摘要
本发明公开了基于温控传递深度学习模型的最优控制策略设定方法,包括收集数据:假设某个模具中有N个水道,则可以在注塑材料在注入模具之后立刻拍摄一张热像图图片,记作训练模型:采用卷积神经网络模型,卷积神经网络包括第一卷积层,第一池化层,第二卷积层,第二池化层,第三卷积层,第三池化层,第四卷积层,第四池化层,第一全连接层,第二全连接层和损失函数、制定最优控制策略。该基于温控传递深度学习模型的最优控制策略设定方法,采用新型的结构设计,根据温度采用合适的控制策略控制注塑模具中的温度,从而达到最佳的使用效果,此过程中不需要通过人员经验判断,可以快速准确的判断出温控策略。
技术关键词
深度学习模型
卷积神经网络模型
积层
控制策略
温控
注塑材料
Adam算法
深度学习网络
随机梯度下降
正则化参数
图片
模具
矩阵
注塑模
非线性
数据
曲线
系统为您推荐了相关专利信息
测试数据采集方法
多模态
数据分析算法
数据压缩
数据采集设备
智能写作
多模态数据采集
协作平台
可视化界面
文本
数字孪生方法
卷积神经网络模型
参数
控制螺旋桩
螺旋叶片
自动化生成方法
规划系统
测试场景
深度强化学习模型
训练深度学习模型