应的解释变量为时间；
12、s2、选择平滑函数：选择三次样条函数作为模型的平滑函数，并将时间划分成多个小段，在每个小段内，用三次多项式来描述压力变化；
13、s3、参数估计：通过不断调整模型参数，使压力的预测值和实际值达到差距最小化，从而确定最终参数；
14、s4、模型检验与评估：利用调整好参数的模型预测压力值，利用决定系数检验预测值的准确性；
15、s5、绘制压力平滑曲线：依据调好的模型和参数，计算不同时间点的预测压力值；并以时间为横轴，预测压力值为纵轴，借助绘图工具绘制压力平滑曲线。
16、进一步地，所述广义可加模型，表达式为：
17、，
18、式中， g表示注塑压力； x表示时间； s表示平滑函数； k表示平滑函数的节点数； μ表示截距项。
19、进一步地，所述深度学习模型，配置为以压力平滑曲线为输入特征，产品的尺寸和形状为输出目标的卷积神经网络模型。
20、进一步地，所述卷积神经网络模型，包括以下构建步骤：
21、t1、数据预处理：将压力平滑曲线数据转化为零均值和单位方差的标准化形式，同时把产品的尺寸与形状信息进行编码；
22、t2、模型架构设计：参照压力平滑曲线数据的维度，确定输入层节点数量；构建卷积层捕捉压力平滑曲线特征，确定卷积核的数量、大小及步长；添加池化层对数据进行降维处理；设置全连接层，实现从池化层输出到最终输出层的特征整合与映射；依据产品尺寸与形状的特征维度，确定输出层节点数量；
23、t3、模型训练：根据输出目标选择损失函数和优化器，并调整超参数；将数据划分为训练集、验证集与测试集，把训练集数据输入模型，借助前向传播获取输出并计算误差，再通过反向传播更新模型参数，持续迭代训练过程；
24、t4、模型评估与调整：运用测试集对训练完毕的模型进行评估，通过计算评估指标判断模型性能。
25、进一步地，所述压力控制模块，根据预设的压力平滑曲线和实时采集的压力数据，计算出压力偏差，并通过pid控制算法进行数据处理，生成精确的控制指令。
26、进一步地，所述压力控制模块，还包括人机交互模块，配置压力显示屏，操作人员根据压力显示屏实时监控注塑压力的情况。
27、本发明的有益效果：
28、（1）利用时间序列压力数据，以时间为自变量，压力为因变量，绘制压力平滑曲线；获取不同尺寸和形状的产品的压力平滑曲线，构建压力平滑曲线和产品的尺寸和形状之间的深度学习模型；根据两个或多个需要相互配合的产品的尺寸和形状，利用深度学习模型获取对应的压力平滑曲线对注塑过程的压力进行控制。解决了现有技术注塑压力波动大以及不同尺寸和形状的产品配合精度差的问题。
29、（2）利用广义可加模型拟合压力平滑曲线，量化了一个注塑周期中时间与注塑压力复杂的非线性关系，提高了压力控制精度，提升注塑产品的加工品质。
30、（3）利用卷积神经网络模型确定了不同压力平滑曲线能够得到不同尺寸和形状的产品，实现不同产品的配合，提升注塑产品的加工品质。
1.一种精密注塑数控设备压力控制系统，其特征在于：包括数据采集模块、压力曲线模块、曲线应用模块和压力控制模块；
2.根据权利要求1所述的一种精密注塑数控设备压力控制系统，其特征在于：所述数据采集模块，由多个高精度压力传感器组成，所述传感器分别安装在注塑机的料筒进料口、螺杆前端以及模具型腔。
3.根据权利要求1所述的一种精密注塑数控设备压力控制系统，其特征在于：所述压力平滑曲线，通过广义可加模型拟合，再通过r语言软件进行绘制。
4.根据权利要求3所述的一种精密注塑数控设备压力控制系统，其特征在于：所述广义可加模型，包括以下构建步骤：
5.根据权利要求3所述的一种精密注塑数控设备压力控制系统，其特征在于：所述广义可加模型，表达式为：
6.根据权利要求1所述的一种精密注塑数控设备压力控制系统，其特征在于：所述深度学习模型，配置为以压力平滑曲线为输入特征，产品的尺寸和形状为输出目标的卷积神经网络模型。
7.根据权利要求6所述的一种精密注塑数控设备压力控制系统，其特征在于：所述卷积神经网络模型，包括以下构建步骤：
8.根据权利要求1所述的一种精密注塑数控设备压力控制系统，其特征在于：所述压力控制模块，根据预设的压力平滑曲线和实时采集的压力数据，计算出压力偏差，并通过pid控制算法进行数据处理，生成精确的控制指令。
9.根据权利要求1所述的一种精密注塑数控设备压力控制系统，其特征在于：所述压力控制模块，还包括人机交互模块，配置压力显示屏，操作人员根据压力显示屏实时监控注塑压力的情况。