[发明专利]一种基于在线学习的微波加热温度场智能监控方法

权利要求书

1.一种基于在线学习的微波加热温度场智能监控方法，其特征在于：采用神经网络模型实时学习零件微波加热过程中加热模式与控制策略间的动态关联关系，并基于上述模型根据加热模式互补的思想实时预测补偿当前温度分布的控制策略，即：

基于神经网络算法建立零件的加热模式控制策略预测模型；微波加热过程中，采用温度传感器实时监测零件同一层材料的温度分布，对于任意时刻k(k≥p)，采用加热模式-控制策略数据库中距离当前时刻最近的前p组加热模式HP和控制策略U数据对：

{(HP_k-1,U_k-1),(HP_k-2,U_k-2),…,(HP_k-p,U_k-p)}

对上述预测模型进行监督训练；

训练完成后，基于加热模式互补的思想快速计算出用于补偿当前温度分布T_k-1的目标加热模式HP′_k，并将其输入至完成训练的预测模型中，快速预测目标加热模式HP′_k的控制策略U_k；

在控制策略U_k的基础上，功率控制器实时调整每个处于工作状态的微波源的功率，按照设定温度曲线对零件进行均匀的微波加热；

按控制策略U_k运行Δt时间后，基于当前温度分布T_k快速计算出控制策略U_k下实际的加热模式HP_k，并将最新的加热模式-控制策略数据对(HP_k,U_k)保存到加热模式-控制策略数据库中；

重复上述过程，直至完成零件的整个微波加热过程。

2.根据权利要求1所述的方法，其特征在于：当kp时，采用前k-1组加热模式HP和控制策略U数据对：

{(HP₁,U₁),(HP₂,U₂),…,(HP_k-1,U_k-1)}

对上述预测模型进行监督训练。

3.根据权利要求1所述的方法，其特征在于：所述零件的加热模式为任意控制策略U_k下零件同一层材料各点处的升温速率c为常数。

4.根据权利要求1所述的方法，其特征在于：所述加热模式的控制策略为多个微波源的组合状态U＝[δ₁,δ₂,…,δ_l]，其中δ代表微波源的开关状态，开取值为1，关取值为0)，l代表微波炉上各个微波源的编号。

5.根据权利要求1所述的方法，其特征在于：所述的加热模式互补思想即对零件同一层材料温度较低的区域施加较大的微波功率或升温速率，对零件同一层材料温度较高的区域施加较小的微波功率或升温速率。

6.根据权利要求1所述的方法，其特征在于：功率控制器根据设定的温度曲线，基于PID算法实时计算微波腔体内的总功率，并在控制策略U_k的基础上将功率增量平均分配给当前运行的微波源。