一种智能控制去粘层厚度的方法、系统及生产设备

专利主权项内容

1.一种智能控制去粘层厚度的方法，其特征在于，包括：获取PET离型膜的厚度、去粘剂的粘度、上料间隙的第一初始值和控厚间隔的第二初始值，并基于动态预测模型对去粘层的厚度进行预测以获得预测值；若所述预测值和所述去粘层厚度的目标值不同，则根据所述目标值获得所述上料间隙的第一调整值和所述控厚间隔的第二调整值，并根据所述第一调整值对所述上料间隙进行调整，以及根据所述第二调整值对所述控厚间隔进行调整；所述上料间隙用于供所述去粘剂通过；通过所述上料间隙的所述去粘剂黏附于所述PET离型膜上，且随所述PET离型膜一同经过所述控厚间隔；所述去粘剂随所述PET离型膜经过所述控厚间隔后，在所述PET离型膜上形成所述去粘层；其中，所述动态预测模型的建立包括：获取多组独立的测试样本，所述测试样本包括输入参数和输出参数，所述输入参数包括所述PET离型膜的厚度、所述去粘剂的粘度、所述第一初始值和所述第二初始值，所述输出参数包括与所述输入参数相对应的所述去粘层厚度的实际测量值；利用所述输入参数和所述输出参数，训练神经网络模型；通过迭代训练更新所述神经网络模型的权重参数、偏置参数以及学习因子；若所述神经网络模型预测的所述去粘层厚度的特征值与实际测量的所述去粘层厚度的特征值，处于预设范围，则训练结束；保存最后更新的权重参数、偏置参数以及学习因子，并获得所述动态预测模型；在多组所述测试样本中，第i个所述测试样本的输入特征向量xi的函数f(xi)的函数表达式为：f(xi)=aωxi+b，其中，ω为权重参数，b为偏置参数，a为学习因子；TT判断训练是否结束的方法包括：以f(xi)为中心，构建宽度为2σ的范围带，若n个验证样本均落在所述范围带内，则判定预测结果正确，并结束训练；设定所述PET离型膜的厚度、所述去粘剂的粘度、所述第一初始值和所述第二初始值各自的区间范围；生成学习样本；所述学习样本：以所述PET离型膜的厚度、所述去粘剂的粘度、所述第一初始值和所述第二初始值中的一者作为变量，其余作为定量，其中，在所述变量对应的所述区间范围内，线性调节所述变量的大小；将所述学习样本输入所述动态预测模型中，并输出与所述学习样本对应的所述去粘层厚度的所述预测值；建立基于所述学习样本与所述预测值对应关系的数据库；所述根据所述目标值获得所述上料间隙的第一调整值和所述控厚间隔的第二调整值，并根据所述第一调整值对所述上料间隙进行调整，以及根据所述第二调整值对所述控厚间隔进行调整包括：获取所述PET离型膜的厚度、所述去粘剂的粘度和所述目标值；将所述目标值设为所述预测值，并在所述数据库中筛选与所述预测值相对应的若干个所述学习样本，其中，将筛选出的所述学习样本设为预期样本；基于获取到的所述PET离型膜的厚度和所述去粘剂的粘度，对若干个所述预期样本做进一步筛选，当所述预期样本中的所述PET离型膜的厚度和所述去粘剂的粘度与获取到的获取所述PET离型膜的厚度和所述去粘剂的粘度均相同时，将该所述预期样本设为执行样本；基于所述执行样本中的所述第一初始值和所述第二初始值分别对所述上料间隙进行调整和所述控厚间隔进行调整。