公开(公告)号：CN113887133B

公开(公告)日：2025-01-14

申请号：CN202111132737.5

申请日：2021-09-27

Applicant: 中国计量大学

Inventor： 朱俊江 ,  宋进宏 ,  陈红岩 ,  李孝禄

IPC: G06F30/27 ,  G06F16/58 ,  G06F16/583 ,  B22D17/22 ,  B22D17/32 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084 ,  G06F113/22 ,  G06F119/08

Abstract: 本发明公开了基于深度学习的压铸系统自动冷却方法。通过引入卷积神经网络(CNN)与深度学习的方式，对金属液体凝固形成产品后模具表面热成像图和冷却系统工作结束后模具表面热成像图进行特征提取，使得冷却系统原本的输入与输出由图像形式改变为数学矩阵形式，损失函数就能实现对输入与输出图像的计算，进而获得通水量和通水时间的理想值。本发明中通过CNN神经网络确定冷却系统中的通水量与通水时间来实现理想的冷却效果，相比于经验法，在实际生产中本发明的方法在调节的过程中更灵活；实现了科学的控制冷却系统的目的，更可以达到延长模具使用寿命、缩小加工误差的目标。

公开(公告)号：CN113887133A

公开(公告)日：2022-01-04

申请号：CN202111132737.5

申请日：2021-09-27

Applicant: 中国计量大学

Inventor： 朱俊江 ,  宋进宏 ,  陈红岩 ,  李孝禄

IPC: G06F30/27 ,  G06F16/58 ,  G06F16/583 ,  B22D17/22 ,  B22D17/32 ,  G06N3/04 ,  G06N3/08 ,  G06F113/22 ,  G06F119/08

Abstract: 本发明公开了基于深度学习的压铸系统自动冷却方法。通过引入卷积神经网络(CNN)与深度学习的方式，对金属液体凝固形成产品后模具表面热成像图和冷却系统工作结束后模具表面热成像图进行特征提取，使得冷却系统原本的输入与输出由图像形式改变为数学矩阵形式，损失函数就能实现对输入与输出图像的计算，进而获得通水量和通水时间的理想值。本发明中通过CNN神经网络确定冷却系统中的通水量与通水时间来实现理想的冷却效果，相比于经验法，在实际生产中本发明的方法在调节的过程中更灵活；实现了科学的控制冷却系统的目的，更可以达到延长模具使用寿命、缩小加工误差的目标。