一种制鞋烘箱的温度精确预测方法与流程

本技术涉及温度测量，具体涉及一种制鞋烘箱的温度精确预测方法。背景技术：1、制鞋烘箱是一种用于制鞋工业中，用于将鞋面、鞋底等材料加热定型的设备。在制鞋过程中，烘箱的使用可以确保鞋面和鞋底材料在粘合之前达到合适的温度，从而提高粘合的牢固度和成品鞋的耐用性。制鞋烘箱的工作原理通常基于热风循环，以保证热量均匀分布。对制鞋烘箱的温度进行预测有利于减少过度加热和不均匀加热，通过监测温度变化，还可以预防因温度异常引起的设备故障和损坏，减少停机时间和维修成本。2、现有的温度预测方法有通过时间序列模型进行预测，也有通过机器学习或者是深度学习对制鞋烘箱的历史温度数据进行建模，然后对下一时刻的制鞋烘箱温度进行预测，通过这些方法可以对制鞋烘箱的温度进行粗略预测，但是没有考虑到制鞋烘箱中温度分布不均匀和环境温度影响的情况，导致制鞋烘箱的温度的预测结果不够精确。技术实现思路1、为了解决上述技术问题，提供一种制鞋烘箱的温度精确预测方法，以解决现有的问题。2、本技术解决技术问题的方案是提供一种制鞋烘箱的温度精确预测方法，包括以下步骤：3、通过温度传感器，获得烘箱前段、中段和后段各时刻的温度及各时刻的环境温度；4、根据温度传感器在烘箱前段、中段和后段所有时刻的温度之间的相关性，确定第一相似程度、第二相似程度以及第三相似程度，融合后得到温度关联程度；5、根据温度传感器在烘箱前段、中段和后段各时刻的局部温度变化趋势以及温度变化的异常情况，获得各时刻的修正烘箱温度；6、根据各时刻的修正烘箱温度与环境温度之间的相关程度以及所述温度关联程度，确定烘箱温度关联指数；7、基于烘箱温度关联指数，确定支持向量回归模型中核函数的gamma参数，对制鞋烘箱的温度进行预测。8、优选的，所述确定第一相似程度、第二相似程度以及第三相似程度，包括：9、将温度传感器在烘箱前段所有时刻的温度与烘箱中段所有时刻的温度之间的相关性，记为第一相似程度；10、针对温度传感器在烘箱前段和后段所有时刻的温度，采用与第一相似程度相同的方法，得到第二相似程度，相应地，针对中段和后段所有时刻的温度，得到第三相似程度。11、优选的，所述温度关联程度为所述第一相似程度、所述第二相似程度和所述第三相似程度的正向融合。12、优选的，所述获得各时刻的修正烘箱温度，包括：13、将烘箱中段各时刻邻域内的多个时刻的温度，组成局部温度序列；14、根据所述局部温度序列中各时刻的温度趋势变化程度，获取烘箱中段的温度跳变点；15、采用与烘箱中段的温度跳变点相同的方法，分别获得烘箱前段和后段的温度跳变点；16、根据所述温度跳变点，获得烘箱前段、中段和后段各时刻的修正温度；17、将烘箱前段、中段和后段中同一时刻的修正温度的均值，作为各时刻的烘箱温度。18、优选的，所述温度跳变点的获取方法为：19、根据烘箱中段各时刻与后一时刻的局部温度序列的温度变化差异，确定烘箱中段的各时刻的烘箱温度跳变因子；20、将烘箱中段所有时刻的烘箱温度跳变因子的均值，作为温度跳变阈值；21、根据所述局部温度序列内各时刻与后一时刻的温度之间的变化趋势，得到局部温度序列中各时刻的温度变化率；22、若所述烘箱温度跳变因子大于温度跳变阈值，则对应时刻的后一时刻的局部温度序列内存在温度跳变点，其中，将局部温度序列中温度变化率最大的时刻对应的温度，记为温度跳变点。23、优选的，所述烘箱前段、中段和后段各时刻的修正温度的获取方法为：24、对获得的所有温度跳变点采用聚类算法进行聚类，将离群点记为异常温度跳变点；25、剔除局部温度序列中异常温度跳变点，并采用插值填充方法对局部温度序列进行填充，得到烘箱中段各时刻的修正温度；26、针对烘箱前段和后段各时刻的温度，采用与烘箱中段各时刻的修正温度相同获取方法，得到烘箱前段和后段各时刻的修正温度。27、优选的，所述确定烘箱中段的各时刻的烘箱温度跳变因子，包括：28、将所述局部温度序列内所有时刻的温度的均值，作为烘箱中段的各时刻的局部温度值；29、根据烘箱中段各时刻与后一时刻的局部温度值之间的差异，确定烘箱中段的各时刻的烘箱温度跳变因子。30、优选的，所述确定烘箱温度关联指数，包括：31、根据各时段的修正烘箱温度与对应时段的环境温度之间的相关性，计算温度相似程度；32、基于所述温度相似程度，确定烘箱温度环境影响系数，其中，所述烘箱温度环境影响系数与所有的所述温度相似程度呈正向关系；33、基于所述烘箱温度环境影响系数和所述温度关联程度，确定烘箱温度关联指数，所述烘箱温度关联指数分别与所述烘箱温度环境影响系数和所述温度关联程度呈正向关系。34、优选的，所述温度相似程度的计算方法为：35、将剔除异常温度跳变点后的其余所有温度跳变点，记为非异常温度跳变点；36、对烘箱中段的所有非异常温度跳变点按照时间顺序从数字1进行编号；37、将奇数序号的非异常温度跳变点与后一个非异常温度跳变点之间的所有时刻的温度，组成各中段温度序列；38、根据各中段温度序列中所有时刻的温度，抽取对应时刻的所有修正烘箱温度和环境温度，组成各烘箱温度序列和各环境温度序列；39、采用与第一相似程度相同的方法，计算各烘箱温度序列与对应时段的环境温度序列的相关关系，记为温度相似程度。40、优选的，所述确定支持向量回归模型中核函数的gamma参数，对制鞋烘箱的温度进行预测，包括：41、gamma参数与所述烘箱温度关联指数呈负向关系；42、将制鞋烘箱正常工作产生的温度数据采用支持向量回归模型，对制鞋烘箱的温度进行预测。43、本技术至少具有如下有益效果：44、本技术通过分析烘箱不同区域的温度之间的相关性，确定第一相似程度、第二相似程度以及第三相似程度，得到温度关联程度，其有益效果在于考虑了烘箱中不同区域的温度变化情况，分析烘箱中温度分布不均的情况，有利于对温度的精准预测；其次，根据烘箱前段、中段和后段各时刻的局部温度变化趋势以及温度变化的异常程度，获得温度跳变点以及异常温度跳变点，得到各时刻的修正烘箱温度，其有益效果在于考虑了采集的温度中的异常情况，降低预测的误差；计算烘箱温度环境影响系数，确定烘箱温度关联指数，其有益效果在于考虑了环境对烘箱温度的影响情况，在预测过程中考虑到了环境因素的影响；通过烘箱温度关联指数调整支持向量回归模型核函数的gamma参数，对制鞋烘箱的温度进行预测，其有益效果在于能够根据环境温度及不同区域的温度调整gamma参数，使得对烘箱温度的预测结果更精确，提升了制鞋烘箱温度测量的准确性。