一种基于深度学习的工件局部热量控制方法

本发明公开了一种基于深度学习的工件局部热量控制方法，包括以下步骤：步骤一、准备神经网络数据：使用热像仪拍摄被检测对象，获取其系统的整体温度分布图；步骤二、训练神经网络：将控制参数v作为输入，以其标签(Ts1，Ts2)为输出，训练双输出的深度学习模型；本方案建议采用7层网络结构的深度学习模型；步骤三、随机生成控制参数，根据神经网络的预测结果选择最优参数：进行小范围温度调控时，首先记录此时s1区域和s2区域的温度Ts1，pre和Ts2，pre。该基于深度学习的工件局部热量控制方法，提出了一种创新的控制策略，通过神经网络优化控制参数，实现特定区域温度的精准调控，同时有效维持其他区域的温度稳定，从而满足压铸和注塑过程对高精度温控的需求。