开云优惠体育网页版入口

专利名称：基于大数据分析的绝缘树脂性能优化方法

专利类型：实用新型专利

专利申请号：CN202410831313.5

专利申请（专利权）人：嘉兴市清河高力绝缘有限公司
权利人地址：浙江省嘉兴市秀洲区工业区福特路328号

专利发明（设计）人：葛民,翁丽萍,葛春

专利摘要：本申请提供了基于大数据分析的绝缘树脂性能优化方法，涉及绝缘树脂制备技术领域，该方法包括：以环境干扰因子集、应用电气元件和树脂属性信息为约束，基于工业大数据进行数据挖掘，得到样本数据集；对样本数据集进行筛。菇ㄍ雅莶问坝趴占洌唤型雅莶问坝，输出优化脱泡参数集合；进行脱泡测试，利用脱泡质量评价函数进行质量评估，确定最优脱泡参数执行后续作业。通过本申请可以解决现有方法进行绝缘树脂的脱泡工艺优化分析时，往往依赖于实验试错，存在寻优随机性和盲目性较大的缺陷，需要花费较长时间，同时寻优结果的精度和准确性难以得到保障的问题，可以减少寻优的随机性和盲目性，提高脱泡参数寻优得到的精度、准确性和效率。

主权利要求：
1.基于大数据分析的绝缘树脂性能优化方法，其特征在于，所述方法包括：基于预定影响指标采集目标绝缘树脂的环境干扰因子，获取环境干扰因子集；
读取目标绝缘树脂的应用电气元件和树脂属性信息，以所述环境干扰因子集、应用电气元件和树脂属性信息为约束，基于工业大数据进行数据挖掘，得到样本数据集，其中，树脂属性信息包括预定原料比例和预定混合工艺参数；
根据预定约束条件对所述样本数据集进行筛。崛÷阍ざㄔ际跫的样本数据中的样本脱泡参数，构建脱泡参数寻优空间，其中，预定约束条件包括预定使用寿命和预定电气故障频次；
基于所述脱泡参数寻优空间，利用简化脱泡质量评价函数进行脱泡参数寻优，输出优化脱泡参数集合，其中，脱泡参数包括真空度、温度、压力、搅拌速度和脱泡时间；
基于所述优化脱泡参数集合对混合原料进行脱泡测试，利用标准脱泡质量评价函数对脱泡测试结果进行质量评估，确定最优脱泡参数，并根据最优脱泡参数执行后续脱泡作业；
其中，基于所述脱泡参数寻优空间，利用简化脱泡质量评价函数进行脱泡参数寻优，输出优化脱泡参数集合，包括：所述脱泡参数寻优空间包括真空度约束阈值、温度约束阈值、压力约束阈值、搅拌速度约束阈值和脱泡时间约束阈值；
在真空度约束阈值、温度约束阈值、压力约束阈值、搅拌速度约束阈值和脱泡时间约束阈值内随机选取一参数进行组合，生成第一初始脱泡参数，迭代选取得到多个初始脱泡参数；
利用脱泡分析模型对多个初始脱泡参数进行预测，得到多个预测脱泡结果，其中，预测脱泡结果包括预测气泡去除率和预测树脂密度；
利用简化脱泡质量评价函数对多个预测脱泡结果进行评估，得到多个适应度，其中，简化脱泡质量评价函数包括气泡去除率的第一权重和树脂密度的第二权重；
将初始脱泡参数视为初始解，按照适应度由大到小对多个初始解进行排列，生成初始解序列，选取初始解序列的前N个初始解设定为优解，后M个初始解设定为劣解，其中，N与M之和为初始解的数量，且M为N的整倍数；
以N个优解为中心，对M个劣解进行随机聚类，得到N个领域，其中，每个领域内的劣解数量相同；
在N个领域内，以优解为寻优方向，按照预定多元寻优步长对领域内的劣解进行一次变异，得到N个更新领域，其中，若变异后的劣解不满足脱泡参数寻优空间，则不进行变异；
识别N个更新领域，若在同一更新领域内，存在劣解的适应度大于优解的适应度，则利用劣解对优解进行替换；
进行迭代寻优，直至满足预定寻优次数，输出N个当前领域，选取N个当前领域中适应度之和最大的领域设定为最优领域，将最优领域作为所述优化脱泡参数集合；
其中，构建脱泡分析模型，包括：
基于大数据，以脱泡设备属性信息和所述树脂属性信息为约束，检索获取样本训练数据集，其中，样本训练数据包括样本脱泡参数、样本气泡去除率和样本树脂密度；
将样本训练数据集等分为K份，并有放回地选取K次，构建第一数据集，迭代选取K次，得到K个训练集；
以样本脱泡参数为输入，以样本气泡去除率和样本树脂密度为监督，利用K个训练集对BP神经网络进行监督训练和交叉验证，得到K个脱泡分析单元，基于K个脱泡分析单元并行搭建脱泡分析模型，其中，脱泡分析模型的输出为K个脱泡分析单元输出结果的众数。
2.根据权利要求1所述基于大数据分析的绝缘树脂性能优化方法，其特征在于，获取预定影响指标，包括：采集获取目标绝缘树脂的多个环境干扰因子，其中，多个环境干扰因子至少包括紫外线强度均值、紫外线强度极值、温度均值、温度极值、温差特征、湿度均值、湿度极值、腐蚀强度均值和腐蚀强度极值；
基于工业大数据，依次对多个环境干扰因子与树脂使用寿命进行关联性分析，并选取关联系数大于预定关联阈值的环境干扰因子设定为影响指标，添加至所述预定影响指标。
3.根据权利要求1所述基于大数据分析的绝缘树脂性能优化方法，其特征在于，构建脱泡参数寻优空间，包括：根据预定使用寿命和预定电气故障频次对所述样本数据集进行筛。阍ざㄊ褂檬倜衣阍ざǖ缙收掀荡蔚难臼葜械难就雅莶问瓒ㄎ细裱就雅莶问，得到满足预定数量约束的多个合格样本脱泡参数；
统计相同合格样本脱泡参数的出现频次，选取出现频次大于预定频次阈值的相同合格样本脱泡参数设定为标准脱泡参数，得到多个标准脱泡参数，并基于多个标准脱泡参数构建脱泡参数寻优空间。
4.根据权利要求1所述基于大数据分析的绝缘树脂性能优化方法，其特征在于，利用标准脱泡质量评价函数对脱泡测试结果进行质量评估，确定最优脱泡参数，包括：基于预定检测方案，对所述脱泡测试结果进行多重检测，得到第一脱泡检测结果，其中，第一脱泡检测结果包括气泡去除率、树脂密度、表面光滑度和透明度；
通过图像传感器对脱泡测试结果进行图像采集，得到树脂图像，基于树脂图像分析得到第二脱泡检测结果，其中，第二脱泡检测结果为颜色均匀系数；
利用标准脱泡质量评价函数对气泡去除率、树脂密度、透明度、表面光滑度和颜色均匀系数进行质量评估，得到多个质量评估系数，并选取最大质量评估系数对应的优化脱泡参数设定为所述最优脱泡参数。
5.根据权利要求4所述基于大数据分析的绝缘树脂性能优化方法，其特征在于，基于树脂图像分析得到第二脱泡检测结果，包括：对树脂图像进行灰度处理，得到灰度树脂图像，按照预设尺寸对灰度树脂图像进行网格划分，得到灰度网格图像集；
依次对灰度网格图像集进行特征分析，得到灰度特征集，其中，以灰度网格图像的中心区域灰度值为基准，对周围区域灰度值进行判断，将大于中心区域灰度值的周围区域标记为1，将小于等于中心区域灰度值的周围区域标记为0，基于二进制算法得到灰度网格图像的灰度特征值；
对所述灰度特征集进行方差计算，基于方差计算结果设定颜色均匀系数，其中，颜色均匀系数和方差计算结果负相关。
6.根据权利要求4所述基于大数据分析的绝缘树脂性能优化方法，其特征在于，所述标准脱泡质量评价函数的表达式为：P＝v1log0.5RA+v2log0.5RB+v3log0.5RC+v4log0.5RD+v5log0.5RE；
其中，P为质量评估系数，v1为气泡去除率权重，RA为气泡去除率，v2为树脂密度权重，RB为树脂密度，v3为透明度权重，RC为透明度，v4为表面光滑度权重，RD为表面光滑度，v5为颜色均匀系数权重，RE为颜色均匀系数。 说明书 : 基于大数据分析的绝缘树脂性能优化方法技术领域[0001] 本申请涉及绝缘树脂制备技术领域，尤其涉及一种基于大数据分析的绝缘树脂性能优化方法。背景技术[0002] 环氧树脂作为一种广泛使用的绝缘材料，其在电气设备中的应用越来越广泛。然而，在环氧树脂的制备过程中，气泡的形成是一个普遍存在的问题，这些气泡会影响树脂的电绝缘性能、机械性能和外观质量。[0003] 目前，现有方法进行绝缘树脂的脱泡工艺优化分析时，往往依赖于实验试错，存在寻优随机性和盲目性较大的缺陷，需要花费较长时间，同时寻优结果的精度和准确性难以得到保障的技术问题。发明内容[0004] 本申请的目的是提供一种基于大数据分析的绝缘树脂性能优化方法，用以解决现有方法进行绝缘树脂的脱泡工艺优化分析时，往往依赖于实验试错，存在寻优随机性和盲目性较大的缺陷，需要花费较长时间，同时寻优结果的精度和准确性难以得到保障的技术问题。[0005] 鉴于上述问题，本申请提供了一种基于大数据分析的绝缘树脂性能优化方法，其中，所述方法包括：基于预定影响指标采集目标绝缘树脂的环境干扰因子，获取环境干扰因子集；读取目标绝缘树脂的应用电气元件和树脂属性信息，以所述环境干扰因子集、应用电气元件和树脂属性信息为约束，基于工业大数据进行数据挖掘，得到样本数据集，其中，树脂属性信息包括预定原料比例和预定混合工艺参数；根据预定约束条件对所述样本数据集进行筛。崛÷阍ざㄔ际跫的样本数据中的样本脱泡参数，构建脱泡参数寻优空间，其中，预定约束条件包括预定使用寿命和预定电气故障频次；基于所述脱泡参数寻优空间，利用简化脱泡质量评价函数进行脱泡参数寻优，输出优化脱泡参数集合，其中，脱泡参数包括真空度、温度、压力、搅拌速度和脱泡时间；基于所述优化脱泡参数集合对混合原料进行脱泡测试，利用标准脱泡质量评价函数对脱泡测试结果进行质量评估，确定最优脱泡参数，并根据最优脱泡参数执行后续脱泡作业。[0006] 本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：[0007] 通过以环境干扰因子集、应用电气元件和树脂属性信息为约束条件，基于工业大数据检索获取样本数据集，接着基于样本数据集分析确定脱泡参数寻优空间，可以减少脱泡参数寻优的随机性和盲目性；接着基于脱泡参数寻优空间，利用简化脱泡质量评价函数和脱泡分析模型进行脱泡参数寻优，得到优化脱泡参数集合，可以提高脱泡寻优分析的智能化，减少实验次数，节约寻优分析时间；最后基于优化脱泡参数集合对混合原料进行脱泡测试，利用标准脱泡质量评价函数对脱泡测试结果进行质量评估，将质量评估结果最好的脱泡参数设定为最优脱泡参数，并根据最优脱泡参数执行后续脱泡作业，从而达到提高最优脱泡参数得到的精度、准确性和效率的技术效果。[0008] 上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其他目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。应当理解，本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征，也不用于限制本申请的范围。本申请的其他特征将通过以下的说明书而变得容易理解。附图说明[0009] 为了更清楚地说明本申请或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是示例性的，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。[0010] 图1为本申请一种基于大数据分析的绝缘树脂性能优化方法的流程示意图；[0011] 图2为本申请一种基于大数据分析的绝缘树脂性能优化方法中获取预定影响指标的流程示意图。具体实施方式[0012] 本申请通过提供一种基于大数据分析的绝缘树脂性能优化方法，解决了现有方法进行绝缘树脂的脱泡工艺优化分析时，往往依赖于实验试错，存在寻优随机性和盲目性较大的缺陷，需要花费较长时间，同时寻优结果的精度和准确性难以得到保障的技术问题。通过基于大数据进行关联检索，可以减少寻优的随机性和盲目性，同时利用智能化手段进行脱泡参数优化分析，可以节约寻优分析时间，提高寻优结果得到的精度、准确性和效率。[0013] 下面，将参考附图对本申请中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。基于本申请的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。另外还需要说明的是，为了便于描述，附图中仅示出了与本申请相关的部分而非全部。[0014] 实施例，请参阅附图1，本申请提供了一种基于大数据分析的绝缘树脂性能优化方法，所述方法具体包括如下步骤：[0015] 步骤一：基于预定影响指标采集目标绝缘树脂的环境干扰因子，获取环境干扰因子集。[0016] 具体而言，获取预定影响指标，所述预定影响指标是指与目标绝缘树脂的使用寿命关联程度较大的环境因素，比如：紫外线强度均值、湿度均值等指标，基于样本数据分析后获得；接着按照预定影响指标采集目标绝缘树脂的环境干扰因子，其中目标绝缘树脂为具有良好绝缘性能的树脂材料，它们广泛应用于电气和电子设备中，用于绝缘、封装、固定和保护电子元件，比如：环氧树脂、聚酯树脂、聚酰亚胺树脂等，为了便于理解，在本实施例中，主要以环氧树脂为样本进行举例说明；其中环境干扰因子是指目标绝缘树脂具体应用场景中的环境因素，可根据实际情况进行设置，得到环境干扰因子集。[0017] 步骤二：读取目标绝缘树脂的应用电气元件和树脂属性信息，以所述环境干扰因子集、应用电气元件和树脂属性信息为约束，基于工业大数据进行数据挖掘，得到样本数据集，其中，树脂属性信息包括预定原料比例和预定混合工艺参数。[0018] 具体而言，读取目标绝缘树脂的应用电气元件和树脂属性信息，其中应用电气元件是指目标绝缘树脂的具体应用设备或部件，比如：电磁铁、接触器线圈、互感器、干式变压器的绝缘封装；其中树脂属性信息包括预定原料比例和预定混合工艺参数，预定原料比例包括原料类型和对应占比，预定混合工艺参数为已经完成原料作业的混合参数或预期设定的混合参数。[0019] 工业大数据是一种使工业大数据中所蕴含的价值得以挖掘和展现的一系列技术与方法，包括数据规划、数据采集、分析挖掘等技术手段。接着以所述环境干扰因子集、应用电气元件和树脂属性信息为检索约束条件，基于工业大数据进行数据挖掘，得到样本数据集，其中，样本数据包括样本树脂使用寿命、样本树脂故障频次、样本树脂脱泡参数等数据。通过基于工业大数据进行数据挖掘，可以提高样本数据得到的准确性、可靠性和全面性。[0020] 步骤三：根据预定约束条件对所述样本数据集进行筛。崛÷阍ざㄔ际跫的样本数据中的样本脱泡参数，构建脱泡参数寻优空间，其中，预定约束条件包括预定使用寿命和预定电气故障频次。[0021] 具体而言，获取预定约束条件，其中预定约束条件包括预定使用寿命和预定电气故障频次，为目标绝缘树脂的需求性能指标，可根据实际情况进行设置。接着根据预定使用寿命和预定电气故障频次对所述样本数据集进行筛。⑻崛÷阍ざㄊ褂檬倜衣阍ざǖ缙收掀荡蔚难臼葜械难就雅莶问，得到多个样本脱泡参数，并根据多个样本脱泡参数构建脱泡参数寻优空间。通过基于检索得到的样本脱泡参数构建脱泡参数寻优空间，可以减少脱泡参数寻优的随机性和盲目性，同时为下一步进行脱泡参数寻优提供支持。[0022] 步骤四：基于所述脱泡参数寻优空间，利用简化脱泡质量评价函数进行脱泡参数寻优，输出优化脱泡参数集合，其中，脱泡参数包括真空度、温度、压力、搅拌速度和脱泡时间。[0023] 具体而言，基于BP神经网络构建脱泡分析模型，所述脱泡分析模型为机器学习中可以进行迭代优化的神经网络模型，通过训练数据集进行监督训练得到；所述脱泡分析模型用于根据脱泡参数进行脱泡后的气泡去除率和树脂密度预测，用于提高脱泡结果分析的智能化，减少实验时间，提高寻优效率；构建简化脱泡质量评价函数，所述简化脱泡质量评价函数用于根据气泡去除率和树脂密度预测结果进行脱泡质量评估。[0024] 接着基于脱泡参数寻优空间、脱泡分析模型和简化脱泡质量评价函数，利用寻优算法进行脱泡参数寻优，其中脱泡参数包括真空度、温度、压力、搅拌速度和脱泡时间，根据寻优结果输出优化脱泡参数集合，其中优化脱泡参数集合中包含多个较优的脱泡参数。[0025] 步骤五：基于所述优化脱泡参数集合对混合原料进行脱泡测试，利用标准脱泡质量评价函数对脱泡测试结果进行质量评估，确定最优脱泡参数，并根据最优脱泡参数执行后续脱泡作业。[0026] 具体而言，以所述优化脱泡参数集合为基准，控制真空脱泡设备对混合加工后的绝缘树脂进行脱泡测试，输出多个脱泡测试结果，其中脱泡测试结果和优化脱泡参数一一对应；构建标准脱泡质量评价函数，其中标准脱泡质量评价函数的评价指标包括气泡去除率、树脂密度、透明度、表面光滑度和颜色均匀系数；进一步利用标准脱泡质量评价函数对多个脱泡测试结果进行质量评估，并将质量评估系数最大的优化脱泡参数设定为最优脱泡参数。最后根据最优脱泡参数执行后续脱泡作业，从而达到提高最优脱泡参数得到的精度、准确性和效率的技术效果。[0027] 通过提供一种基于大数据分析的绝缘树脂性能优化方法，可以解决现有方法进行绝缘树脂的脱泡工艺优化分析时，往往依赖于实验试错，存在寻优随机性和盲目性较大的缺陷，需要花费较长时间，同时寻优结果的精度和准确性难以得到保障的技术问题。首先，基于预定影响指标采集目标绝缘树脂的环境干扰因子，获取环境干扰因子集；然后，读取目标绝缘树脂的应用电气元件和树脂属性信息，以所述环境干扰因子集、应用电气元件和树脂属性信息为约束，基于工业大数据进行数据挖掘，得到样本数据集，其中，树脂属性信息包括预定原料比例和预定混合工艺参数；接着，根据预定约束条件对所述样本数据集进行筛。崛÷阍ざㄔ际跫的样本数据中的样本脱泡参数，构建脱泡参数寻优空间，其中，预定约束条件包括预定使用寿命和预定电气故障频次；接下来，基于所述脱泡参数寻优空间，利用简化脱泡质量评价函数进行脱泡参数寻优，输出优化脱泡参数集合，其中，脱泡参数包括真空度、温度、压力、搅拌速度和脱泡时间；最后，基于所述优化脱泡参数集合对混合原料进行脱泡测试，利用标准脱泡质量评价函数对脱泡测试结果进行质量评估，确定最优脱泡参数，并根据最优脱泡参数执行后续脱泡作业。通过基于大数据进行关联检索，可以减少寻优的随机性和盲目性，同时利用智能化手段进行脱泡参数优化分析，可以节约寻优分析时间，提高寻优结果得到的精度、准确性和效率。[0028] 进一步，获取预定影响指标，如附图2所示，本申请步骤一包括：[0029] 采集获取目标绝缘树脂的多个环境干扰因子，其中，多个环境干扰因子至少包括紫外线强度均值、紫外线强度极值、温度均值、温度极值、温差特征、湿度均值、湿度极值、腐蚀强度均值和腐蚀强度极值；基于工业大数据，依次对多个环境干扰因子与树脂使用寿命进行关联性分析，并选取关联系数大于预定关联阈值的环境干扰因子设定为影响指标，添加至所述预定影响指标。[0030] 具体而言，首先，采集获取目标绝缘树脂的多个环境干扰因子，环境干扰因子是指对目标绝缘树脂使用寿命产生影响的环境因素，其中，多个环境干扰因子至少包括紫外线强度均值、紫外线强度极值、温度均值、温度极值、温差特征、湿度均值、湿度极值、腐蚀强度均值和腐蚀强度极值，本领域技术人员也可根据基于实际情况添加其他环境干扰因子。接着基于工业大数据，检索得到多个包含环境干扰因子和树脂使用寿命的样本数据；进一步根据多个样本数据，基于单一变量分析原理，依次对多个环境干扰因子与树脂使用寿命进行关联性分析，其中常用的关联性分析方法包括统计分析、相关性分析、回归分析等，可基于实际需求选择适配的分析方法，这些方法可以帮助确定各个因子与树脂使用寿命之间的相关程度，得到多个关联系数，其中，相关程度越高，对应的关联系数越大，关联系数和环境干扰因子一一对应。然后选取关联系数大于预定关联阈值的环境干扰因子设定为影响指标，其中影响指标反映了在实际使用环境中对树脂性能和寿命有显著影响的环境因素，得到多个影响指标设定为预定影响指标。[0031] 进一步，构建脱泡参数寻优空间，本申请步骤三包括：[0032] 根据预定使用寿命和预定电气故障频次对所述样本数据集进行筛。阍ざㄊ褂檬倜衣阍ざǖ缙收掀荡蔚难臼葜械难就雅莶问瓒ㄎ细裱就雅莶问，得到满足预定数量约束的多个合格样本脱泡参数；统计相同合格样本脱泡参数的出现频次，选取出现频次大于预定频次阈值的相同合格样本脱泡参数设定为标准脱泡参数，得到多个标准脱泡参数，并基于多个标准脱泡参数构建脱泡参数寻优空间。[0033] 具体而言，首先，根据预定使用寿命和预定电气故障频次对所述样本数据集进行筛。阍ざㄊ褂檬倜衣阍ざǖ缙收掀荡蔚难臼葜械难就雅莶问瓒ㄎ细裱就雅莶问，得到满足预定数量约束的多个合格样本脱泡参数，其中若筛选后得到的合格样本脱泡参数数量不满足预定数量约束，则可进行迭代检索和筛选。接着统计相同合格样本脱泡参数的出现频次，并选取出现频次大于预定频次阈值的相同合格样本脱泡参数设定为标准脱泡参数，其中标准脱泡参数为出现频次较大的合格样本脱泡参数，可以提高标准脱泡参数得到的稳定性和可靠性，得到多个标准脱泡参数；最后将多个标准脱泡参数的最小参数特征作为脱泡参数寻优空间的下限，将最大参数特征作为脱泡参数寻优空间的上限，生成脱泡参数寻优空间。[0034] 进一步，基于所述脱泡参数寻优空间，利用简化脱泡质量评价函数进行脱泡参数寻优，输出优化脱泡参数集合，本申请步骤四包括：[0035] 所述脱泡参数寻优空间包括真空度约束阈值、温度约束阈值、压力约束阈值、搅拌速度约束阈值和脱泡时间约束阈值；在真空度约束阈值、温度约束阈值、压力约束阈值、搅拌速度约束阈值和脱泡时间约束阈值内随机选取一参数进行组合，生成第一初始脱泡参数，迭代选取得到多个初始脱泡参数；利用脱泡分析模型对多个初始脱泡参数进行预测，得到多个预测脱泡结果，其中，预测脱泡结果包括预测气泡去除率和预测树脂密度；利用简化脱泡质量评价函数对多个预测脱泡结果进行评估，得到多个适应度，其中，简化脱泡质量评价函数包括气泡去除率的第一权重和树脂密度的第二权重；将初始脱泡参数视为初始解，按照适应度由大到小对多个初始解进行排列，生成初始解序列，选取初始解序列的前N个初始解设定为优解，后M个初始解设定为劣解，其中，N与M之和为初始解的数量，且M为N的整倍数；以N个优解为中心，对M个劣解进行随机聚类，得到N个领域，其中，每个领域内的劣解数量相同；在N个领域内，以优解为寻优方向，按照预定多元寻优步长对领域内的劣解进行一次变异，得到N个更新领域，其中，若变异后的劣解不满足脱泡参数寻优空间，则不进行变异；识别N个更新领域，若在同一更新领域内，存在劣解的适应度大于优解的适应度，则利用劣解对优解进行替换；进行迭代寻优，直至满足预定寻优次数，输出N个当前领域，选取N个当前领域中适应度之和最大的领域设定为最优领域，将最优领域作为所述优化脱泡参数集合。[0036] 具体而言，其中所述脱泡参数寻优空间包括真空度约束阈值、温度约束阈值、压力约束阈值、搅拌速度约束阈值和脱泡时间约束阈值，约束阈值是指脱泡参数的调整范围；接着在真空度约束阈值、温度约束阈值、压力约束阈值、搅拌速度约束阈值和脱泡时间约束阈值内随机选取一参数进行组合，得到第一初始脱泡参数，并继续进行迭代选。玫蕉喔龀跏纪雅莶问。[0037] 基于BP神经网络构建脱泡分析模型，所述脱泡分析模型为机器学习中可以进行迭代优化的神经网络模型，通过训练数据集进行监督训练得到；所述脱泡分析模型用于根据脱泡参数进行脱泡后的气泡去除率和树脂密度预测。接着利用脱泡分析模型对多个初始脱泡参数进行预测，得到多个预测脱泡结果，其中，预测脱泡结果包括预测气泡去除率和预测树脂密度。构建简化脱泡质量评价函数，其中简化脱泡质量评价函数包括气泡去除率的第一权重和树脂密度的第二权重，用于对气泡去除率和树脂密度进行加权计算，第一权重和第二权重之和为1，可根据指标影响度设置对应的权重，影响度越大，对应的权重越大。进一步利用简化脱泡质量评价函数对多个预测脱泡结果进行评估，得到多个适应度，其中适应度越大，表征脱泡质量越好。[0038] 将初始脱泡参数视为初始解，按照适应度由大到小对多个初始解进行排列，生成初始解序列，并选取初始解序列的前N个初始解设定为优解，后M个初始解设定为劣解，其中，N与M之和为初始解的数量，且M为N的整倍数。接着以N个优解为中心，对M个劣解进行随机聚类，得到N个领域，其中，每个领域内的劣解数量相同。然后在N个领域内，以优解为寻优方向，按照预定多元寻优步长对领域内的劣解进行一次变异，其中预定多元寻优步长包括空度调整步长、温度调整步长、压力调整步长、搅拌速度调整步长和脱泡时间调整步长，可根据寻优需求进行设置，得到N个更新领域，其中，若变异后的劣解不满足脱泡参数寻优空间，则不对该尾解进行变异。然后识别N个更新领域，若在同一更新领域内，存在劣解的适应度大于优解的适应度，则利用劣解对优解进行替换。不断进行代寻优，直至满足预定寻优次数，输出N个当前领域，并选取N个当前领域中适应度之和最大的领域设定为最优领域，将最优领域作为所述优化脱泡参数集合。[0039] 通过利用上述寻优算法进行脱泡参数寻优，由于该算法的全局搜索能力较强，因此可以避免陷入局部最优，提高优化脱泡参数集合得到的可靠性、准确性和实用性。[0040] 进一步，构建脱泡分析模型，本申请还包括如下步骤：[0041] 基于大数据，以脱泡设备属性信息和所述树脂属性信息为约束，检索获取样本训练数据集，其中，样本训练数据包括样本脱泡参数、样本气泡去除率和样本树脂密度；将样本训练数据集等分为K份，并有放回地选取K次，构建第一数据集，迭代选取K次，得到K个训练集；以样本脱泡参数为输入，以样本气泡去除率和样本树脂密度为监督，利用K个训练集对BP神经网络进行监督训练和交叉验证，得到K个脱泡分析单元，基于K个脱泡分析单元并行搭建脱泡分析模型，其中，脱泡分析模型的输出为K个脱泡分析单元输出结果的众数。[0042] 具体而言，基于工业大数据，以脱泡设备属性信息和所述树脂属性信息为约束，检索获取样本训练数据集，其中，脱泡设备属性信息包括设备类型、设备规格、工作原理等，样本训练数据包括样本脱泡参数、样本气泡去除率和样本树脂密度。接着将样本训练数据集等分为K份，得到K份数据集，并在K份数据集中有放回地选取K次，构建第一数据集，迭代选取K次，得到K个训练集。[0043] 基于BP神经网络构建初始脱泡分析单元，其中初始脱泡分析单元的输入数据为样本脱泡参数，输出数据为样本气泡去除率和样本树脂密度。接着利用K个训练集分别对初始脱泡分析单元进行监督训练，其中，可利用梯度下降算法和损失函数进行梯度训练，并在满足预定训练次数后，进行数据集交换，利用交换后的数据集对K个初始脱泡分析单元进行验证训练，得到符合预期收敛约束的K个脱泡分析单元，并基于K个脱泡分析单元并行搭建脱泡分析模型，其中，脱泡分析模型的输出为K个脱泡分析单元输出结果的众数。通过基于K个脱泡分析单元并行搭建脱泡分析模型，可以减少单个脱泡分析单元的预测误差，进一步提高脱泡质量预测的准确性和可靠性。[0044] 进一步，利用标准脱泡质量评价函数对脱泡测试结果进行质量评估，确定最优脱泡参数，本申请步骤五包括：[0045] 基于预定检测方案，对所述脱泡测试结果进行多重检测，得到第一脱泡检测结果，其中，第一脱泡检测结果包括气泡去除率、树脂密度、表面光滑度和透明度；通过图像传感器对脱泡测试结果进行图像采集，得到树脂图像，基于树脂图像分析得到第二脱泡检测结果，其中，第二脱泡检测结果为颜色均匀系数；利用标准脱泡质量评价函数对气泡去除率、树脂密度、透明度、表面光滑度和颜色均匀系数进行质量评估，得到多个质量评估系数，并选取最大质量评估系数对应的优化脱泡参数设定为所述最优脱泡参数。[0046] 具体而言，基于预定检测方案，对所述脱泡测试结果进行多重检测，比如：通过视觉检查树脂表面的光滑度和透明度，使用密度计测量树脂密度，并通过实验数据计算气泡去除率，得到第一脱泡检测结果，其中，第一脱泡检测结果包括气泡去除率、树脂密度、表面光滑度和透明度。接着通过图像传感器对脱泡测试结果进行图像采集，得到树脂图像，进一步根据树脂图像分析得到第二脱泡检测结果，其中，第二脱泡检测结果为颜色均匀系数，颜色均匀系数表征颜色均匀度，颜色均匀系数越高，表征脱泡质量越好。[0047] 最后利用标准脱泡质量评价函数对气泡去除率、树脂密度、透明度、表面光滑度和颜色均匀系数进行质量评估，得到多个质量评估系数，其中质量评估系数越高，表征整体脱泡质量越好；最后选取最大质量评估系数对应的优化脱泡参数设定为所述最优脱泡参数。[0048] 进一步，基于树脂图像分析得到第二脱泡检测结果，本申请还包括如下步骤：[0049] 对树脂图像进行灰度处理，得到灰度树脂图像，按照预设尺寸对灰度树脂图像进行网格划分，得到灰度网格图像集；依次对灰度网格图像集进行特征分析，得到灰度特征集，其中，以灰度网格图像的中心区域灰度值为基准，对周围区域灰度值进行判断，将大于中心区域灰度值的周围区域标记为1，将小于等于中心区域灰度值的周围区域标记为0，基于二进制算法得到灰度网格图像的灰度特征值；对所述灰度特征集进行方差计算，基于方差计算结果设定颜色均匀系数，其中，颜色均匀系数和方差计算结果负相关。[0050] 具体而言，对树脂图像进行灰度处理，得到灰度树脂图像，其中灰度处理是指将彩色图像转换为仅包含灰度级(0?255)的单色图像的过程，这种处理有助于减少图像中的颜色信息，从而更容易地专注于图像的纹理和细节。常用的图像灰度处理方法包括平均值灰度化、加权平均值灰度化等，可根据实际情况选择适配的方法。进一步按照预设尺寸对灰度树脂图像进行网格划分，其中预设尺寸为网格尺寸，比如可设置网格尺寸为3乘3的像素网格，得到灰度网格图像集。[0051] 其中灰度特征分析方法为，首先，以灰度网格图像的中心区域灰度值为基准，对周围区域灰度值进行判断，将大于中心区域灰度值的周围区域标记为1，将小于等于中心区域灰度值的周围区域标记为0；接着基于二进制算法将所有周围区域的二进制编码组合起来，得到灰度网格图像的灰度特征值；然后利用灰度特征分析方法依次对灰度网格图像集进行特征分析，得到灰度特征集。[0052] 进一步对所述灰度特征集进行方差计算，并根据方差计算结果设定颜色均匀系数，其中颜色均匀系数和方差计算结果负相关，方差计算结果越。碚餮丈迤钤叫。蜓丈认凳酱。通过利用上述方法进行颜色均匀性分析，可以提高均匀性分析的便捷性，同时可以提高颜色均匀系数得到的准确性和效率。[0053] 进一步，本申请还包括如下步骤：[0054] 所述标准脱泡质量评价函数的表达式为：P＝v1log0.5RA+v2log0.5RB+v3log0.5RC+v4log0.5RD+v5log0.5RE；其中，P为质量评估系数，v1为气泡去除率权重，RA为气泡去除率，v2为树脂密度权重，RB为树脂密度，v3为透明度权重，RC为透明度，v4为表面光滑度权重，RD为表面光滑度，v5为颜色均匀系数权重，RE为颜色均匀系数。[0055] 具体而言，在所述标准脱泡质量评价函数中，P为质量评估系数，v1为气泡去除率权重，RA为气泡去除率，v2为树脂密度权重，RB为树脂密度，v3为透明度权重，RC为透明度，v4为表面光滑度权重，RD为表面光滑度，v5为颜色均匀系数权重，RE为颜色均匀系数。通过构建标准脱泡质量评价函数，可以提高脱泡质量综合评估的可靠性和效率。[0056] 综上所述，本申请所提供的一种基于大数据分析的绝缘树脂性能优化方法具有如下技术效果：[0057] 通过以环境干扰因子集、应用电气元件和树脂属性信息为约束条件，基于工业大数据检索获取样本数据集，接着基于样本数据集分析确定脱泡参数寻优空间，可以减少脱泡参数寻优的随机性和盲目性；接着基于脱泡参数寻优空间，利用简化脱泡质量评价函数和脱泡分析模型进行脱泡参数寻优，得到优化脱泡参数集合，可以提高脱泡寻优分析的智能化，减少实验次数，节约寻优分析时间；最后基于优化脱泡参数集合对混合原料进行脱泡测试，利用标准脱泡质量评价函数对脱泡测试结果进行质量评估，将质量评估结果最好的脱泡参数设定为最优脱泡参数，并根据最优脱泡参数执行后续脱泡作业，从而达到提高最优脱泡参数得到的精度、准确性和效率的技术效果。[0058] 对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。[0059] 显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。

专利地区：浙江

专利申请日期：2024-06-26

专利公开日期：2024-11-29

专利公告号：CN118609733B