用于训练模型以确定材料特性参量的方法技术

用于确定尤其是用于塑料材料或过程的材料特性参量的一种设备和一种方法，其中，在该方法中为模型(106)提供输入参量(S1，...，Sxx)的组合(202)，并根据该模型(106)来确定材料特性参量(204)，其中，模型(106)将输入参量(S1，...，Sxx)的组合映射到材料特性参量上，其中，根据训练数据来训练模型(106)，通过输入参量(S1，...，Sxx)的多个组合及其与目标材料特性参量的相应配属来定义所述训练数据，其中，根据由模型(106)从所述训练数据中针对组合中的一个组合所确定出的材料特性参量与在所述训练数据中配属于该组合的目标材料特性参量的比较(206)的结果，要么继续训练模型(106)，要么，其中，通过向模型(106)添加模块(A，...，Z)和/或通过从模型(106)中去除至少一个模块(A，...，Z)来确定(210)变化的模型(106)，并训练该变化的模型(106)。练该变化的模型(106)。练该变化的模型(106)。

【技术实现步骤摘要】
【国外来华专利技术】用于训练模型以确定材料特性参量的方法


[0001]本专利技术涉及用于确定尤其是用于塑料材料或过程的材料特性参量的一种设备和一种方法。

技术介绍

[0002]目前，对与此相关的过程属性或材料属性的研究需要进行各种各样的、部分地时间密集和成本密集的测量，由此无法立即做出关于材料和过程的状况的决定。

技术实现思路

[0003]以下说明一种方法和一种设备，借助所述方法和所述设备能够几乎实时地检测过程数据和/或材料数据。由此能够直接地优化过程。这能够实现不仅确保均匀的产品质量而且节省用于材料的成本。本专利技术能够实现简单、精确和廉价地提前识别由于无意识的操纵(如批次波动)或有意识的操纵或改变(如产品伪造)造成的产品偏差。此外，能够通过将预测的材料参数和现有的过程特性参数智能地关联来为最佳产品质量确定可靠和稳健的过程窗口。
[0004]一种用于确定尤其是用于塑料材料或过程的材料特性参量的方法，该方法设置，
[0005]为模型提供输入参量的组合，并根据该模型来确定材料特性参量，其中，该模型将输入参量的该组合映射到材料特性参量上，其中，根据训练数据来训练该模型，通过输入参量的多个组合及其与目标材料特性参量的相应配属来定义该训练数据，其中，根据由该模型从该训练数据中针对组合中的一个组合所确定出的材料特性参量与在该训练数据中配属于该组合的目标材料特性参量的比较的结果，要么继续训练该模型，要么，其中，通过向该模型添加模块和/或通过从该模型中去除至少一个模块来确定变化的模型，并训练该变化的模型。这能够实现，从所述组合中获得无法从可直接测量的化学属性中所推导出的关于材料的知识。
[0006]优选通过光谱数据、热分析方法数据、流变学数据、关于熔体粘度的数据、衍射方法的数据和/或色谱方法的数据来定义输入参量的组合，其中，所述模型包括通过至少一个分类和/或回归来确定所述材料特性参量的模块。所述模块是特别适合的。
[0007]该模块优选包括人工神经网络ANN或支持向量机SVM，尤其是通过偏最小二乘回归PLS
‑
Reg、偏最小二乘分类PLS
‑
DA、线性判别分析LDA、岭回归(Ridgeegression)、多元线性回归MLR、逻辑回归、决定树或回归树、随机森林定义。这些方法特别适用于推导材料特性参量。
[0008]在一个方面中，设置模块以用于对输入参量的组合进行预处理，尤其是借助去趋势、推导、均值中心化、Savitzky
‑
Golay滤波、傅里叶变换、标准正态变量SNV。这进一步改善该模型。
[0009]在一个方面中，设置模块以用于来自所述输入参量的至少一个输入参量或其组合的干扰参量消除，尤其是借助通过正交减法消除误差EROS、外部参数正交化EPO、小波变换
或傅里叶变换。这使得该模型更加稳健。
[0010]在一个方面中，设置构造用于进行降维或特征选择的模块，尤其是借助用于降维的主成分分析PCA、Stepvise变量选择SVS或Procrustes变量选择。这能够实现更加有效地确定材料特性参量。
[0011]在一个方面中，至少一个模块包括分类器，所述分类器构造用于将数据分类为对材料的制造商、材料的制造商组、材料属性或制造材料的批次进行定义的类别。因此能够特别简单地对化学材料进行配属。
[0012]在一个方面中，通过至少两个分类器依次对输入参量或其组合分类。这种级联能够实现更小且更高效地构型单个分类器。
[0013]在一个方面中，通过至少一个人工神经网络和通过至少一个支持向量机依次对输入参量或其组合分类。根据最终要确定的材料特性参量，因此能够使用尽可能好的计算过程。
[0014]在一个方面中，至少一个模块构造用于回归，其中，通过回归来确定所述材料特性参量，尤其是化学成分，通过该化学成分能够唯一明确地辨识聚合物类型、添加剂、填料类型、填料等级、制造商和/或批次。这能够实现在例如质量测试中简单地识别制造商或批次。
[0015]优选根据至少一个材料特性参量来辨识至少一个材料属性，并且因此识别出与用于所述至少一个材料属性的目标值的偏差，或确定用于过程窗口的目标值。
[0016]一种用于确定尤其是用于塑料材料或过程的材料特性参量的设备设置，该设备包括多个处理器和用于模型的至少一个存储器，该设备构造用于实施该方法。
附图说明
[0017]从以下说明和附图中得出本专利技术的其他有利实施方式。在附图中示出：
[0018]图1用于确定材料特性参量的设备；
[0019]图2用于确定材料特性参量的方法；
[0020]图3用于确定材料特性参量的分类模型。
具体实施方式
[0021]在图1中示意性示出用于确定尤其塑料的材料特性参量的设备100。在该示例中，设置确定来自不同类别K1、K2、...、KN的多个材料特性参量k1、k2、...、kn。该设备100包括多个处理器102和用于模型106的存储器104。该设备100构造用于实施下文所述的方法。尤其是，为了训练模型106，可以设置功能强大的计算装置，该计算装置构造用于确定模型106的参数。
[0022]下面基于图2所描述的方法用于确定塑料或过程的一个材料特性参量或多个材料特性参量。在下文中，首先描述基于输入参量S1、...、Sxx来确定塑料的材料特性参量。材料特性参量可以表征化学成分、材料属性、机械参量或过程参数。这些可以是在以下类别中：
[0023]类别1：化学成分
[0024]聚合物类型、复合、添加物、填充物含量、聚合物批次。
[0025]类别2：材料属性
[0026]材料中的水含量(xH2O)，
[0027]粘度数(VZ)、添加剂浓度、形态、流动性、交联程度、材料的粘度(如剪切粘度/拉伸粘度)、反应性、膨胀系数玻璃化转变温度。
[0028]类别3：机械参量
[0029]断裂伸长率、断裂强度/拉伸强度、弹性模量、蠕变和松弛过程。
[0030]类别4：类别
[0031]偏差(目标/实际)、好/坏
[0032]输入参量S1、...、Sxx中的至少一个可以表征光谱数据、热分析方法数据、流变学数据、熔体粘度、衍射方法的数据或色谱方法的数据。
[0033]尤其设置，
[0034]光谱数据(300nm...3mm)：紫外可见光、近红外(NIR)、中红外(FTIR)、远红外(Theraherz)、拉曼光谱、化学发光。
[0035]热分析方法数据：热重分析法、差热分析(DSC)、热机械分析、动态机械分析。
[0036]流变学方法数据：毛细管流变仪和旋转流变仪、拉伸流变仪。
[0037]熔体粘度数据：熔体体积流速。
[0038]衍射方法中的数据：X射线衍射。
[0039]色谱方法数据：凝胶渗透色谱(GPC)。
[0040]输入参量S1、...、Sxx可以是由传感器检测到的传感数据或分析数据。这些表示模型本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种用于确定尤其是用于塑料材料或过程的材料特性参量的方法，其特征在于，为模型(106)提供输入参量(S1，...，Sxx)的组合(202)，并根据所述模型(106)来确定所述材料特性参量(204)，其中，所述模型(106)将输入参量(S1，...，Sxx)的所述组合映射到材料特性参量上，其中，根据训练数据来训练所述模型(106)，通过输入参量(S1，...，Sxx)的多个组合以及所述组合与目标材料特性参量的相应配属来定义所述训练数据，其中，根据由所述模型(106)从所述训练数据中针对所述组合中的一个组合所确定出的材料特性参量与在所述训练数据中配属于所述组合的目标材料特性参量的比较(206)的结果，要么继续训练所述模型(106)，要么，其中，通过向所述模型(106)添加模块(A，...，Z)和/或通过从所述模型(106)中去除至少一个模块(A，...，Z)来确定(210)变化的模型(106)，并训练所述变化的模型(106)。2.根据权利要求1所述的方法，其特征在于，通过光谱数据、热分析方法数据、流变学数据、关于熔体粘度的数据、衍射方法的数据和/或色谱方法的数据来定义输入参量(S1，...，Sxx)的所述组合，其中，所述模型包括通过至少一个分类和/或回归来确定所述材料特性参量的模块(D)。3.根据权利要求2所述的方法，其特征在于，所述模块(D)包括人工神经网络或支持向量机，尤其是通过偏最小二乘回归PLS
‑
Reg、偏最小二乘分类PLS
‑
DA、线性判别分析LDA、岭回归、多元线性回归MLR、逻辑回归、决定树或回归树、随机森林、支持向量机SVM、至少一个人工神经网络ANN定义。4.根据前述权利要求中任一项所述的方法，其特征在于，设置模块(A)以用于对所述输入参量(S1，...，Sxx)的组合进行预处理，尤其是借助去趋势、推导、均值中心化、Savitzky
‑
Golay滤波、傅里叶变换、标准正态变量SNV。5.根据前述权利要求中任一项所述的方法，其特征在于，设置模块(B)以...

【专利技术属性】
技术研发人员：M，
申请(专利权)人：罗伯特，
类型：发明
国别省市：