基于原料聚合物流变特性的在线质量控制方法及其系统

本发明属于聚合物加工工艺，涉及基于原料聚合物流变特性的在线质量控制方法及其系统，用于在线确定聚合物材料质量的方法，这些方法涉及流变技术和人工智能。

背景技术：

1、在聚合物的制造和加工过程中，通常需要检测聚合物的质量，其中根据astm等标准程序测量聚合物性质，例如熔体流动、可溶性、密度和力学性能等，评估制造工艺的连续性和可靠性。整个取样和检测过程发生在生产过程之后，会需要数小时，也难以取得生产过程中各环节的样品进行测试。如果聚合物性能指标不符合要求，该制造批次将被废弃，并且工艺工程师需要分析问题，确定问题出现的时间、环节，采取纠正措施。然而，工艺工程师可能需要分析整个生产过程采集到的所有数据，因此，这个过程是昂贵、费力和缓慢的。此外，产线中不同环节的力场强度、流速、流道几何形貌均不一致，对应的剪切速率也不同，产线中的聚合物熔体/溶液为非牛顿流体，不同剪切速率下的黏度等流变特性往往不同，因此只监测产线末端的样品难以确定问题出现的具体环节和时间。由于制造工厂的生产率通常很高，数小时的滞后时间意味着在检测到任何问题之前要收集数吨产品。

2、因此，在本领域中存在未满足的需求，即加速质量控制过程以降低成本并为工艺工程师提供快速、精准以及可靠的反馈。

技术实现思路

1、本发明的目的是针对现有技术的不足，提供基于原料聚合物流变特性的在线质量控制方法及其系统。

2、第一方面，本发明提供一种基于原料聚合物流变特性的在线质量控制方法，所述方法包括：

3、s1：通过传感器装置，获取原料聚合物熔体加工产线不同区间的实时流动信息；其中所述流动信息包括流速及流速梯度分布、温度及温度梯度分布、应力及应力梯度分布；

4、s2：将收集到的实时流动信息转换成不同时刻的一个或多个流变特性曲线，每条流变特性曲线包括一个或多个峰和/或谷，所述峰、谷均表征原料聚合物物化性质；

5、所述流变特性包括表观黏度、零切黏度、剪切速率、剪切应力、松弛时间、触变环、结构指数、非牛顿指数、线性粘弹区临界应变、deborah数、复数模量、储能模量、损耗模量、损耗因子、损耗角正切；

6、s3：对上述不同时刻的流变特性曲线用特征工程方法进行筛选，得到相关性流变特性曲线：

7、s4：将相关性流变特性曲线输入至聚合物性质计算装置，得到当前时间段内产品质量预测值；

8、所述聚合物性质计算装置执行一种或多种经训练并验证好的机器学习算法；

9、s5：判断产品质量预测值是否落在阈值范围内，若是则认为当前原料聚合物加工产线流动信息符合要求，若否则不符合要求，需要对当前原料聚合物加工产线工艺参数做调整。

10、作为优选，步骤s3中所述的特征工程方法采用线性指标筛选，模型筛选，数据降维中的一种。所述的线性指标筛选采用皮尔逊系数、r平方、卡方检验、iv、woe中的一种；所述的模型筛选采用决策树、回归中的一种；所述的数据降维采用主成分分析和变量聚类中的一种。

11、作为优选，步骤s3中所述机器学习模型包括：回归模型、分类模型、聚类模型中的一种。

12、所述回归模型包括：线性回归、随机森林rf、梯度提升树gbm、决策树中的一种；

13、所述分类模型包括：朴素贝叶斯、逻辑回归、神经网络、支持向量机svm中的一种；

14、所述聚类模型包括：k均值聚类、k-modes聚类、dbscan聚类中的一种。

15、第一方面，本发明提供在线质量控制系统，包括：

16、实时加工数据获取单元，通过传感器装置获取原料聚合物熔体加工产线不同区间的实时流动信息；

17、第一计算单元，将实时流动信息转换成不同时刻的一个或多个流变特性曲线，每条流变特性曲线包括一个或多个峰和/或谷，所述峰、谷均表征原料聚合物物化性质；

18、第二计算单元，对不同时刻的流变特性曲线用特征工程方法进行筛选，得到相关性流变特性曲线；

19、产品质量预测单元，将相关性流变特性曲线输入至聚合物性质计算装置，得到当前时间段内产品质量预测值；

20、工艺参数调控单元，根据产品质量预测值对当前原料聚合物加工产线工艺参数做适应性调整。

21、第三方面，本发明提供一种计算设备，包括存储器和处理器，所述存储器中存储有可执行代码，所述处理器执行所述可执行代码时，实现所述的方法。

22、第四方面，本发明提供一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行所述的方法。

23、本发明采用了在线流变检测技术，结合ai算法，带来了在线质量控制技术效率和准确性的提升。

技术特征：

1.一种基于原料聚合物流变特性的在线质量控制方法，其特征在于所述方法包括：

2.根据权利要求1所述方法，其特征在于所述原料聚合物为聚乙烯。

3.根据权利要求2所述方法，其特征在于步骤s2中所述流变特性为剪切速率、剪切应力、表观黏度；

4.根据权利要求1所述方法，其特征在于步骤s3中所述的特征工程方法采用线性指标筛选，模型筛选，数据降维中的一种。

5.根据权利要求4所述方法，其特征在于步骤s3中所述的线性指标筛选采用皮尔逊系数、r平方、卡方检验、iv、woe中的一种；所述的模型筛选采用决策树、回归中的一种；所述的数据降维采用主成分分析和变量聚类中的一种。

6.根据权利要求1所述方法，其特征在于步骤s3中所述机器学习模型包括：回归模型、分类模型、聚类模型中的一种。

7.根据权利要求6所述方法，其特征在于步骤s3中所述回归模型包括：线性回归、随机森林rf、梯度提升树gbm、决策树中的一种；

8.实现权利要求1-7任一项所述方法的在线质量控制系统，其特征在于包括：

9.一种计算设备，包括存储器和处理器，所述存储器中存储有可执行代码，所述处理器执行所述可执行代码时，实现权利要求1-7任一项所述的方法。

10.一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行权利要求1-7中任一项所述的方法。

技术总结
本发明公开一种基于原料聚合物流变特性的在线质量控制方法及其系统。获取原料聚合物熔体加工产线不同区间的实时流动信息，将其转换成不同时刻的一个或多个流变特性曲线；对上述不同时刻的流变特性曲线用特征工程方法进行筛选，得到相关性流变特性曲线：将相关性流变特性曲线输入至聚合物性质计算装置，得到当前时间段内产品质量预测值；判断产品质量预测值是否落在阈值范围内，若是则认为当前原料聚合物加工产线流动信息符合要求，若否则不符合要求，需要对当前原料聚合物加工产线流动信息做调整。本发明采用了在线流变检测技术，结合AI算法，带来了在线质量控制技术效率和准确性的提升。

技术研发人员：陈珣,陈鹏,黄威,洪亮
受保护的技术使用者：中国科学院宁波材料技术与工程研究所
技术研发日：
技术公布日：2024/1/15