【技术实现步骤摘要】
本专利技术涉及成型材料预处理的温度控制领域，尤其是涉及一种基于机器学习算法的密炼机温度控制方法。
技术介绍
1、橡胶具有高弹性、高电气绝缘性、低导热性、优良气密性等特征。生胶的塑炼加工和胶料的混炼加工是在密炼机中进行的。近年来，密炼机所取得的稳步发展都是在于提高各种混炼胶生产率方面。在转子设计上所做的改进以及对密炼机技术的更多了解，使人们对密炼机提出了更高的要求。随着产量的加大，密炼机的温控能力应当与其它的发展同步前进。
2、参照图1，被加热设备通过介质流过，使介质与被加热设备产生能量交换，从而控制被加热设备特定区域的温度。密炼机温控的工作原理是以油或水为介质，使其流经密炼机时控制温度，达到混炼的最佳效果。密炼机温控采用回油经冷却器间接冷却的方式，再由泵浦加压经过加热器加热后送到密炼机，来达到加热与恒温的要求。
3、不同用户对温度的需求不同，设定温度也就不同。同一个用户在不同的外界环境下，设定温度的偏好也会有所不同。传统的密炼机温度控制方法不能满足用户对于密炼机温度控制的个性化需求。并且密炼机温度变化率在不同范围内，其物料温度跳转速率相差很大。目前，大多数密炼机温控产品在全国各地都是同样的配置，即密闭式恒温控制系统，将密炼机温控的温度设置为固定值，该控制系统是大时滞控制系统，存在超调大、调节时间较长等控制品质差的问题，特别是在密炼机温度控制系统模型失配以及干扰情况下的控制效果较差。
4、上述中的现有技术方案存在以下缺陷：使用该系统不能够很好地满足不同用户的使用需求，不能满足各种工矿的需求，这就
技术实现思路
1、为了减少用户频繁更改密炼机设定温度的次数，本申请提供一种基于机器学习算法的密炼机温度控制方法。
2、一方面，本申请提供的一种基于机器学习算法的密炼机温度控制方法采用如下的技术方案：
3、一种基于机器学习算法的密炼机温度控制方法，包括以下步骤：
4、s1、监测密炼机设定温度t、密炼机温控介质温度t1、介质流量q、转子转速v、上顶栓压力p、密炼机物料温度t2和门尼粘度ｎ并保存入数据库；
5、s2、使用数据库存储的历史密炼机温控介质温度t1形成介质温度变化曲线，计算介质温度变化曲线各处的斜率，将斜率的绝对值与预设值对比，将绝对值超过预设值的斜率标记，选出距离最近的两个被标记的斜率，将该两个被标记的斜率之间的时长作为检测时刻时长，根据检测时刻时长和密炼机温控介质温度t1计算温度变化速率t速率；
6、s3、根据各历史温度变化速率t速率将数据库划分为多个数据集，将温度变化速率t速率与数据集关联；
7、s4、获取待测时刻自变量包括密炼机温控介质温度t1＇、介质流量q＇、转子转速v＇、上顶栓压力p＇、密炼机物料温度t2＇和门尼粘度ｎ＇；
8、s5、根据当前密炼机温控介质温度t1和距离当前时间等于检测时刻时长的密炼机温控介质温度t1计算待测时刻温度变化速率t速率＇；
9、s6、根据待测时刻温度变化速率t速率＇查找相同的温度变化速率t速率，查找根据找出的与数据集，根据找出的温度变化速率t速率选用数据集；
10、s7、计算自变量数据分别与选用的数据集各数据行的距离，确定预测数据行；
11、s8、获取预测数据行对应的设定温度ｔ＇；
12、s9、在介质温度变化曲线上标记等于设定温度ｔ＇的密炼机温控介质温度t1，调用被标记点的斜率，选出斜率的绝对值最小的被标记点，调用该被标记点关联的介质流量q、转子转速v、上顶栓压力p、密炼机物料温度t2和门尼粘度ｎ，将调用的数据与自变量数据进行对比，若各项差值均低于预设值，则输出设定温度ｔ＇。
13、通过采用上述方案，能够通过历史数据自动根据当前数据计算设定温度，采用大数据模式识别技术，构建数据库，又因为升温速率在不同区间内，其设定温度的变化趋势不同，所以采用划分数据集的方式缩小数据库范围，便于更快速的确定自变量数据对应的数据行。再通过介质温度变化曲线自动判断适合的检测时刻时长，并且在计算出设定温度后，对设定温度进行验证，通过历史数据判断该次计算是否有误，在确定设定温度没有问题时才会输出设定温度。能够自动且准确地计算密炼机的设定温度，无需用户频繁操作。
14、优选的，所述步骤s3还包括：
15、分别计算各数据行对应的温度变化速率t速率，温度变化速率t速率的计算公式如下：
16、n
17、其中n为数据行数，为数据行数为n时的设定温度t，将0≤t速率＜5℃/min的数据行放入a数据集，将5≤t速率＜10℃/min的数据行放入b数据集，将t速率≥10℃/min的数据行放入ｃ数据集。
18、通过采用上述方案，温度变化速率t速率的通过数据行计算，计算过程简单、快速、准确。
19、优选的，所述步骤s7还包括：
20、计算自变量数据分别与选用的数据集各数据行的距离使用公式如下：
21、
22、其中dist为数据行。
23、优选的，所述步骤s7还包括：
24、按照距离从小到大的顺序将数据行排序。
25、优选的，所述步骤s7还包括：
26、选取前k个数据行，确定k个数据行中相应的t值，计算t的平均值。
27、通过采用上述方案，采用ｋ近邻算法能够得出更为准确合理的预测值。
28、优选的，所述步骤s1还包括：
29、对所述数据进行归一化和反归一化处理，归一化公式为：
30、
31、其中x分别为t1、ｑ、ｖ、ｐ、ｎ或t2，y为归一化后的值。
32、通过采用上述方案，将特征取值都映射到[0,1]区间，实现对原值的等比例缩放，实现更准确的预测及计算。
33、优选的，还包括步骤：
34、s10、若任一项差值高于预设值，则显示计算故障。
35、通过采用上述方案，在判断计算出的设定温度ｔ＇有问题时自动显示故障信息，及时提醒用户进行操作。
36、优选的，所述步骤s10还包括：
37、s10、获取调用的数据对应的密炼机设定温度t，计算调用的密炼机设定温度t与设定温度ｔ＇的差值，显示设定温度t、设定温度ｔ＇和差值；
38、s11、接收输入的修正设定温度ｔ＇，使用修正设定温度ｔ＇覆盖设定温度ｔ＇，并将覆盖后的设定温度ｔ＇导入数据库。
39、通过采用上述方案，在确定设定温度ｔ＇有故障后，系统自动计算修正设定温度ｔ＇，并将修改后的设定温度ｔ＇导入数据库进行重新计算。
40、另一方面，本申请提供的一种基于机器学习算法的智能终端采用如下的技术方案：
41、一种基于机器学习算法的智能终端，包括存储器和处理器，所属存储器上存储有能够被处理器加载并执行如上述任一种方法的计算机程序。
42、另一方本文档来自技高网...
【技术保护点】
1.一种基于机器学习算法的密炼机温度控制方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于机器学习算法的密炼机温度控制方法，其特征在于，所述步骤S3还包括：
3.根据权利要求1所述的一种基于机器学习算法的密炼机温度控制方法，其特征在于，所述步骤S7还包括：
4.根据权利要求1所述的一种基于机器学习算法的密炼机温度控制方法，其特征在于，所述步骤S7还包括：
5.根据权利要求4所述的一种基于机器学习算法的密炼机温度控制方法，其特征在于，所述步骤S7还包括：
6.根据权利要求1所述的一种基于机器学习算法的密炼机温度控制方法，其特征在于，所述步骤S1还包括：
7.根据权利要求1所述的一种基于机器学习算法的密炼机温度控制方法，其特征在于，还包括步骤：
8.根据权利要求7所述的一种基于机器学习算法的密炼机温度控制方法，其特征在于，所述步骤S10还包括：
9.一种基于机器学习算法的智能终端，其特征在于：包括存储器和处理器，所属存储器上存储有能够被处理器加载并执行如权利要求1-8中任一
10.一种基于机器学习算法的计算机可读存储介质，其特征在于：包括存储有能够被处理器加载并执行如权利要求1-8中任一种方法的计算机程序。
...【技术特征摘要】
1.一种基于机器学习算法的密炼机温度控制方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于机器学习算法的密炼机温度控制方法，其特征在于，所述步骤s3还包括：
3.根据权利要求1所述的一种基于机器学习算法的密炼机温度控制方法，其特征在于，所述步骤s7还包括：
4.根据权利要求1所述的一种基于机器学习算法的密炼机温度控制方法，其特征在于，所述步骤s7还包括：
5.根据权利要求4所述的一种基于机器学习算法的密炼机温度控制方法，其特征在于，所述步骤s7还包括：
6.根据权利要求1所述的一种基于机器学习算法的密...
【专利技术属性】
技术研发人员：宗殿瑞，李硕，田晓龙，边慧光，焦冬梅，
申请(专利权)人：青岛科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。