(19)國家知識(shí)產(chǎn)權(quán)局(22)申請(qǐng)日2025.05.28地址311107浙江省杭州市余杭區(qū)仁和街(72)發(fā)明人劉希龍方益清張鑫強(qiáng)司大龍所(特殊普通合伙)16250GO6N3/0464(2023.01)綜合多維度的紅外加熱自動(dòng)化控制方法及本發(fā)明提供綜合多維度的紅外加熱自動(dòng)化化模型生成最優(yōu)控制策略，動(dòng)態(tài)調(diào)節(jié)燈管布局、功率及角度。本發(fā)明實(shí)現(xiàn)了紅外加熱的精確控?fù)?jù)量基于所述溫度特征向量、所述功率特征向量及所述溫度分布特征向量，構(gòu)建紅外加熱動(dòng)態(tài)補(bǔ)償矩陣，通過所述紅外加熱動(dòng)態(tài)補(bǔ)償矩陣對(duì)紅外加熱設(shè)備的加熱參數(shù)進(jìn)行實(shí)時(shí)動(dòng)態(tài)調(diào)整CN120224498A權(quán)利要求書2獲取紅外加熱設(shè)備的實(shí)時(shí)溫度數(shù)據(jù)、紅外燈管功率數(shù)據(jù)及被加熱工件的表面溫度分布將所述實(shí)時(shí)溫度數(shù)據(jù)、所述紅外燈管功率數(shù)據(jù)及所述表面溫度分布數(shù)據(jù)基于深度學(xué)習(xí)基于所述溫度特征向量、所述功率特征向量及所述溫度分布采集被加熱工件的實(shí)時(shí)加熱狀態(tài)信息，根據(jù)所述實(shí)時(shí)加熱狀態(tài)將所述最優(yōu)加熱控制策略轉(zhuǎn)換為紅外加熱設(shè)備的控制指令，通過對(duì)所述實(shí)時(shí)溫度數(shù)據(jù)、所述紅外燈管功率數(shù)據(jù)及所述表面溫度構(gòu)建多通道輸入的深度學(xué)習(xí)網(wǎng)絡(luò)結(jié)構(gòu)，所述深度學(xué)習(xí)網(wǎng)絡(luò)結(jié)構(gòu)包括溫度特征提取分述溫度特征提取分支，將歸一化后的所述紅外燈管功率數(shù)據(jù)輸入所述功率特征提取分支，在所述深度學(xué)習(xí)網(wǎng)絡(luò)結(jié)構(gòu)中引入通道注意力機(jī)制，根據(jù)各特征基于所述特征融合的結(jié)果分別生成溫度特征向量、功率特征向量及溫度分布特征向基于所述溫度特征向量、所述功率特征向量及所述溫度分布將所述三維動(dòng)態(tài)補(bǔ)償矩陣與實(shí)時(shí)加熱參數(shù)進(jìn)行矩陣運(yùn)算，構(gòu)建紅外加熱動(dòng)態(tài)補(bǔ)償矩?fù)?jù)所述實(shí)時(shí)加熱狀態(tài)信息，建立自適應(yīng)加熱優(yōu)化模型包括：3采集被加熱工件的實(shí)時(shí)加熱狀態(tài)信息，所述實(shí)時(shí)加熱狀態(tài)信息包括工件表面溫度分布數(shù)據(jù)、工件表面熱量吸收率數(shù)據(jù)及工件材料應(yīng)力分布數(shù)據(jù)；將所述實(shí)時(shí)加熱狀態(tài)信息構(gòu)建為狀態(tài)向量，所述狀態(tài)向量包括溫度狀態(tài)分量、熱量吸收狀態(tài)分量及應(yīng)力狀態(tài)分量，根據(jù)所述狀態(tài)向量與加熱控制動(dòng)作之間的映射關(guān)系建立自適應(yīng)加熱優(yōu)化模型。5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述自適應(yīng)加熱優(yōu)化模型基于所述深度學(xué)習(xí)算法，通過對(duì)加熱過程中的狀態(tài)-動(dòng)作序列進(jìn)行評(píng)估和優(yōu)化，生成最優(yōu)加熱控制策略包獲取加熱過程中的狀態(tài)-動(dòng)作序列，所述狀態(tài)-動(dòng)作序列包括工件加熱狀態(tài)數(shù)據(jù)和加熱控制動(dòng)作數(shù)據(jù)；構(gòu)建深度學(xué)習(xí)優(yōu)化模型，所述深度學(xué)習(xí)優(yōu)化模型包括狀態(tài)評(píng)估網(wǎng)絡(luò)和動(dòng)作生成網(wǎng)絡(luò)，所述狀態(tài)評(píng)估網(wǎng)絡(luò)對(duì)所述工件加熱狀態(tài)數(shù)據(jù)進(jìn)行特征提取并輸出狀態(tài)評(píng)估值，所述動(dòng)作生成網(wǎng)絡(luò)基于所述狀態(tài)評(píng)估值預(yù)測(cè)下一時(shí)刻的最優(yōu)加熱控制動(dòng)作；對(duì)所述狀態(tài)-動(dòng)作序列設(shè)置獎(jiǎng)勵(lì)函數(shù)，根據(jù)所述獎(jiǎng)勵(lì)函數(shù)的計(jì)算結(jié)果對(duì)所述深度學(xué)習(xí)優(yōu)化模型的網(wǎng)絡(luò)參數(shù)進(jìn)行優(yōu)化更新，生成最優(yōu)加熱控制策略。6.根據(jù)權(quán)利要求1所述的方法，其特征在于，將所述最優(yōu)加熱控制策略轉(zhuǎn)換為紅外加熱設(shè)備的控制指令，通過執(zhí)行所述控制指令實(shí)現(xiàn)對(duì)紅外加熱過程的自動(dòng)化精確控制包括：將所述最優(yōu)加熱控制策略轉(zhuǎn)換為設(shè)備控制指令，所述設(shè)備控制指令包括功率控制指令、角度控制指令及位置控制指令；根據(jù)紅外加熱設(shè)備的實(shí)時(shí)執(zhí)行狀態(tài)對(duì)所述設(shè)備控制指令的執(zhí)行過程進(jìn)行監(jiān)控，當(dāng)檢測(cè)到執(zhí)行偏差時(shí)，對(duì)所述設(shè)備控制指令的執(zhí)行參數(shù)進(jìn)行補(bǔ)償調(diào)整；將補(bǔ)償調(diào)整后的所述設(shè)備控制指令發(fā)送至紅外加熱設(shè)備的控制單元執(zhí)行，實(shí)現(xiàn)對(duì)紅外加熱過程的自動(dòng)化精確控制。7.綜合多維度的紅外加熱自動(dòng)化控制系統(tǒng)，用于實(shí)現(xiàn)前述權(quán)利要求1-6中任一項(xiàng)所述第一單元，用于獲取紅外加熱設(shè)備的實(shí)時(shí)溫度數(shù)據(jù)、紅外燈管功率數(shù)據(jù)及被加熱工件的表面溫度分布數(shù)據(jù)；第二單元，用于將所述實(shí)時(shí)溫度數(shù)據(jù)、所述紅外燈管功率數(shù)據(jù)及所述表面溫度分布數(shù)據(jù)基于深度學(xué)習(xí)算法進(jìn)行特征提取，得到紅外加熱過程的溫度特征向量、功率特征向量及溫度分布特征向量；第三單元，用于基于所述溫度特征向量、所述功率特征向量及所述溫度分布特征向量，構(gòu)建紅外加熱動(dòng)態(tài)補(bǔ)償矩陣，通過所述紅外加熱動(dòng)態(tài)補(bǔ)償矩陣對(duì)紅外加熱設(shè)備的加熱參數(shù)進(jìn)行實(shí)時(shí)動(dòng)態(tài)調(diào)整；第四單元，用于采集被加熱工件的實(shí)時(shí)加熱狀態(tài)信息，根據(jù)所述實(shí)時(shí)加熱狀態(tài)信息，建立自適應(yīng)加熱優(yōu)化模型，所述自適應(yīng)加熱優(yōu)化模型基于所述深度學(xué)習(xí)算法，通過對(duì)加熱過程中的狀態(tài)-動(dòng)作序列進(jìn)行評(píng)估和優(yōu)化，生成最優(yōu)加熱控制策略，所述最優(yōu)加熱控制策略用于動(dòng)態(tài)調(diào)節(jié)紅外燈管的空間布局、功率輸出及照射角度；第五單元，用于將所述最優(yōu)加熱控制策略轉(zhuǎn)換為紅外加熱設(shè)備的控制指令，通過執(zhí)行所述控制指令實(shí)現(xiàn)對(duì)紅外加熱過程的自動(dòng)化精確控制。4處理器；用于存儲(chǔ)處理器可執(zhí)行指令的存儲(chǔ)器；其中，所述處理器被配置為調(diào)用所述存儲(chǔ)器存儲(chǔ)的指令，以執(zhí)行權(quán)利要求1至6中任意一項(xiàng)所述的方法。9.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序指令，其特征在于，所述計(jì)算機(jī)程序指令被處理器執(zhí)行時(shí)實(shí)現(xiàn)權(quán)利要求1至6中任意一項(xiàng)所述的方法。5綜合多維度的紅外加熱自動(dòng)化控制方法及系統(tǒng)技術(shù)領(lǐng)域[0001]本發(fā)明涉及紅外加熱技術(shù)，尤其涉及綜合多維度的紅外加熱自動(dòng)化控制方法及系統(tǒng)。背景技術(shù)[0002]紅外加熱技術(shù)是一種利用紅外輻射原理將電能轉(zhuǎn)化為熱能的加熱方式，廣泛應(yīng)用于工業(yè)生產(chǎn)、材料加工、電子制造等領(lǐng)域。隨著工業(yè)制造對(duì)精密控制要求的提高，紅外加熱技術(shù)因其非接觸式、快速響應(yīng)、能量轉(zhuǎn)換效率高等優(yōu)勢(shì)受到越來越多的關(guān)注和應(yīng)用。傳統(tǒng)的紅外加熱控制主要基于單一溫度參數(shù)的反饋控制，通過溫度傳感器采集加熱區(qū)域溫度數(shù)據(jù)，并根據(jù)預(yù)設(shè)的溫度曲線調(diào)整紅外燈管的輸出功率。近年來，隨著人工智能和深度學(xué)習(xí)技術(shù)的發(fā)展，智能化紅外加熱控制系統(tǒng)開始在工業(yè)領(lǐng)域得到探索應(yīng)用，通過引入多源數(shù)據(jù)分析和模型預(yù)測(cè)功能，提高紅外加熱過程的精確性和自適應(yīng)能力。[0003]然而，現(xiàn)有的紅外加熱控制技術(shù)仍存在諸多不足。首先，大多數(shù)控制系統(tǒng)僅關(guān)注單一維度的溫度參數(shù)監(jiān)控，難以全面捕捉紅外加熱過程中的復(fù)雜熱傳遞現(xiàn)象和工件表面溫度的非均勻分布特性，導(dǎo)致加熱精度和一致性難以滿足高精度制造的要求。其次，傳統(tǒng)控制方法缺乏對(duì)紅外燈管空間布局和照射角度的動(dòng)態(tài)優(yōu)化能力，無法根據(jù)不同形狀和材料的工件特性實(shí)時(shí)調(diào)整照射策略，造成能源浪費(fèi)和加熱效果不理想。最后，現(xiàn)有系統(tǒng)普遍缺乏自學(xué)習(xí)和自適應(yīng)功能，無法從歷史加熱過程中積累經(jīng)驗(yàn)并優(yōu)化控制策略，在面對(duì)生產(chǎn)條件變化或新型工件時(shí)，需要人工重新調(diào)整參數(shù)，增加了生產(chǎn)準(zhǔn)備時(shí)間并降低了生產(chǎn)效率。發(fā)明內(nèi)容[0004]本發(fā)明實(shí)施例提供綜合多維度的紅外加熱自動(dòng)化控制方法及系統(tǒng)，能夠解決現(xiàn)有技術(shù)中的問題。[0005]本發(fā)明實(shí)施例的第一方面，提供綜合多維度獲取紅外加熱設(shè)備的實(shí)時(shí)溫度數(shù)據(jù)、紅外燈管功率數(shù)據(jù)及被加熱工件的表面溫度分布數(shù)據(jù)；將所述實(shí)時(shí)溫度數(shù)據(jù)、所述紅外燈管功率數(shù)據(jù)及所述表面溫度分布數(shù)據(jù)基于深度學(xué)習(xí)算法進(jìn)行特征提取，得到紅外加熱過程的溫度特征向量、功率特征向量及溫度分布特征向量；基于所述溫度特征向量、所述功率特征向量及所述溫度分布特征向量，構(gòu)建紅外加熱動(dòng)態(tài)補(bǔ)償矩陣，通過所述紅外加熱動(dòng)態(tài)補(bǔ)償矩陣對(duì)紅外加熱設(shè)備的加熱參數(shù)進(jìn)行實(shí)時(shí)采集被加熱工件的實(shí)時(shí)加熱狀態(tài)信息，根據(jù)所述實(shí)時(shí)加熱狀態(tài)信息，建立自適應(yīng)加熱優(yōu)化模型，所述自適應(yīng)加熱優(yōu)化模型基于所述深度學(xué)習(xí)算法，通過對(duì)加熱過程中的狀態(tài)-動(dòng)作序列進(jìn)行評(píng)估和優(yōu)化，生成最優(yōu)加熱控制策略，所述最優(yōu)加熱控制策略用于動(dòng)態(tài)調(diào)節(jié)紅外燈管的空間布局、功率輸出及照射角度；6將所述最優(yōu)加熱控制策略轉(zhuǎn)換為紅外加熱設(shè)備的控制指令，通過執(zhí)行所述控制指令實(shí)現(xiàn)對(duì)紅外加熱過程的自動(dòng)化精確控制。[0006]將所述實(shí)時(shí)溫度數(shù)據(jù)、所述紅外燈管功率數(shù)據(jù)及所述表面溫度分布數(shù)據(jù)基于深度學(xué)習(xí)算法進(jìn)行特征提取，得到紅外加熱過程的溫度特征向量、功率特征向量及溫度分布特征向量包括：對(duì)所述實(shí)時(shí)溫度數(shù)據(jù)、所述紅外燈管功率數(shù)據(jù)及所述表面溫度分布數(shù)據(jù)進(jìn)行歸一化處理；構(gòu)建多通道輸入的深度學(xué)習(xí)網(wǎng)絡(luò)結(jié)構(gòu)，所述深度學(xué)習(xí)網(wǎng)絡(luò)結(jié)構(gòu)包括溫度特征提取分支、功率特征提取分支及溫度分布特征提取分支，將歸一化后的所述實(shí)時(shí)溫度數(shù)據(jù)輸入所述溫度特征提取分支，將歸一化后的所述紅外燈管功率數(shù)據(jù)輸入所述功率特征提取分支，將歸一化后的所述表面溫度分布數(shù)據(jù)輸入所述溫度分布特征提取分支；在所述深度學(xué)習(xí)網(wǎng)絡(luò)結(jié)構(gòu)中引入通道注意力機(jī)制，根據(jù)各特征分支輸出的特征重要程度自適應(yīng)分配注意力權(quán)重，通過所述通道注意力機(jī)制對(duì)所述溫度特征提取分支、所述功率特征提取分支及所述溫度分布特征提取分支的輸出進(jìn)行特征融合；基于所述特征融合的結(jié)果分別生成溫度特征向量、功率特征向量及溫度分布特征向量。[0007]基于所述溫度特征向量、所述功率特征向量及所述溫度分布特征向量，構(gòu)建紅外加熱動(dòng)態(tài)補(bǔ)償矩陣包括：基于所述溫度特征向量、所述功率特征向量及所述溫度分布特征向量，采用自適應(yīng)權(quán)重分配算法構(gòu)建三維動(dòng)態(tài)補(bǔ)償矩陣，所述三維動(dòng)態(tài)補(bǔ)償矩陣的各維度分別對(duì)應(yīng)溫度補(bǔ)償系數(shù)、功率補(bǔ)償系數(shù)及溫度分布均勻性補(bǔ)償系數(shù)，所述自適應(yīng)權(quán)重分配算法根據(jù)加熱過程中的實(shí)時(shí)反饋數(shù)據(jù)動(dòng)態(tài)調(diào)整各補(bǔ)償系數(shù)的權(quán)重；將所述三維動(dòng)態(tài)補(bǔ)償矩陣與實(shí)時(shí)加熱參數(shù)進(jìn)行矩陣運(yùn)算，構(gòu)建紅外加熱動(dòng)態(tài)補(bǔ)償矩陣。[0008]采集被加熱工件的實(shí)時(shí)加熱狀態(tài)信息，根據(jù)所述實(shí)時(shí)加熱狀態(tài)信息，建立自適應(yīng)加熱優(yōu)化模型包括：采集被加熱工件的實(shí)時(shí)加熱狀態(tài)信息，所述實(shí)時(shí)加熱狀態(tài)信息包括工件表面溫度分布數(shù)據(jù)、工件表面熱量吸收率數(shù)據(jù)及工件材料應(yīng)力分布數(shù)據(jù)；將所述實(shí)時(shí)加熱狀態(tài)信息構(gòu)建為狀態(tài)向量，所述狀態(tài)向量包括溫度狀態(tài)分量、熱量吸收狀態(tài)分量及應(yīng)力狀態(tài)分量，根據(jù)所述狀態(tài)向量與加熱控制動(dòng)作之間的映射關(guān)系建立自適應(yīng)加熱優(yōu)化模型。[0009]所述自適應(yīng)加熱優(yōu)化模型基于所述深度學(xué)習(xí)算法，通過對(duì)加熱過程中的狀態(tài)-動(dòng)作序列進(jìn)行評(píng)估和優(yōu)化，生成最優(yōu)加熱控制策略包括：獲取加熱過程中的狀態(tài)-動(dòng)作序列，所述狀態(tài)-動(dòng)作序列包括工件加熱狀態(tài)數(shù)據(jù)和加熱控制動(dòng)作數(shù)據(jù)；構(gòu)建深度學(xué)習(xí)優(yōu)化模型，所述深度學(xué)習(xí)優(yōu)化模型包括狀態(tài)評(píng)估網(wǎng)絡(luò)和動(dòng)作生成網(wǎng)絡(luò)，所述狀態(tài)評(píng)估網(wǎng)絡(luò)對(duì)所述工件加熱狀態(tài)數(shù)據(jù)進(jìn)行特征提取并輸出狀態(tài)評(píng)估值，所述動(dòng)作生成網(wǎng)絡(luò)基于所述狀態(tài)評(píng)估值預(yù)測(cè)下一時(shí)刻的最優(yōu)加熱控制動(dòng)作；對(duì)所述狀態(tài)-動(dòng)作序列設(shè)置獎(jiǎng)勵(lì)函數(shù)，根據(jù)所述獎(jiǎng)勵(lì)函數(shù)的計(jì)算結(jié)果對(duì)所述深度7學(xué)習(xí)優(yōu)化模型的網(wǎng)絡(luò)參數(shù)進(jìn)行優(yōu)化更新，生成最優(yōu)加熱控制策略。[0010]將所述最優(yōu)加熱控制策略轉(zhuǎn)換為紅外加熱設(shè)備的控制指令，通過執(zhí)行所述控制指令實(shí)現(xiàn)對(duì)紅外加熱過程的自動(dòng)化精確控制包括：將所述最優(yōu)加熱控制策略轉(zhuǎn)換為設(shè)備控制指令，所述設(shè)備控制指令包括功率控制指令、角度控制指令及位置控制指令；根據(jù)紅外加熱設(shè)備的實(shí)時(shí)執(zhí)行狀態(tài)對(duì)所述設(shè)備控制指令的執(zhí)行過程進(jìn)行監(jiān)控，當(dāng)檢測(cè)到執(zhí)行偏差時(shí)，對(duì)所述設(shè)備控制指令的執(zhí)行參數(shù)進(jìn)行補(bǔ)償調(diào)整；將補(bǔ)償調(diào)整后的所述設(shè)備控制指令發(fā)送至紅外加熱設(shè)備的控制單元執(zhí)行，實(shí)現(xiàn)對(duì)紅外加熱過程的自動(dòng)化精確控制。[0011]本發(fā)明實(shí)施例的第二方面，提供綜合多維度的紅外加熱自動(dòng)化控制系統(tǒng)，第一單元，用于獲取紅外加熱設(shè)備的實(shí)時(shí)溫度數(shù)據(jù)、紅外燈管功率數(shù)據(jù)及被加熱工件的表面溫度分布數(shù)據(jù)；第二單元，用于將所述實(shí)時(shí)溫度數(shù)據(jù)、所述紅外燈管功率數(shù)據(jù)及所述表面溫度分布數(shù)據(jù)基于深度學(xué)習(xí)算法進(jìn)行特征提取，得到紅外加熱過程的溫度特征向量、功率特征向量及溫度分布特征向量；第三單元，用于基于所述溫度特征向量、所述功率特征向量及所述溫度分布特征向量，構(gòu)建紅外加熱動(dòng)態(tài)補(bǔ)償矩陣，通過所述紅外加熱動(dòng)態(tài)補(bǔ)償矩陣對(duì)紅外加熱設(shè)備的加熱參數(shù)進(jìn)行實(shí)時(shí)動(dòng)態(tài)調(diào)整；第四單元，用于采集被加熱工件的實(shí)時(shí)加熱狀態(tài)信息，根據(jù)所述實(shí)時(shí)加熱狀態(tài)信息，建立自適應(yīng)加熱優(yōu)化模型，所述自適應(yīng)加熱優(yōu)化模型基于所述深度學(xué)習(xí)算法，通過對(duì)加熱過程中的狀態(tài)-動(dòng)作序列進(jìn)行評(píng)估和優(yōu)化，生成最優(yōu)加熱控制策略，所述最優(yōu)加熱控制策略用于動(dòng)態(tài)調(diào)節(jié)紅外燈管的空間布局、功率輸出及照射角度；第五單元，用于將所述最優(yōu)加熱控制策略轉(zhuǎn)換為紅外加熱設(shè)備的控制指令，通過執(zhí)行所述控制指令實(shí)現(xiàn)對(duì)紅外加熱過程的自動(dòng)化精確控制。處理器；用于存儲(chǔ)處理器可執(zhí)行指令的存儲(chǔ)器；其中，所述處理器被配置為調(diào)用所述存儲(chǔ)器存儲(chǔ)的指令，以執(zhí)行前述所述的方法。[0013]本發(fā)明實(shí)施例的第四方面，提供一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序指令，所述計(jì)算機(jī)程序指令被處理器執(zhí)行時(shí)實(shí)現(xiàn)前述所述的方法。[0014]本申請(qǐng)的有益效果如下：本發(fā)明提供的綜合多維度的紅外加熱自動(dòng)化控制方法通過深度學(xué)習(xí)算法對(duì)溫度數(shù)據(jù)、功率數(shù)據(jù)和溫度分布數(shù)據(jù)進(jìn)行特征提取并構(gòu)建動(dòng)態(tài)補(bǔ)償矩陣，實(shí)現(xiàn)了紅外加熱過程中加熱參數(shù)的精確調(diào)控，有效解決了傳統(tǒng)控制方法中溫度不均勻、能源利用率低等問題。[0015]本發(fā)明建立的自適應(yīng)加熱優(yōu)化模型能夠根據(jù)工件的實(shí)時(shí)加熱狀態(tài)信息動(dòng)態(tài)調(diào)整燈管的空間布局、功率輸出及照射角度，顯著提高了加熱均勻性，減少了能源浪費(fèi)，增強(qiáng)了產(chǎn)品質(zhì)量的一致性和穩(wěn)定性，特別適用于對(duì)加熱精度要求較高的工業(yè)生產(chǎn)場景。[0016]本發(fā)明通過多維度數(shù)據(jù)融合和智能決策機(jī)制，實(shí)現(xiàn)了加熱過程的閉環(huán)控制和自優(yōu)化，系統(tǒng)具有較強(qiáng)的環(huán)境適應(yīng)能力和抗干擾能力，能夠應(yīng)對(duì)不同工件材質(zhì)、形狀及生產(chǎn)要求8的變化，提高了生產(chǎn)效率，降低了生產(chǎn)成本，為紅外加熱技術(shù)在工業(yè)領(lǐng)域的應(yīng)用提供了更加智能化的解決方案。附圖說明[0017]圖1為本發(fā)明實(shí)施例綜合多維度的紅外加熱自動(dòng)化控制方法的流程示意圖；圖2為本發(fā)明實(shí)施例基于深度學(xué)習(xí)的紅外加熱多維數(shù)據(jù)特征提取流程圖；圖3為本發(fā)明實(shí)施例紅外加熱工件狀態(tài)信息采集與優(yōu)化模型構(gòu)建流程圖；圖4為本發(fā)明實(shí)施例紅外加熱設(shè)備自動(dòng)化控制指令轉(zhuǎn)換與執(zhí)行流程圖。具體實(shí)施方式[0018]為使本發(fā)明實(shí)施例的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。[0019]下面以具體的實(shí)施例對(duì)本發(fā)明的技術(shù)方案進(jìn)行詳細(xì)說明。下面這幾個(gè)具體的實(shí)施例可以相互結(jié)合，對(duì)于相同或相似的概念或過程可能在某些實(shí)施例不再贅述。[0020]圖1為本發(fā)明實(shí)施例綜合多維度的紅外加熱自動(dòng)化控制方法的流程示意圖，如圖1獲取紅外加熱設(shè)備的實(shí)時(shí)溫度數(shù)據(jù)、紅外燈管功率數(shù)據(jù)及被加熱工件的表面溫度分布數(shù)據(jù)；將所述實(shí)時(shí)溫度數(shù)據(jù)、所述紅外燈管功率數(shù)據(jù)及所述表面溫度分布數(shù)據(jù)基于深度學(xué)習(xí)算法進(jìn)行特征提取，得到紅外加熱過程的溫度特征向量、功率特征向量及溫度分布特征向量；基于所述溫度特征向量、所述功率特征向量及所述溫度分布特征向量，構(gòu)建紅外加熱動(dòng)態(tài)補(bǔ)償矩陣，通過所述紅外加熱動(dòng)態(tài)補(bǔ)償矩陣對(duì)紅外加熱設(shè)備的加熱參數(shù)進(jìn)行實(shí)時(shí)采集被加熱工件的實(shí)時(shí)加熱狀態(tài)信息，根據(jù)所述實(shí)時(shí)加熱狀態(tài)信息，建立自適應(yīng)加熱優(yōu)化模型，所述自適應(yīng)加熱優(yōu)化模型基于所述深度學(xué)習(xí)算法，通過對(duì)加熱過程中的狀態(tài)-動(dòng)作序列進(jìn)行評(píng)估和優(yōu)化，生成最優(yōu)加熱控制策略，所述最優(yōu)加熱控制策略用于動(dòng)態(tài)調(diào)節(jié)紅外燈管的空間布局、功率輸出及照射角度；將所述最優(yōu)加熱控制策略轉(zhuǎn)換為紅外加熱設(shè)備的控制指令，通過執(zhí)行所述控制指令實(shí)現(xiàn)對(duì)紅外加熱過程的自動(dòng)化精確控制。[0021]在一種可選的實(shí)施方式中，將所述實(shí)時(shí)溫度數(shù)據(jù)、所述紅外燈管功率數(shù)據(jù)及所述表面溫度分布數(shù)據(jù)基于深度學(xué)習(xí)算法進(jìn)行特征提取，得到紅外加熱過程的溫度特征向量、功率特征向量及溫度分布特征向量包括：對(duì)所述實(shí)時(shí)溫度數(shù)據(jù)、所述紅外燈管功率數(shù)據(jù)及所述表面溫度分布數(shù)據(jù)進(jìn)行歸一化處理；構(gòu)建多通道輸入的深度學(xué)習(xí)網(wǎng)絡(luò)結(jié)構(gòu)，所述深度學(xué)習(xí)網(wǎng)絡(luò)結(jié)構(gòu)包括溫度特征提取分支、功率特征提取分支及溫度分布特征提取分支，將歸一化后的所述實(shí)時(shí)溫度數(shù)據(jù)輸入9所述溫度特征提取分支，將歸一化后的所述紅外燈管功率數(shù)據(jù)輸入所述功率特征提取分支，將歸一化后的所述表面溫度分布數(shù)據(jù)輸入所述溫度分布特征提取分支；在所述深度學(xué)習(xí)網(wǎng)絡(luò)結(jié)構(gòu)中引入通道注意力機(jī)制，根據(jù)各特征分支輸出的特征重要程度自適應(yīng)分配注意力權(quán)重，通過所述通道注意力機(jī)制對(duì)所述溫度特征提取分支、所述功率特征提取分支及所述溫度分布特征提取分支的輸出進(jìn)行特征融合；基于所述特征融合的結(jié)果分別生成溫度特征向量、功率特征向量及溫度分布特征[0022]本實(shí)施例提供一種將實(shí)時(shí)溫度數(shù)據(jù)、紅外燈管功率數(shù)據(jù)及表面溫度分布數(shù)據(jù)基于深度學(xué)習(xí)算法進(jìn)行特征提取的方法，該方法獲取紅外加熱過程的溫度特征向量、功率特征向量及溫度分布特征向量，用于后續(xù)控制決策。[0023]對(duì)采集的實(shí)時(shí)溫度數(shù)據(jù)、紅外燈管功率數(shù)據(jù)及表面溫度分布數(shù)據(jù)進(jìn)行歸一化處理。對(duì)于實(shí)時(shí)溫度數(shù)據(jù)，假設(shè)原始數(shù)據(jù)范圍為25℃至350℃,歸一化處理將其映射到0至1的范圍內(nèi)，具體實(shí)現(xiàn)為：將每個(gè)溫度值減去最小值25℃,然后除以最大值與最小值的差值325[0024]對(duì)于紅外燈管功率數(shù)據(jù)，假設(shè)原始功率范圍為0至5000瓦，歸一化處理同樣將其映射到0至1的范圍內(nèi)，具體實(shí)現(xiàn)為：將每個(gè)功率值除以最大功率值5000瓦。例如，功率值為2750瓦時(shí)，歸一化后的值為2750/5000=0.55.對(duì)于表面溫度分布數(shù)據(jù)，假設(shè)是由紅外熱像儀采集的320×240像素的溫度矩陣，每個(gè)像素點(diǎn)的溫度范圍為20℃至400℃,歸一化處理將每個(gè)像素點(diǎn)的溫度值減去20℃,然后除以380℃,得到0至1范圍內(nèi)的歸一化溫度分布矩陣。[0025]歸一化處理完成后構(gòu)建多通道輸入的深度學(xué)習(xí)網(wǎng)絡(luò)結(jié)構(gòu)，該網(wǎng)絡(luò)結(jié)構(gòu)包括溫度特征提取分支、功率特征提取分支及溫度分布特征提取分支。溫度特征提取分支由五層全連化后的實(shí)時(shí)溫度數(shù)據(jù)組織成時(shí)間序列格式，例如取連續(xù)100個(gè)時(shí)間點(diǎn)的溫度值形成一個(gè)輸入向量，輸入至溫度特征提取分支。功率特征提取分支同樣由五層全連接層組成，每層的神[0026]將歸一化后的紅外燈管功率數(shù)據(jù)組織成時(shí)間序列格式，例如取連續(xù)100個(gè)時(shí)間點(diǎn)的功率值形成一個(gè)輸入向量，輸入至功率特征提取分支。溫度分布特征提取分支采用卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，包括四個(gè)卷積層和兩個(gè)全連接層。四個(gè)卷積層的卷積核數(shù)量分別為32、64、128、256,卷積核大小均為3×3,步長為1,每個(gè)卷積層后接最大池化層，池化窗口大小為2×2,步長為2。兩個(gè)全連接層的神經(jīng)元數(shù)量分別為512和256,激活函數(shù)采用ReLU函數(shù)。將歸一化后的表面溫度分布數(shù)據(jù)直接輸入至溫度分布特征提取分支。[0027]為了提高特征提取的效率和準(zhǔn)確性，在深度學(xué)習(xí)網(wǎng)絡(luò)結(jié)構(gòu)中引入通道注意力機(jī)制，根據(jù)各特征分支輸出的特征重要程度自適應(yīng)分配注意力權(quán)重。通道注意力機(jī)制的具體實(shí)現(xiàn)過程如下：對(duì)溫度特征提取分支的輸出特征進(jìn)行全局平均池化和全局最大池化操作，分別得到兩個(gè)特征描述符；將這兩個(gè)特征描述符分別通過共享權(quán)重的多層感知機(jī)，多層感知機(jī)包含兩個(gè)全連接層，第一層將特征降維至原來的1/16,第二層將特征恢復(fù)至原來的維度；將經(jīng)過多層感知機(jī)處理后的兩個(gè)特征描述符相加，并通過Sigmoid函數(shù)映射到0至1的范圍內(nèi)，得到溫度特征的通道注意力權(quán)重。[0028]功率特征和溫度分布特征的通道注意力權(quán)重計(jì)算方法與溫度特征相同。具體實(shí)例中，假設(shè)溫度特征提取分支、功率特征提取分支和溫度分布特征提取分支的輸出特征維度分別為64、64和256,通過通道注意力機(jī)制計(jì)算得到的注意力權(quán)重分別為0.75、0.60和0.82。[0029]通過通道注意力機(jī)制對(duì)三個(gè)特征提取分支的輸出進(jìn)行特征融合，具體實(shí)現(xiàn)為：將每個(gè)特征分支的輸出特征與對(duì)應(yīng)的注意力權(quán)重相乘，然后將三個(gè)加權(quán)后的特征向量拼接在一起，形成一個(gè)融合特征向量。在本實(shí)例中，融合特征向量的維度為64+64+256=384.為了進(jìn)一步提取有效信息，將融合特征向量通過一個(gè)包含三層全連接層的特征提取網(wǎng)絡(luò)，每層的[0030]基于特征融合的結(jié)果分別生成溫度特征向量、功率特征向量及溫度分布特征向量。具體實(shí)現(xiàn)為：將特征提取網(wǎng)絡(luò)的輸出通過三個(gè)并行的全連接層，分別生成溫度特征向量、功率特征向量及溫度分布特征向量。在本實(shí)例中，溫度特征向量的維度為32,功率特征向量的維度為32,溫度分布特征向量的維度為64。這些特征向量包含了紅外加熱過程中溫度變化、功率調(diào)節(jié)以及表面溫度分布的關(guān)鍵特征信息，可用于后續(xù)的加熱控制策略優(yōu)化和溫度分布預(yù)測(cè)。[0031]通過對(duì)實(shí)驗(yàn)數(shù)據(jù)的驗(yàn)證，上述方法提取的特征向量能夠準(zhǔn)確反映紅外加熱過程的溫度變化規(guī)律、功率調(diào)節(jié)特性以及表面溫度分布特點(diǎn)，為實(shí)現(xiàn)精確的紅外加熱控制提供了有效的數(shù)據(jù)支持。[0032]圖2為本發(fā)明實(shí)施例基于深度學(xué)習(xí)的紅外加熱多維數(shù)據(jù)特征提取流程圖：本流程圖詳細(xì)展示了一個(gè)基于深度學(xué)習(xí)的紅外加熱數(shù)據(jù)處理和特征提取過程。首先對(duì)系統(tǒng)采集的三類原始數(shù)據(jù)：實(shí)時(shí)溫度數(shù)據(jù)、紅外燈管功率數(shù)據(jù)以及表面溫度分布數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化和歸一化預(yù)處理，確保數(shù)據(jù)的一致性和可比性。隨后，構(gòu)建了一個(gè)具有多個(gè)特征提取分支的深度學(xué)習(xí)網(wǎng)絡(luò)結(jié)構(gòu)，該網(wǎng)絡(luò)包含三個(gè)獨(dú)立的特征提取通道：溫度特征提取分支用于處理歸一化后的實(shí)時(shí)溫度數(shù)據(jù)，功率特征提取分支負(fù)責(zé)處理歸一化后的燈管功率數(shù)據(jù)，溫度分布特征提取分支專門處理歸一化后的表面溫度分布數(shù)據(jù)。在網(wǎng)絡(luò)結(jié)構(gòu)中還創(chuàng)新性地引入了通道注意力機(jī)制，該機(jī)制能夠根據(jù)各特征分支輸出的特征重要程度自適應(yīng)地分配注意力權(quán)重，通過這種注意力加權(quán)的方式實(shí)現(xiàn)多通道特征的智能融合。最后，基于特征融合的結(jié)果，系統(tǒng)分別生成溫度特征向量、功率特征向量和溫度分布特征向量，這些特征向量為后續(xù)的加熱控制優(yōu)化提供了高質(zhì)量的特征表示。這種基于深度學(xué)習(xí)的多維特征提取方案能夠有效捕獲紅外加熱過程中的關(guān)鍵特征信息，為實(shí)現(xiàn)精確控制奠定了堅(jiān)實(shí)的數(shù)據(jù)基礎(chǔ)。[0033]在一種可選的實(shí)施方式中，基于所述溫度特征向量、所述功率特征向量及所述溫度分布特征向量，構(gòu)建紅外加熱動(dòng)態(tài)補(bǔ)償矩陣包括：基于所述溫度特征向量、所述功率特征向量及所述溫度分布特征向量，采用自適應(yīng)權(quán)重分配算法構(gòu)建三維動(dòng)態(tài)補(bǔ)償矩陣，所述三維動(dòng)態(tài)補(bǔ)償矩陣的各維度分別對(duì)應(yīng)溫度補(bǔ)償系數(shù)、功率補(bǔ)償系數(shù)及溫度分布均勻性補(bǔ)償系數(shù)，所述自適應(yīng)權(quán)重分配算法根據(jù)加熱過程中的實(shí)時(shí)反饋數(shù)據(jù)動(dòng)態(tài)調(diào)整各補(bǔ)償系數(shù)的權(quán)重；將所述三維動(dòng)態(tài)補(bǔ)償矩陣與實(shí)時(shí)加熱參數(shù)進(jìn)行矩陣運(yùn)算，構(gòu)建紅外加熱動(dòng)態(tài)補(bǔ)償矩陣。[0034]采集紅外加熱過程中的溫度傳感器數(shù)據(jù)，通過多點(diǎn)溫度采集裝置在加熱區(qū)域的不同位置布置溫度傳感器。溫度傳感器按照5×5網(wǎng)格均勻分布在加熱區(qū)域內(nèi)，每個(gè)傳感器實(shí)時(shí)采集局部溫度數(shù)據(jù)，采樣頻率為10Hz。采集的溫度數(shù)據(jù)形成溫度特征向量T=[t1,t2,11t3,...,t25],其中t1至t25代表25個(gè)測(cè)溫點(diǎn)的溫度值，單位為攝氏度。[0035]監(jiān)測(cè)紅外加熱設(shè)備的輸入功率參數(shù)，包括電壓、電流及其波形特征。功率監(jiān)測(cè)模塊采集電壓信號(hào)范圍為0-380V,電流信號(hào)范圍為0-16A,采樣頻率為50Hz。通過對(duì)電壓電流數(shù)據(jù)的處理，計(jì)算實(shí)時(shí)功率值及其變化率，形成功率特征向量P=[p1,p2,p3,...,p10],其中p1至p10分別代表不同時(shí)間窗口內(nèi)的平均功率、功率波動(dòng)值、功率上升率、功率下降率等特征參數(shù)，單位為瓦特或瓦特/秒。[0036]基于采集的溫度數(shù)據(jù)計(jì)算加熱區(qū)域的溫度分布特征。溫度分布特征計(jì)算模塊首先計(jì)算溫度均值、最高溫度、最低溫度，溫度梯度等基礎(chǔ)參數(shù)。溫度梯度通過計(jì)算相鄰測(cè)溫點(diǎn)之間的溫度差異得到，形成20個(gè)梯度值。系統(tǒng)還計(jì)算溫度標(biāo)準(zhǔn)差表征溫度分布均勻性，標(biāo)準(zhǔn)差越小表示溫度分布越均勻。這些特征組合形成溫度分布特征向量D=[d1,d2,d3,...,[0037]使用自適應(yīng)權(quán)重分配算法構(gòu)建三維動(dòng)態(tài)補(bǔ)償矩陣M。該矩陣具有三個(gè)維度，分別對(duì)應(yīng)溫度補(bǔ)償系數(shù)、功率補(bǔ)償系數(shù)及溫度分布均勻性補(bǔ)償系數(shù)。自適應(yīng)權(quán)重分配算法的核心是根據(jù)加熱過程的實(shí)時(shí)反饋數(shù)據(jù)動(dòng)態(tài)調(diào)整各維度的補(bǔ)償權(quán)重。系統(tǒng)初始化三個(gè)維度的權(quán)重值分別為Wt=0.4、Wp=0.4、Wd=0.2,這些初始值是基于大量加熱實(shí)驗(yàn)統(tǒng)計(jì)得出的經(jīng)驗(yàn)值。[0038]在加熱過程中，系統(tǒng)計(jì)算當(dāng)前溫度與目標(biāo)溫度的偏差值。當(dāng)偏差值大于20攝氏度時(shí)，系統(tǒng)增加溫度補(bǔ)償維度的權(quán)重，調(diào)整為Wt當(dāng)溫度接近目標(biāo)溫度(偏差小于5攝氏度)時(shí)，系統(tǒng)增加溫度分布均勻性補(bǔ)償?shù)臋?quán)重，調(diào)整為Wt=0.3、Wp=0.3、Wd=0.4,以確保加熱均勻性。當(dāng)檢測(cè)到功率波動(dòng)超過10%時(shí)，系統(tǒng)增加功率[0039]基于權(quán)重值構(gòu)建三維補(bǔ)償矩陣M=[Mt,Mp,Md],其中Mt、Mp、Md分別為溫度補(bǔ)償系數(shù)矩陣、功率補(bǔ)償系數(shù)矩陣和溫度分布均勻性補(bǔ)償系數(shù)矩陣。每個(gè)維度的補(bǔ)償系數(shù)矩陣均為5×5矩陣，與加熱區(qū)域的網(wǎng)格布局對(duì)應(yīng)。溫度補(bǔ)償系數(shù)矩陣Mt中的每個(gè)元素計(jì)算方式為該位置的實(shí)際溫度與目標(biāo)溫度的比值，再乘以溫度調(diào)整系數(shù)0.8.功率補(bǔ)償系數(shù)矩陣Mp中的每個(gè)元素通過該位置所需功率與實(shí)際輸出功率的比值計(jì)算得出，再乘以功率調(diào)整系數(shù)1.2。溫度分布均勻性補(bǔ)償系數(shù)矩陣Md中的每個(gè)元素通過該位置溫度與區(qū)域平均溫度的偏差百分比計(jì)算得出。[0040]將三維動(dòng)態(tài)補(bǔ)償矩陣與實(shí)時(shí)加熱參數(shù)進(jìn)行矩陣運(yùn)算，構(gòu)建最終的紅外加熱動(dòng)態(tài)補(bǔ)法，"+"表示矩陣加法。最終得到的補(bǔ)償矩陣C為5×5矩陣，對(duì)應(yīng)加熱區(qū)域各位置的綜合補(bǔ)償[0041]在實(shí)際加熱過程中，系統(tǒng)使用補(bǔ)償矩陣C調(diào)整紅外加熱器各區(qū)域的輸出功率。例如，當(dāng)某區(qū)域的補(bǔ)償系數(shù)為1.2時(shí)，該區(qū)域的加熱功率增加20%;當(dāng)補(bǔ)償系數(shù)為0.8時(shí)，該區(qū)域的加熱功率減少20%。這種動(dòng)態(tài)補(bǔ)償能夠有效應(yīng)對(duì)不同材料、不同環(huán)境條件下的加熱需求。[0042]以一次實(shí)際加熱過程為例，加熱面積為1平方米的陶瓷基板，目標(biāo)溫度為350攝氏定輸出功率；后期階段，溫度分布均勻性補(bǔ)償權(quán)重增大，系統(tǒng)調(diào)整各區(qū)域功率，使溫度分布標(biāo)準(zhǔn)差從初始的±15攝氏度降低到±3攝氏度以內(nèi)，實(shí)現(xiàn)均勻加熱。整個(gè)加熱過程溫度上升時(shí)間比傳統(tǒng)方法縮短22%,能耗降低18%,溫度均勻性提高35%。[0043]在一種可選的實(shí)施方式中，采集被加熱工件的實(shí)時(shí)加熱狀態(tài)信息，根據(jù)所述實(shí)時(shí)加熱狀態(tài)信息，建立自適應(yīng)加熱優(yōu)化模型包括：采集被加熱工件的實(shí)時(shí)加熱狀態(tài)信息，所述實(shí)時(shí)加熱狀態(tài)信息包括工件表面溫度分布數(shù)據(jù)、工件表面熱量吸收率數(shù)據(jù)及工件材料應(yīng)力分布數(shù)據(jù)；將所述實(shí)時(shí)加熱狀態(tài)信息構(gòu)建為狀態(tài)向量，所述狀態(tài)向量包括溫度狀態(tài)分量、熱量吸收狀態(tài)分量及應(yīng)力狀態(tài)分量，根據(jù)所述狀態(tài)向量與加熱控制動(dòng)作之間的映射關(guān)系建立自適應(yīng)加熱優(yōu)化模型。[0044]通過多點(diǎn)溫度傳感器陣列采集被加熱工件的表面溫度分布數(shù)據(jù)。該溫度傳感器陣列包含25個(gè)高精度熱電偶，呈5×5矩陣排布，覆蓋工件表面的關(guān)鍵區(qū)域。每個(gè)傳感器的采樣頻率設(shè)置為10Hz,測(cè)量精度為±0.5℃,溫度測(cè)量范圍為0~1200℃。系統(tǒng)實(shí)時(shí)記錄各點(diǎn)溫度值，如在某金屬工件加熱過程中，中心區(qū)域溫度為850℃,邊緣區(qū)域溫度為720℃,角落區(qū)域溫度為680℃,從而生成完整的溫度分布數(shù)據(jù)集。[0045]利用紅外熱像儀獲取工件表面熱量吸收率數(shù)據(jù)。熱像儀采用波長范圍為8~14μm的中波紅外探測(cè)器，分辨率為640×480像素，熱靈敏度優(yōu)于0.05℃。通過測(cè)量工件表面發(fā)射率和反射率，計(jì)算熱量吸收率。例如，對(duì)于某種合金材料，中心區(qū)域熱量吸域?yàn)?.78,不均勻區(qū)域?yàn)?.72。系統(tǒng)每500毫秒收集一次熱量吸收率數(shù)據(jù)，并與溫度數(shù)據(jù)同步存儲(chǔ)。[0046]工件材料應(yīng)力分布數(shù)據(jù)通過應(yīng)變片陣列和聲發(fā)射傳感器網(wǎng)絡(luò)獲取。應(yīng)變片陣列包含16個(gè)應(yīng)變片，測(cè)量范圍為±5000μe,靈敏度為2.1mV/V,線性度優(yōu)于0.1%。聲發(fā)射傳感器的頻率響應(yīng)范圍為100kHz~1MHz,靈敏度為75dB。這些傳感器實(shí)時(shí)監(jiān)測(cè)工件表面和內(nèi)部應(yīng)力狀態(tài)變化。如在加熱過程中，檢測(cè)到某區(qū)域應(yīng)力值達(dá)到240MPa,接近材料屈服強(qiáng)度的80%,表明該區(qū)域存在潛在的熱應(yīng)力風(fēng)險(xiǎn)。[0047]將采集的實(shí)時(shí)加熱狀態(tài)信息構(gòu)建為狀態(tài)向量。溫度狀態(tài)分量T表示為25維向量，每個(gè)分量對(duì)應(yīng)一個(gè)溫度傳感點(diǎn)的值。熱量吸收狀態(tài)分量A表示為表面網(wǎng)格劃分后的16×16矩陣，每個(gè)元素表示對(duì)應(yīng)位置的熱量吸收率。應(yīng)力狀態(tài)分量S表示為三維張量，包含主應(yīng)力大小和方向信息。[0048]構(gòu)建狀態(tài)向量后，系統(tǒng)建立狀態(tài)向量與加熱控制動(dòng)作之間的映射關(guān)系。加熱控制動(dòng)作包括加熱功率調(diào)節(jié)、加熱位置調(diào)整和加熱時(shí)間控制。例如，當(dāng)檢測(cè)到工件某區(qū)域溫度達(dá)到900℃且熱量吸收率下降到0.65以下時(shí)，系統(tǒng)自動(dòng)將該區(qū)域加熱功率降低25%,并將加熱焦點(diǎn)移動(dòng)到熱量吸收率較高的相鄰區(qū)域。[0049]自適應(yīng)加熱優(yōu)化模型基于深度強(qiáng)化學(xué)習(xí)算法構(gòu)建。該模型使用三層神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，輸入層節(jié)點(diǎn)數(shù)與狀態(tài)向量維度一致，隱藏層包含128個(gè)神經(jīng)元，輸出層對(duì)應(yīng)控制動(dòng)作空間。模型訓(xùn)練過程中，設(shè)置獎(jiǎng)勵(lì)函數(shù)綜合考慮溫度均勻性、加熱效率和應(yīng)力安全性。當(dāng)溫度均勻度提高10%時(shí)，獎(jiǎng)勵(lì)增加0.5分；當(dāng)能源利用效率提高5%時(shí)，獎(jiǎng)勵(lì)增[0050]通過實(shí)時(shí)狀態(tài)采集和模型優(yōu)化，系統(tǒng)能夠動(dòng)態(tài)調(diào)整加熱參數(shù)。例如，在某鋼板加熱過程中，初始階段系統(tǒng)采用60%功率均勻加熱；當(dāng)檢測(cè)到邊緣區(qū)域溫度比中心區(qū)域低120℃時(shí)，系統(tǒng)自動(dòng)將邊緣區(qū)域功率提升至85%;當(dāng)某局部區(qū)域應(yīng)力值超過閾值200MPa時(shí)，系統(tǒng)立即降低該區(qū)域加熱功率至40%并調(diào)整加熱角度，使熱量更均勻分布。[0051]為驗(yàn)證自適應(yīng)加熱優(yōu)化模型的有效性，系統(tǒng)在特定工件上進(jìn)行測(cè)試。使用長法下，工件達(dá)到目標(biāo)溫度需要25分鐘，溫度不均勻度達(dá)到±85℃,最大殘余應(yīng)力為320MPa。采用本實(shí)施方式的自適應(yīng)加熱優(yōu)化方法后，加熱時(shí)間縮短到18分鐘，溫度不均勻度降低到±35℃,最大殘余應(yīng)力降低到160MPa,能源消耗減少22%。[0052]系統(tǒng)還設(shè)置多級(jí)安全保障機(jī)制。當(dāng)任一監(jiān)測(cè)點(diǎn)溫度超過預(yù)設(shè)閾值1000℃時(shí)，系統(tǒng)自動(dòng)降低總功率至30%;當(dāng)應(yīng)力超過材料屈服強(qiáng)度的90%時(shí)，系統(tǒng)立即暫停該區(qū)域加熱并啟動(dòng)緩沖冷卻；當(dāng)傳感器故障時(shí)，系統(tǒng)自動(dòng)切換到備用傳感器并發(fā)出警報(bào)。[0053]圖3為本發(fā)明實(shí)施例紅外加熱工件狀態(tài)信息采集與優(yōu)化模型構(gòu)建流程圖：本流程圖詳細(xì)描述了紅外加熱過程中工件狀態(tài)信息的采集及其優(yōu)化模型的構(gòu)建過程。首先，系統(tǒng)通過多種傳感器對(duì)被加熱工件進(jìn)行全方位的實(shí)時(shí)狀態(tài)監(jiān)測(cè)，采集三個(gè)關(guān)鍵維度的數(shù)據(jù)：工件表面溫度分布數(shù)據(jù)反映了加熱均勻性，工件表面熱量吸收率數(shù)據(jù)體現(xiàn)了能量利用效率，工件材料應(yīng)力分布數(shù)據(jù)則反映了材料內(nèi)部應(yīng)力狀態(tài)。隨后，系統(tǒng)將這些采集到的實(shí)時(shí)加熱狀態(tài)信息進(jìn)行整合和轉(zhuǎn)換，構(gòu)建成包含多個(gè)狀態(tài)分量的狀態(tài)向量，具體包括溫度狀態(tài)分量用于表征溫度場分布特征，熱量吸收狀態(tài)分量用于表征能量傳遞效率，應(yīng)力狀態(tài)分量用于表征材料受力情況。系統(tǒng)基于這些狀態(tài)向量，分析狀態(tài)量與加熱控制動(dòng)作之間的關(guān)聯(lián)關(guān)系，建立起能夠自適應(yīng)調(diào)節(jié)的加熱優(yōu)化模型，該模型能夠根據(jù)工件的實(shí)時(shí)狀態(tài)自動(dòng)優(yōu)化加熱參數(shù)，實(shí)現(xiàn)精確控制。這種基于多維度狀態(tài)信息的自適應(yīng)優(yōu)化方案為實(shí)現(xiàn)高質(zhì)量的紅外加熱控制提供了可靠的數(shù)據(jù)基礎(chǔ)和模型支撐。[0054]通過以上自適應(yīng)加熱優(yōu)化方法，系統(tǒng)能夠根據(jù)工件實(shí)時(shí)狀態(tài)信息動(dòng)態(tài)調(diào)整加熱策[0055]在一種可選的實(shí)施方式中，所述自適應(yīng)加熱優(yōu)化模型基于所述深度學(xué)習(xí)算法，通過對(duì)加熱過程中的狀態(tài)-動(dòng)作序列進(jìn)行評(píng)估和優(yōu)化，生成最優(yōu)加熱控制策略包括：獲取加熱過程中的狀態(tài)-動(dòng)作序列，所述狀態(tài)-動(dòng)作序列包括工件加熱狀態(tài)數(shù)據(jù)和加熱控制動(dòng)作數(shù)據(jù)；構(gòu)建深度學(xué)習(xí)優(yōu)化模型，所述深度學(xué)習(xí)優(yōu)化模型包括狀態(tài)評(píng)估網(wǎng)絡(luò)和動(dòng)作生成網(wǎng)絡(luò)，所述狀態(tài)評(píng)估網(wǎng)絡(luò)對(duì)所述工件加熱狀態(tài)數(shù)據(jù)進(jìn)行特征提取并輸出狀態(tài)評(píng)估值，所述動(dòng)作生成網(wǎng)絡(luò)基于所述狀態(tài)評(píng)估值預(yù)測(cè)下一時(shí)刻的最優(yōu)加熱控制動(dòng)作；對(duì)所述狀態(tài)-動(dòng)作序列設(shè)置獎(jiǎng)勵(lì)函數(shù)，根據(jù)所述獎(jiǎng)勵(lì)函數(shù)的計(jì)算結(jié)果對(duì)所述深度學(xué)習(xí)優(yōu)化模型的網(wǎng)絡(luò)參數(shù)進(jìn)行優(yōu)化更新，生成最優(yōu)加熱控制策略。[0056]獲取加熱過程中的狀態(tài)-動(dòng)作序列，這些序列包含工件加熱狀態(tài)數(shù)據(jù)和加熱控制動(dòng)作數(shù)據(jù)。工件加熱狀態(tài)數(shù)據(jù)可以包括工件的溫度分布、加熱時(shí)長、工件材料的物理特性等信息。這些數(shù)據(jù)可以通過安裝在加熱設(shè)備上的多個(gè)溫度傳感器采集獲得，例如在一個(gè)金屬板材加熱過程中，可以在板材表面安裝5個(gè)測(cè)溫點(diǎn)，每隔2秒采集一次溫度數(shù)據(jù)，記錄溫度變化曲線。加熱控制動(dòng)作數(shù)據(jù)則包括加熱功率設(shè)置、加熱區(qū)域控制、加熱時(shí)間調(diào)整等操作參數(shù)。例如，記錄加熱功率從50千瓦調(diào)整到65千瓦的過程數(shù)據(jù)，以及不同加熱區(qū)域的功率分配情況。[0057]構(gòu)建的深度學(xué)習(xí)優(yōu)化模型包括狀態(tài)評(píng)估網(wǎng)絡(luò)和動(dòng)作生成網(wǎng)絡(luò)兩個(gè)核心組件。狀態(tài)評(píng)估網(wǎng)絡(luò)采用多層卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，包含4個(gè)卷積層和2個(gè)全連接層。該網(wǎng)絡(luò)接收工件加熱狀態(tài)數(shù)據(jù)作為輸入，通過卷積操作提取溫度分布的空間特征，并通過全連接層整合時(shí)序特征，最終輸出一個(gè)狀態(tài)評(píng)估值。例如，輸入一個(gè)尺寸為100×100×3積層和池化層處理后，提取到64個(gè)特征圖，再通過全連接層轉(zhuǎn)換為一個(gè)范圍在-1到1之間的狀態(tài)評(píng)估值，該值表示當(dāng)前加熱狀態(tài)的優(yōu)劣程度。[0058]動(dòng)作生成網(wǎng)絡(luò)則采用深度強(qiáng)化學(xué)習(xí)架構(gòu)，包含輸入層、3個(gè)隱藏層和輸出層，每個(gè)隱藏層分別包含128、256和128個(gè)神經(jīng)元。該網(wǎng)絡(luò)基于狀態(tài)評(píng)估網(wǎng)絡(luò)輸出的狀態(tài)評(píng)估值，預(yù)測(cè)下一時(shí)刻的最優(yōu)加熱控制動(dòng)作。例如，針對(duì)一個(gè)具有4個(gè)加熱區(qū)域的設(shè)備，動(dòng)作生成網(wǎng)絡(luò)會(huì)輸出一個(gè)4維向量，分別表示各區(qū)域的功率調(diào)整值，如[10,-5,8,3],表示第一區(qū)域增[0059]對(duì)狀態(tài)-動(dòng)作序列設(shè)置獎(jiǎng)勵(lì)函數(shù)是實(shí)現(xiàn)自適應(yīng)優(yōu)化的關(guān)鍵環(huán)節(jié)。獎(jiǎng)勵(lì)函數(shù)的設(shè)計(jì)數(shù)可以定義為這些因素的加權(quán)和。例如，當(dāng)溫度均勻性提高時(shí)，獎(jiǎng)勵(lì)值增加；當(dāng)能源消耗降過計(jì)算工件表面各測(cè)溫點(diǎn)溫度的標(biāo)準(zhǔn)差來評(píng)估，標(biāo)準(zhǔn)差越小表示溫度分布越均勻；能源消耗則通過累計(jì)功率使用量計(jì)算；加熱速度通過達(dá)到目標(biāo)溫度所需的時(shí)間評(píng)估。[0060]基于計(jì)算得到的獎(jiǎng)勵(lì)值，系統(tǒng)使用策略梯度下降算法對(duì)深度學(xué)習(xí)優(yōu)化模型的網(wǎng)絡(luò)參數(shù)進(jìn)行更新。在訓(xùn)練過程中，系統(tǒng)會(huì)執(zhí)行多輪加熱模擬或?qū)嶋H加熱試驗(yàn)，每輪結(jié)束后計(jì)算累積獎(jiǎng)勵(lì)并更新網(wǎng)絡(luò)參數(shù)。例如，在一次參數(shù)更新中，如果當(dāng)前策略生成的動(dòng)作序列獲得的累積獎(jiǎng)勵(lì)值為85分(滿分100分),系統(tǒng)會(huì)根據(jù)梯度方向調(diào)整網(wǎng)絡(luò)權(quán)重，使得下一輪生成的動(dòng)作序列能獲得更高的獎(jiǎng)勵(lì)值。通過設(shè)定學(xué)習(xí)率為0.001,迭代訓(xùn)練500輪后，模型參數(shù)趨于穩(wěn)定，獎(jiǎng)勵(lì)值提升至95分以上，表明模型已學(xué)習(xí)到高效的加熱控制策略。[0061]最終生成的最優(yōu)加熱控制策略是一個(gè)從工件狀態(tài)到加熱控制動(dòng)作的映射函數(shù)，它能夠根據(jù)當(dāng)前工件的加熱狀態(tài)，實(shí)時(shí)輸出最優(yōu)的加熱控制參數(shù)。在實(shí)際應(yīng)用中，該控制策略能夠?qū)崿F(xiàn)加熱過程的自適應(yīng)調(diào)整，比如當(dāng)檢測(cè)到工件某區(qū)域溫度過高時(shí)，自動(dòng)降低該區(qū)域的加熱功率；當(dāng)發(fā)現(xiàn)整體加熱速度過慢時(shí)，適當(dāng)提高總功率輸出。通過這種方式，系統(tǒng)能夠在保證產(chǎn)品質(zhì)量的前提下，最大限度地提高加熱效率、降低能源消耗。[0062]在某鋼鐵企業(yè)的板材加熱生產(chǎn)線上應(yīng)用此方法后，相比傳統(tǒng)固定參數(shù)控制方案，產(chǎn)品加熱均勻性提高了18%,能源消耗降低了12%,加熱時(shí)間縮短了15%,顯著提升了生產(chǎn)效率和產(chǎn)品質(zhì)量。[0063]在一種可選的實(shí)施方式中，將所述最優(yōu)加熱控制策略轉(zhuǎn)換為紅外加熱設(shè)備的控制指令，通過執(zhí)行所述控制指令實(shí)現(xiàn)對(duì)紅外加熱過程的自動(dòng)化精確控制包括：將所述最優(yōu)加熱控制策略轉(zhuǎn)換為設(shè)備控制指令，所述設(shè)備控制指令包括功率控制指令、角度控制指令及位置控制指令；根據(jù)紅外加熱設(shè)備的實(shí)時(shí)執(zhí)行狀態(tài)對(duì)所述設(shè)備控制指令的執(zhí)行過程進(jìn)行監(jiān)控，當(dāng)檢測(cè)到執(zhí)行偏差時(shí)，對(duì)所述設(shè)備控制指令的執(zhí)行參數(shù)進(jìn)行補(bǔ)償調(diào)整；將補(bǔ)償調(diào)整后的所述設(shè)備控制指令發(fā)送至紅外加熱設(shè)備的控制單元執(zhí)行，實(shí)現(xiàn)對(duì)紅外加熱過程的自動(dòng)化精確控制。[0064]最優(yōu)加熱控制策略到設(shè)備控制指令的轉(zhuǎn)換過程涉及三類核心指令的生成。功率控制指令是基于目標(biāo)工件加熱曲線和材料特性計(jì)算得出的。系統(tǒng)首先從最優(yōu)策略中提取每個(gè)加熱階段的熱量需求值，結(jié)合紅外加熱器的功率轉(zhuǎn)換效率(通常為75%-85%),計(jì)算出實(shí)際功率輸出值。[0065]例如，對(duì)于需要在240秒內(nèi)使鋁合金工件從25°C升溫至180℃的加熱任務(wù)，系統(tǒng)會(huì)生成一個(gè)分段功率控制曲線：0-60秒為功率爬升階段(20%-80%),60-180秒為恒功率加熱階段(80%),180-240秒為功率遞減階段(80%-30%),確保目標(biāo)溫度精確達(dá)到并避免溫度過沖。[0066]角度控制指令的生成依賴于工件表面的幾何特征和照射均勻性要求。系統(tǒng)通過紅外輻射能量分布模型計(jì)算不同角度下的能量分布密度，確定紅外加熱器的最佳照射角度。對(duì)于平板類工件，系統(tǒng)通常設(shè)定照射角度為垂直于表面的方向；而對(duì)于曲面工件，如汽車門板，系統(tǒng)會(huì)生成動(dòng)態(tài)角度調(diào)整指令，使加熱器照射角度在30°-60°布均勻度達(dá)到90%以上。角度控制指令包含角度初始值、角度變化率和角度極限值，精度控[0067]位置控制指令確定紅外加熱器相對(duì)于工件的空間位置，包括水平位置和距離高度。系統(tǒng)基于工件的尺寸形狀和加熱區(qū)域，計(jì)算得出最佳照射距離和移動(dòng)軌跡。例如，對(duì)于的速度沿X軸方向掃描，每次掃描后Y軸偏移50mm,保證每個(gè)區(qū)域接收到的能量密度偏差控制在±5%以內(nèi)。對(duì)于定點(diǎn)加熱任務(wù)，則生成固定位置指令，同時(shí)指定最佳加熱距離(通常為紅外燈管直徑的1.5-3倍)。[0068]在設(shè)備控制指令執(zhí)行過程中，系統(tǒng)進(jìn)行實(shí)時(shí)監(jiān)控和偏差補(bǔ)償。監(jiān)控模塊通過采集紅外加熱設(shè)備的實(shí)際執(zhí)行參數(shù)(功率輸出值、角度位置值、空間位置坐標(biāo))與指令設(shè)定值進(jìn)行比對(duì)，當(dāng)檢測(cè)到偏差超過允許范圍時(shí)，觸發(fā)補(bǔ)償調(diào)整機(jī)制。例如，當(dāng)功率輸出實(shí)際值比設(shè)定值低5%以上時(shí)，系統(tǒng)會(huì)根據(jù)PID控制算法計(jì)算補(bǔ)償值，將功率輸入指令提高相應(yīng)百分比。[0069]對(duì)于角度控制，當(dāng)執(zhí)行角度與指令角度偏差超過2°時(shí)，系統(tǒng)會(huì)發(fā)送角度校準(zhǔn)指令，驅(qū)動(dòng)伺服電機(jī)進(jìn)行微調(diào)。對(duì)于位置控制，系統(tǒng)使用激光即觸發(fā)位置補(bǔ)償指令，確保加熱器與工件之間保持最佳照射距離。[0070]補(bǔ)償調(diào)整后的設(shè)備控制指令通過通信接口發(fā)送至紅外加熱設(shè)備的控制單元?？刂茊卧邮罩噶詈螅瑢⑵浣馕鰹榫唧w的硬件驅(qū)動(dòng)信號(hào)：功率控制指令轉(zhuǎn)換為功率調(diào)節(jié)模塊的PWM信號(hào)，角度控制指令轉(zhuǎn)換為伺服電機(jī)的旋轉(zhuǎn)角度信號(hào)，位置控制指令轉(zhuǎn)換為XYZ軸步進(jìn)電機(jī)的位移脈沖信號(hào)。[0071]控制單元通過10ms的執(zhí)行周期，連續(xù)不斷地接收和執(zhí)行更新后的指令，確保設(shè)備運(yùn)行狀態(tài)與最優(yōu)加熱控制策略保持高度一致。以一個(gè)實(shí)際應(yīng)用案例為例，在復(fù)合材料固化過程中，通過上述方法實(shí)現(xiàn)的紅外加熱控制系統(tǒng)能夠?qū)⒐ぜ砻鏈囟瓤刂圃谠O(shè)定值±2.5°C范圍內(nèi)，溫度均勻性達(dá)到±3℃,大幅優(yōu)于傳統(tǒng)控制方法的±8℃誤差范圍。[0072]該技術(shù)方案通過將抽象的最優(yōu)加熱控制策略轉(zhuǎn)化為具體的設(shè)備可執(zhí)行指令，并結(jié)合實(shí)時(shí)監(jiān)控和偏差補(bǔ)償機(jī)制，實(shí)現(xiàn)了紅外加熱過程的自動(dòng)化精確控制，能夠滿足高精度、高[0073]圖4為本發(fā)明實(shí)施例紅外加熱設(shè)備自動(dòng)化控制指令轉(zhuǎn)換與執(zhí)行流程圖：本流程圖展示了一個(gè)完整的紅外加熱控制策略轉(zhuǎn)換與執(zhí)行過程。首先，系統(tǒng)將最優(yōu)的加熱控制策略轉(zhuǎn)化為具體的設(shè)備控制指令，這些指令主要包含三個(gè)核心維度：功率控制指令用于精確調(diào)節(jié)紅外燈管的輸出功率大小、角度控制指令用于調(diào)整紅外燈管的照射角度、位置控制指令用于控制紅外燈管的空間位置布局。隨后，系統(tǒng)會(huì)實(shí)時(shí)監(jiān)測(cè)紅外加熱設(shè)備的執(zhí)行狀態(tài)，通過比對(duì)實(shí)際執(zhí)行效果與預(yù)期目標(biāo)之間的差異，當(dāng)檢測(cè)到執(zhí)行過程中出現(xiàn)偏差時(shí)，系統(tǒng)會(huì)啟動(dòng)補(bǔ)償機(jī)制，對(duì)設(shè)備控制指令的執(zhí)行參數(shù)進(jìn)行實(shí)時(shí)動(dòng)態(tài)調(diào)整和優(yōu)化。最后，將經(jīng)過補(bǔ)償調(diào)整后的設(shè)備控制指令傳輸至紅外加熱設(shè)備的控制執(zhí)行單元，由控制執(zhí)行單元負(fù)責(zé)具體指令的執(zhí)行操作，從而實(shí)現(xiàn)對(duì)整個(gè)紅外加熱過程的自動(dòng)化精確控制，確保加熱過程的穩(wěn)定性和加熱效果的均勻性。這種分層次、閉環(huán)式的控制方案能夠有效提升紅外加熱過程的控制精度和可靠性。[0074]本發(fā)明實(shí)施例的第二方面，提供綜合多維度的紅外加熱自動(dòng)化控制系統(tǒng)，包括：第一單元，用于獲取紅外加熱設(shè)備的實(shí)時(shí)溫度數(shù)據(jù)、紅外燈管功率數(shù)據(jù)及被加熱工件的表面溫度分布數(shù)據(jù)；第二單元，用于將所述實(shí)時(shí)溫度數(shù)據(jù)、所述紅外燈管功率數(shù)據(jù)及所述表面溫度分布數(shù)據(jù)基于深度學(xué)習(xí)算法進(jìn)行特征提取，得到紅外加熱過程的溫度特征向量、功率特征向量及溫度分布特征向量；第三單元，用于基于所述溫度特征向量、所述功率特征向