买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜巨鑫(江苏)新材料包装有限公司申请的专利一种拉丝膜复合包装材料制备方法及其自动制备装置获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN118852687B 。

龙图腾网通过国家知识产权局官网在2025-02-21发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202410978726.6，技术领域涉及：G16C20/10；该发明授权一种拉丝膜复合包装材料制备方法及其自动制备装置是由杭建;许凤设计研发完成，并于2024-07-19向国家知识产权局提交的专利申请。

本一种拉丝膜复合包装材料制备方法及其自动制备装置在说明书摘要公布了：本发明涉及材料制备技术领域，公开一种拉丝膜复合包装材料制备方法及其自动制备装置，其中，一种拉丝膜复合包装材料制备方法，包括如下步骤：选择聚合物单体，将单体溶解于适当的溶剂中，加热至适当温度，并使用搅拌装置进行搅拌混合，使单体发生聚合反应，形成聚合物溶液；将聚合物溶液进行脱水处理，去除溶液中的少量低分子杂质，得到相对较纯净的聚合物；将聚合物干燥至适当的水分，使其凝固为固体颗粒；将干燥的聚合物颗粒经过薄膜化处理，制成柔软而坚韧的薄膜；可以获得高纯度的聚合产物产品，通过搅拌器进行搅拌混合，去除溶液中少量的低分子杂质，通过选择不同的聚合物单体即可方便地制备出各种不同类型的聚合物。

本发明授权一种拉丝膜复合包装材料制备方法及其自动制备装置在权利要求书中公布了：1.一种拉丝膜复合包装材料制备方法，其特征在于：包括如下步骤：选择聚合物单体，将单体溶解于适当的溶剂中，加热至适当温度，并使用搅拌装置进行搅拌混合，使单体发生聚合反应，形成聚合物溶液；将聚合物溶液进行脱水处理，去除溶液中的少量低分子杂质，得到相对较纯净的聚合物；将聚合物干燥至适当的水分，使其凝固为固体颗粒；将干燥的聚合物颗粒经过薄膜化处理，制成柔软而坚韧的薄膜；根据需要，将薄膜进行裁剪、成型处理，制成所需的包装材料；选择聚合物单体，将单体溶解于适当的溶剂中的步骤，引入智能优化算法和深度学习算法来实时监控和调节溶液温度和搅拌速度，以优化聚合反应效率；具体实施过程如下：步骤A传感器的部署及数据采集：部署传感器收集溶液温度、粘度和颜色数据，确保数据准确、实时地反馈到控制系统；温度传感器:使用电阻温度检测器，采集之后的计算公式如下： 其中，T是温度，R是温度传感器的电阻，R0是传感器在0℃时的电阻，α代表了传感器的温度系数；粘度传感器:使用旋转粘度计，该传感器可以实时监控溶液的粘度变化；粘度的计算公式为：η＝K·f0-f式中，η为计算出的粘度值，f代表了当前振动频率，f0是传感器在无负载状态下的振动频率，K是传感器的校准系数；颜色传感器:使用光谱分析仪和CMOS图像传感器，光谱分析仪能够捕捉溶液的颜色变化，而CMOS图像传感器可以拍摄溶液的图像用于后续图像分析；对于颜色传感器，其输出为RGB图像，可以直接用于后续的图像分析和处理；步骤B带有注意力机制的多模态卷积神经网络模型的搭建与训练：该结构结合粘度传感器、温度传感器和图像数据，识别并判断聚合反应的进行情况，分析溶液的颜色和粘度；定义了三种不同的颜色区间，对应不同的反应时期和粘度分类：反应初期：颜色为淡黄色至浅黄色；粘度是低粘度；反应中期：颜色在浅黄色至深黄色之间；粘度则是中等粘度；反应后期：颜色位于深黄色至琥珀色；粘度是高粘度；将每个图像与对应的温度和粘度数据匹配，构建多模态数据集；图像数据预处理：尺寸调整：将所有图像调整为统一尺寸，位于224x224像素；归一化处理：对图像像素值进行归一化处理，将像素值缩放到[0，1]范围；传感器数据预处理：标准化处理：将温度和粘度数据进行标准化处理，使其具有相同的尺度，便于与图像数据融合；网络实现：图像特征提取模块：输入图像数据X经过一系列卷积层和池化层，提取低级和高级特征；卷积计算公式： 公式中，I是输入图像像素矩阵，K表示滤波器矩阵，M对应为滤波器的高度，N对应为滤波器的宽度；O表示对应的卷积后的输出矩阵；i和j分别对应的输出矩阵0的横坐标位置和纵坐标位置；m和n分别对应的滤波器矩阵K的横坐标位置和纵坐标位置；池化计算公式： 其中，Qx，y是池化后的输出特征图，x，y分别代表了输出特征图的横坐标和纵坐标位置索引，u和v是池化窗口内的横坐标和纵坐标位置索引，h和w代表了池化窗口的高度和宽度，sh和sw分别代表了池化操作在垂直和水平方向的步幅；P是输入特征图；传感器数据处理模块：输入温度数据T和粘度数据H通过全连接层提取特征；全连接层计算公式：Fsensor＝σWsensor·[T，H]+bsensor其中，Fsensor是计算后的传感器特征，Wsensor表示计算温度和粘度特征的全连接层权重，bsensor表示的相应的偏置项，σ表示的是激活函数；注意力机制模块；计算图像特征和传感器特征之间的注意力权重，通过如下的步骤：计算注意力能量：注意力能量ei是通过将图像特征和传感器特征进行线性变换并加和后，通过非线性激活函数计算得到的，计算公式如下所述；ei＝tanhWaFimage，i+UaFsensor+ba其中，ei是第i个图像特征对应的注意力能量，Fimage，i代表了第i个图像特征的特征向量，Fsensor表示传感器特征向量，Wa是与图像特征线性变换有关的权重矩阵，Ua是与传感器特征线性变换有关的权重矩阵，tanh是双曲正切函数，作为非线性激活函数，ba是注意力机制中非线性变换的偏置向量，a是注意力，表示涉及的矩阵均为注意力操作中的参数；计算注意力权重：注意力权重αi通过对注意力能量ei进行softmax函数归一化得到； 式中，αi是第i个图像特征对应的注意力权重，ei是第i个图像特征对应的注意力能量，N是图像特征的数目，exp表示为指数函数，用于将注意力能量映射到正数范围，j是索引变量，用于遍历所有输入特征；ej表示第j个元素的注意力得分；计算上下文向量：上下文向量C是对图像特征按照注意力权重αi加权求和得到的； C代表了上下文向量，αi是第i个图像特征对应的注意力权重，N是图像特征的数目，Fimage，i代表了第i个图像特征的特征向量；特征融合：将上下文向量C与传感器特征进行拼接，得到融合特征；Ffused＝concatC，FsensorFfused表示融合特征，concat表示特征拼接操作，将两个特征向量拼接在一起；分类模块：将融合特征输入到全连接层，通过激活函数计算分类结果，计算公式如下：Ffc1＝σWfc1·Ffused+bfc1 式中，Ffc1是分类模块中全连接层特征，Wfc1，Wout是分类模块中全连接层权重，bfc1，bout是分类模块中相应的偏置向量，是输出分类概率，σ和softmax表示激活函数；模型训练：训练带有注意力机制的多模态卷积神经网络模型，以实现对溶液颜色和粘度的实时分析和判断；数据准备：将样本集划分为训练集，验证集，测试集；超参数设置：学习率，批次大小，训练轮次，优化器，损失函数，激活函数，卷积核大小，卷积层数量，每层卷积核数量，池化层大小，全连接层神经元数量，注意力机制维度，Dropout概率；步骤C结合智能优化算法的控制算法的实现：设计一个结合了遗传算法的二阶滑膜控制算法，利用遗传算法优化滑膜控制算法的参数，以提高系统的控制性能；滑膜控制算法的输入是通过第二步骤中卷积神经网络模型的分类输出判断的，最终利用滑膜控制的输出调整加热温度和搅拌速度，以确保反应条件的最优化；实现步骤如下：卷积神经网络输出处理：使用第B步中的卷积神经网络模型，分类判断当前反应时期和粘度状态，得到当前系统状态；确定系统模型： 其中，xt表示系统状态，ut是控制输入，f表示系统动态方程，系统的非线性动态部分，描述了在没有控制输入ut时系统的行为；表示系统状态的一阶导数，t是时间变量，g是系统的控制增益，描述了控制输入ut如何影响系统的动态；滑模面设计： 式中，λ是滑膜参数，sx，t表示滑膜面函数，是滑膜面函数的导数，是系统状态的二阶导数；设计滑膜控制律：式中，ut是控制输入，K是控制增益，sign是符号函数；遗传算法优化滑膜控制参数：使用遗传算法优化滑模控制参数λ和控制增益K，以最小化控制误差；初始化种群：确定种群大小N；随机生成初始种群，每个个体i包含滑膜面参数λ和控制增益K；适应度函数：其中，J是优化目标函数的值，et是跟踪误差，定义为实际系统状态与期望状态之间的差值；ρ是一个正的权重因子，t表示时间；选择：使用轮盘赌选择算法，根据适应度值选择优良个体；计算每个个体的选择概率：式中，Pi表示每个个体选择的概率；Ji对应第i个个体的适应度函数值，N是种群数量；交叉方法：使用单点交叉，对选中的个体进行基因重组；变异方法：使用均匀变异，对新生成的个体进行基因变异；公式如下，λnew＝λold+mutation_rate·rand-0.5Knew＝Kold+mutation_rate·rand-0.5其中，λnew代表了变异操作后新的滑膜面参数，λold是变异操作前的滑膜面参数，Knew是变异操作后新的控制增益，Kold是变异操作前新的控制增，mutation_rate代表了变异率参数，rand是随机函数；迭代重复上述步骤，直到适应度函数值收敛至预设的迭代次数；步骤D根据控制算法的输出进行实时参数调整：使用第C步中得到的控制算法的输出，即控制输入来实时调整加热温度和搅拌速度，以确保反应条件的最优化；控制算法输出处理：根据步骤C中优化得到的滑膜控制参数λ和K，利用控制算法计算控制输入ut；根据控制输入的取值范围进行对应调节方式：加热温度调节：当ut＞0时，增加加热温度；调节方式为当ut＜0时，减小加热温度；调节方式为其中，T表示温度，Tmin代表了最低温度，Tmax代表最高温度，umax代表了控制输入的最大值；搅拌速度调节：当ut＞0时，增加搅拌速度，调节方式为当ut＜0时，减小搅拌速度，调节方式为其中，St代表了转速，Smin表示转速的最低值，Smax表示转速的最大值。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人巨鑫(江苏)新材料包装有限公司，其通讯地址为：225200 江苏省扬州市江都区仙女镇协佘路3号洪泉智能制造科创园7号整栋；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。