[发明专利]基于产品性能和过程数据模型的树脂工艺预测方法及装置

说明书

本发明的一种基于产品性能和过程数据模型的树脂工艺预测方法包括：采集生产工艺和过程数据；对采集的连续变化数据进行特征值变换处理；对批次产品进行采样检验，并记录其性能指标和质量指标；对多个批次的生产工艺数据、性能数据和质量数据分别建立神经网络模型；对神经网络模型进行评估和验证，并进行优化；定义一个性能参数的搜索区间并在其内寻找与性能指标最接近的数据作为数据集；根据数据集中原始参数数据，计算各工艺参数的取值区间；从区间下限开始进行搜索，并通过优化后的神经网络模型计算产品性能指标，得出工艺参数取值区间。本发明解决了当前生产工艺优化难，配方实验过程效率低下的问题，提高了产品质量和性能的稳定性。

技术领域

本发明涉及一种基于产品性能和过程数据模型的树脂工艺预测方法及装置，属于工艺过程数据挖掘技术领域。

背景技术

预浸料是制造复合材料及其制件的中间材料，构成了复合材料的基本单元，其质量的均匀性和稳定性，是保证复合材料及其制件质量和可靠性的重要环节。

碳纤维预浸布是以合成树脂和碳纤维织布、环氧树脂/酚醛树脂/氰酸酯树脂、离型纸为基础原料制造而成的，通常根据客户对材料的性能需求进行按单生产，因为客户对产品的性能需求是基于实际工况而提出的，所以需要根据性能指标来配制碳纤维布生产所需要的树脂。

但目前的涂料生产工艺受工程师经验限制，需要进行多次试验来确定原料配比，当前生产工艺优化难，配方实验过程效率低下，可能导致了整批产品性能不达标，从而造成库存积压和订单交期延误。

发明内容

为了解决上述问题，本发明提出了一种基于产品性能和过程数据模型的树脂工艺预测方法及装置，能够解决当前生产工艺优化难，配方实验过程效率低下的问题。

本发明解决其技术问题采取的技术方案是：

第一方面，本发明实施例提供的一种基于产品性能和过程数据模型的树脂工艺预测方法，包括以下步骤：

采集生产工艺和过程数据；所述数据包括非连续数据和连续变化数据；

对采集的连续变化数据进行特征值变换处理；

对批次产品进行采样检验，并记录该批次产品的性能指标P和质量指标Q；

对多个批次的生产工艺数据、性能数据和质量数据分别建立神经网络模型；

对神经网络模型进行评估和验证，并进行优化得到优化后的神经网络模型；

定义一个性能参数的搜索区间，并在搜索区间内寻找与性能指标最接近的数据作为数据集；

根据数据集中原始参数数据，计算各工艺参数的取值区间；

从区间下限开始进行搜索，并通过优化后的神经网络模型计算产品性能指标，得出工艺参数取值区间。

作为本实施例一种可能的实现方式，所述采集生产工艺和过程数据，包括：

建立生产工艺和过程数据的采集规范，根据生产工艺特点决定数据采集范围；

采集生产工艺和过程数据，记录各批次的生产开始和结束时间，对非连续数值记录其与批次号T之间的对应关系，对连续变化的数值进行不间断采集并记录时间。

作为本实施例一种可能的实现方式，所述生产工艺和过程数据包括：合成树脂各原料成本的配比、反应温度和时间数据、碳纤维织机纱线张力、辊压机辊缝间距和加热温度。

作为本实施例一种可能的实现方式，所述对采集的连续变化数据进行特征值变换处理，包括：每个批次生产完成之后，将该批次对应时间内的连续数值进行特征值变换，通过分段聚合近似(PAA)方法将该批次生产期间的数据转换为一个或几个数值进行存储，以方便后续建模过程。

作为本实施例一种可能的实现方式，所述对多个批次的生产工艺数据、性能数据和质量数据分别建立神经网络模型，包括：