【技术实现步骤摘要】
本专利技术涉及加工生产数据分析领域，更具体的，涉及一种电解铜添加剂生产设备的管理方法。
技术介绍
1、在电解铜生产过程中，添加剂的精确控制对于提高电解铜的质量至关重要。传统的添加剂控制方法存在精度低、响应慢等问题，难以满足现代电解铜生产对高质量产品的需求。且在现有技术中，缺少对电解铜监测数据的充分挖掘与预测分析，基本依赖人工经验对生产过程进行调控分析，实用性不强。因此，开发一种能够综合管理电解铜添加剂生产设备，提高对生产监测的分析能力与预测能力，实现高精度、高效率与智能化的设备管理方法显得尤为重要。
技术实现思路
1、本专利技术克服了现有技术的缺陷，提出了一种电解铜添加剂生产设备的管理方法。
2、本专利技术第一方面提供了一种电解铜添加剂生产设备的管理方法，包括：
3、在基于电解铜的生产设备中，设定生产监测模块；
4、在n个电解铜生产周期内，通过生产监测模块采集电解液监测数据与电解槽监测数据，通过铜产品检测模块，对产品进行检测并获取加工缺陷信息；
5、构建基于随机森林的预测模型，基于电流密度参数、电压参数两个维度对电解槽监测数据进行数据的线性变化分析，并得到第一变化特征数据，基于电解液温度参数、电解液浓度参数两个维度对电解液监测数据进行数据的线性变化分析，并得到第二变化特征数据；
6、在预测模型中，将电解槽监测数据、第一变化特征数据与加工缺陷信息作为第一子样本集，基于cart算法独立构建与训练第一决策树，将电解液监测数据、第
7、在一个实时生产周期中，获取电解槽与电解液实时监测数据并进行预处理与数据提取，得到待预测数据，将待预测数据导入预测模型进行结果预测，并实时生成生产缺陷预测信息；
8、通过生产缺陷预测信息，对电解铜进行缺陷类别分析并调整相应电解铜添加剂配比方案，生成实时添加剂方案，并通过生产设备对电解铜生产进行实时调整。
9、本方案中，所述在基于电解铜的生产设备中，设定生产监测模块，具体为：
10、所述生产监测模块包括多种传感器，用于对电解铜生产过程进行电解槽运行监测与电解液状态监测。
11、本方案中，所述在n个电解铜生产周期内，通过生产监测模块采集电解液监测数据与电解槽监测数据，通过铜产品检测模块，对产品进行检测并获取加工缺陷信息，具体为：
12、在n个电解铜生产周期内，对不同批次的电解铜产品通过生产监测模块进行实时监测，并采集电解液监测数据与电解槽监测数据；
13、通过铜产品检测模块，对电解铜产品进行缺陷检测，检测内容包括表面光滑度、致密性、均匀性、表面缺陷，并得到加工缺陷信息。
14、本方案中，所述构建基于随机森林的预测模型时，基于电流密度参数、电压参数两个维度对电解槽监测数据进行数据的线性变化分析，并得到第一变化特征数据，基于电解液温度参数、电解液浓度参数两个维度对电解液监测数据进行数据的线性变化分析，并得到第二变化特征数据，具体为：
15、将电解槽监测数据进行数据清洗，标准化预处理；
16、以一个电解铜生产周期作为分析单位，获取一个电解铜生产周期内的多个监测节点；
17、基于电流密度参数、电压参数两个维度，对电解槽监测数据进行数据的线性变化分析，数据的分析取样点基于多个监测节点，通过线性变化分析形成第一变化特征数据；
18、基于电解液温度参数、电解液浓度参数两个维度，对电解液监测数据进行数据的线性变化分析，数据的分析取样点基于多个监测节点，通过线性变化分析形成第二变化特征数据。
19、本方案中，所述在预测模型中，将电解槽监测数据、第一变化特征数据与加工缺陷信息作为第一子样本集，基于cart算法独立构建与训练第一决策树，将电解液监测数据、第二变化特征数据与加工缺陷信息作为第二子样本集，基于cart算法独立构建与训练第二决策树，将第一决策树与第二决策树结合形成预测模型，在预测模型中，通过投票机制选取预测结果，具体为：
20、以一个电解铜生产周期作为分析单位；
21、在预测模型中，将电解槽监测数据、第一变化特征数据作为特征训练数据，加工缺陷信息作为真实预测结果，并形成第一子样本集；
22、构建第一决策树并初始化最大深度与最小样本数，将第一子样本集导入第一决策树中，通过cart算法，对决策树每个节点进行特征选择与最佳分割点计算，采用循环的递归构建方式，直至决策树达到最大深度，并得到完整的第一决策树；
23、将电解液监测数据、第二变化特征数据作为特征训练数据，加工缺陷信息作为真实预测结果，并形成第二子样本集；
24、构建第二决策树并初始化最大深度与最小样本数，将第二子样本集导入第二决策树中，通过cart算法，对决策树每个节点进行特征选择与最佳分割点计算，采用循环的递归构建方式，直至决策树达到最大深度，并得到完整的第二决策树；
25、基于n个电解铜生产周期与相应电解槽监测数据、电解液监测数据，产生多个第一子样本集与第二子样本集，同时构建出多个第一决策树与多个第二决策树；
26、将多个第一决策树与多个第二决策树结合形成基于随机森林的预测模型，在预测模型中，通过投票机制选取预测结果。
27、本方案中，所述在一个实时生产周期中，获取电解槽与电解液实时监测数据并进行预处理与数据提取，得到待预测数据，将待预测数据导入预测模型进行结果预测，并实时生成生产缺陷预测信息，具体为：
28、在一个实时生产周期中，获取电解槽实时监测数据与电解液实时监测数据，并将数据进行数据清洗与标准化；
29、设定一个时间窗口，基于预设间隔将时间窗口划分出k个时间节点，在实时生产周期中，基于最近的一个时间窗口，从电解槽实时监测数据与电解液实时监测数据进行数据提取并进行线性变化分析，数据的分析取样点基于k个时间节点，得到实时检测变化数据；
30、将电解槽实时监测数据、电解液实时监测数据与实时检测变化数据作为待预测数据导入预测模型进行加工缺陷预测，得到生产缺陷预测信息。
31、本方案中，所述通过生产缺陷预测信息，对电解铜进行缺陷类别分析并调整相应电解铜添加剂配比方案，生成实时添加剂方案，并通过生产设备对电解铜生产进行实时调整，具体为：
32、通过生产缺陷预测信息，对不同类型的缺陷进行影响分析与成品率计算评估；
33、判断成品率是否低于预期值，若是，基于生产缺陷预测信息进行缺陷类型分析，并基于不同缺陷类型进行添加剂配比分析，生成实时添加剂方案；
34、基于实时添加剂方案，通过生产设备对电解铜生产进行实时调整。
35、本专利技术第二方面还提供了一种电解铜添加剂生产设备的管理系统，该系统包括：存储器、处本文档来自技高网...
【技术保护点】
1.一种电解铜添加剂生产设备的管理方法，其特征在于，包括：
2.根据权利要求1所述的一种电解铜添加剂生产设备的管理方法，其特征在于，所述在基于电解铜的生产设备中，设定生产监测模块，具体为：
3.根据权利要求2所述的一种电解铜添加剂生产设备的管理方法，其特征在于，所述在N个电解铜生产周期内，通过生产监测模块采集电解液监测数据与电解槽监测数据，通过铜产品检测模块，对产品进行检测并获取加工缺陷信息，具体为：
4.根据权利要求3所述的一种电解铜添加剂生产设备的管理方法，其特征在于，所述构建基于随机森林的预测模型时，基于电流密度参数、电压参数两个维度对电解槽监测数据进行数据的线性变化分析，并得到第一变化特征数据，基于电解液温度参数、电解液浓度参数两个维度对电解液监测数据进行数据的线性变化分析，并得到第二变化特征数据，具体为：
5.根据权利要求4所述的一种电解铜添加剂生产设备的管理方法，其特征在于，所述在预测模型中，将电解槽监测数据、第一变化特征数据与加工缺陷信息作为第一子样本集，基于CART算法独立构建与训练第一决策树，将电解液监测数据、第二
6.根据权利要求5所述的一种电解铜添加剂生产设备的管理方法，其特征在于，所述在一个实时生产周期中，获取电解槽与电解液实时监测数据并进行预处理与数据提取，得到待预测数据，将待预测数据导入预测模型进行结果预测，并实时生成生产缺陷预测信息，具体为：
7.根据权利要求6所述的一种电解铜添加剂生产设备的管理方法，其特征在于，所述通过生产缺陷预测信息，对电解铜进行缺陷类别分析并调整相应电解铜添加剂配比方案，生成实时添加剂方案，并通过生产设备对电解铜生产进行实时调整，具体为：
8.一种电解铜添加剂生产设备的管理系统，其特征在于，该系统包括：存储器、处理器，所述存储器中包括电解铜添加剂生产设备的管理程序，所述电解铜添加剂生产设备的管理程序被所述处理器执行时实现如下步骤：
9.根据权利要求8所述的一种电解铜添加剂生产设备的管理系统，其特征在于，所述在基于电解铜的生产设备中，设定生产监测模块，具体为：
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中包括电解铜添加剂生产设备的管理程序，所述电解铜添加剂生产设备的管理程序被处理器执行时，实现如权利要求1至7中任一项所述的电解铜添加剂生产设备的管理方法的步骤。
...【技术特征摘要】
1.一种电解铜添加剂生产设备的管理方法，其特征在于，包括：
2.根据权利要求1所述的一种电解铜添加剂生产设备的管理方法，其特征在于，所述在基于电解铜的生产设备中，设定生产监测模块，具体为：
3.根据权利要求2所述的一种电解铜添加剂生产设备的管理方法，其特征在于，所述在n个电解铜生产周期内，通过生产监测模块采集电解液监测数据与电解槽监测数据，通过铜产品检测模块，对产品进行检测并获取加工缺陷信息，具体为：
4.根据权利要求3所述的一种电解铜添加剂生产设备的管理方法，其特征在于，所述构建基于随机森林的预测模型时，基于电流密度参数、电压参数两个维度对电解槽监测数据进行数据的线性变化分析，并得到第一变化特征数据，基于电解液温度参数、电解液浓度参数两个维度对电解液监测数据进行数据的线性变化分析，并得到第二变化特征数据，具体为：
5.根据权利要求4所述的一种电解铜添加剂生产设备的管理方法，其特征在于，所述在预测模型中，将电解槽监测数据、第一变化特征数据与加工缺陷信息作为第一子样本集，基于cart算法独立构建与训练第一决策树，将电解液监测数据、第二变化特征数据与加工缺陷信息作为第二子样本集，基于cart算法独立构建与训练第二决策树，将第一决策树与第二决策树结合形成预测模型，在预...
【专利技术属性】
技术研发人员：葛志强，冉银川，严芝维，
申请(专利权)人：深圳众意远诚环保科技有限公司，
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。