钢木防火门一体成型防变形工艺及配套装备的制

本发明属于钢木防火门，具体为钢木防火门一体成型防变形工艺及配套装备。背景技术：1、钢木防火门是一种采用钢质和难燃木质材料或难燃木材制品制作门框、门扇骨架、门扇面板的防火门，其门扇内填充材料为对人体无毒无害的防火隔热材料，并配以防火五金配件，这种门具有钢质防火门与木质防火门的优势，既具备了良好的防火稳定性和耐火性能，同时也具备了较好的装饰性，外观可装饰性好，适用性强。2、在现有技术中，授权公开号“cn1 16852479a”公开了一种“一种钢木质防火门一体式压铸成型设备”；喷胶机构，其安装在所述钢制门板框辊式输送机的上方；顶升定位机构，其安装在所述钢制门板框辊式输送机的下方；支架，其设置在所述钢制门板框辊式输送机和防火木芯辊式输送机的外侧，所述支架的上端安装有顶板，所述顶板的下表面安装有第一电动导轨，所述第一电动导轨的滑块上安装有移料压铸机构。3、上述这种“一种钢木质防火门一体式压铸成型设备”其仍旧存在一些缺点，例如：现有的钢木防火门在进行一体成型的加工中，需要操作人员对材料进行预处理，在进行预处理的过程中，往往需要操作人员由人工对材料进行预处理，步骤较为繁琐，增加了操作人员的工作量，且钢木防火门在生产过程中，往往会出现因材料热膨胀系数不同、湿度变化等因素导致的变形问题，严重影响了防火门的防火性能和使用寿命；4、为此这里提出了钢木防火门一体成型防变形工艺及配套装备，以解决上述产生的问题。技术实现思路1、针对上述情况，为克服现有技术的缺陷，本发明提供钢木防火门一体成型防变形工艺及配套装备，有效的解决了目前市场上的钢木防火门一体成型装置需要操作人员由人工对材料进行预处理，步骤较为繁琐，增加了操作人员的工作量的问题。2、为实现上述目的，本发明提供如下技术方案：钢木防火门一体成型防变形工艺及配套装备，包括支撑架，所述支撑架的内侧设置有滚式输送机体，所述滚式输送机体的一侧设置有驱动部件，所述支撑架的外侧设置有除尘机构，所述除尘机构包括顶架、电机体和防护箱，所述顶架的顶部固定连接有电机体，所述电机体的输出轴设置有传动杆，所述传动杆的底端活动连接有连接轴，所述连接轴的一侧活动连接有传动扇。3、优选的：所述支撑架的一侧设置有保温箱，所述保温箱的一侧设置有温度控制模块，所述保温箱的顶部设置有加热部件，所述支撑架的外侧设置有压铸台，所述压铸台的一侧活动连接有控制箱所述压铸台的顶部设置有压铸机体。4、优选的：所述支撑架的一侧设置有调节机构，所述调节机构包括底滑动架、底调节台和滑动槽，所述支撑架的两侧设置有底调节台，所述底调节台的表面开设有滑动槽，所述顶架的底部固定连接有底滑动架，所述底滑动架的底部与滑动槽的表面滑动连接。5、优选的：所述顶架的一侧固定连接有防护箱，所述防护箱的两侧活动连接有侧防护网。6、优选的：所述顶架的内侧设置有清洁机构，所述清洁机构包括第一皮带轮、传动皮带和第二皮带轮，所述传动杆的表面活动连接有第一皮带轮，所述第一皮带轮的一侧活动连接有传动皮带，所述传动皮带的一侧活动连接有第二皮带轮，所述第二皮带轮的内侧活动连接有连接杆，所述连接杆的底端固定连接有一号底齿盘，所述一号底齿盘的一侧活动连接有一号侧齿盘，所述一号侧齿盘的内侧固定连接有侧杆，所述侧杆的两端固定连接有二号侧齿盘，所述二号侧齿盘的一侧活动连接有三号侧齿盘，所述三号侧齿盘的一侧活动连接有活动杆，所述活动杆的一侧活动连接有清洁刷。7、优选的：所述顶架的一侧固定连接有侧架，所述侧架的一侧固定连接有螺纹套筒，所述螺纹套筒的内侧螺纹连接有螺纹杆，所述螺纹杆的顶部固定连接有握盘，所述螺纹杆的底部固定连接有橡胶垫。8、优选的：所述连接杆的顶端活动连接有轴承盘，所述轴承盘的一侧与顶架的一侧活动连接。9、优选的：所述顶架的内侧固定连接有固定架，所述固定架的一侧固定连接有顶板，所述顶板的一侧固定连接有限位架，所述限位架的一侧开设有连通孔，所述连通孔的一侧与活动杆的两端活动。10、优选的：所述防护箱的一侧开设有连通框，所述连通框设置在传动皮带的外侧。11、钢木防火门一体成型防变形工艺，包括如下步骤：12、步骤s1、选材：选用经过特殊处理的钢质材料和木质材料，确保两者具有相近的热膨胀系数，以便在后续加工中保持稳定性，准备防火涂料、胶水、密封剂等辅助材料；13、步骤s2、材料预处理：使用切割机械对钢质和木质材料进行初步切割，按照防火门的尺寸和结构设计进行裁切，同时进行去应力处理，确保材料内部应力均匀，减少变形可能，同时对材料进行干燥处理，去除多余水分，防止后续加工中出现膨胀或收缩；14、步骤s3、一体成型：利用一体成型设备，将预处理后的钢质材料和木质材料按照设计要求进行精准定位，使用热压成型机械进行热压成型，通过高温和高压使两种材料紧密结合，形成一个整体；15、步骤s4、防火处理：在门体表面喷涂防火涂料，增加防火性能，同时根据需要，在门体的关键部位增加防火密封条，提高密封性和耐火时间；16、步骤s5、后期处理：对成型的防火门进行打磨、修整，确保表面光滑平整，进行质量检查，包括尺寸精度、防火性能等，确保产品符合标准；17、步骤s6、：包装入库：使用合适的包装材料进行包装，防止在运输和存储过程中受到损伤。18、进一步，s2中，基于机器学习的智能算法可以优化材料的切割和去应力处理过程；通过实时监测材料应力分布和变形情况，算法可以调整切割和处理参数，以最大程度地减少变形可能性，并确保材料质量；具体过程为：19、步骤1，安装传感器网络以收集车架总成加工过程中的实时数据，包括温度传感器、湿度和压力传感器；将传感器数据传输到数据采集模块进行处理和准备；20、温度数据收集：选择适合高温环境的热电偶温度传感器，在加工设备的关键位置上安装温度检测器，实时监测加工过程中的温度变化；设定采样频率，每秒采集一次温度数据，确保数据的时效性和准确性；记录每个时间点的温度数值，并将其存储在数据库中，以备后续分析使用；21、湿度数据收集：使用湿度传感器在加工环境中布置湿度检测器，实时监测加工过程中的湿度变化；设定采样频率，每秒采集一次湿度数据，确保湿度数据的实时性和准确性；记录每个时间点的湿度数值，并将其存储在数据库中，以备后续分析使用；22、压力数据收集：选择能够承受高压环境的应变片压力传感器，用于监测热压成型机械施加的压力；设定采样频率，每秒采集一次压力数据，确保压力数据的实时性和准确性；记录每个时间点的压力数值，并将其存储在数据库中，以备后续分析使用；23、通过数据清洗、异常值处理和数据平滑方法对采集到的数据进行预处理，确保数据质量和可用性；24、步骤2，根据传感器已有的加工过程数据和实时反馈的数据建立q学习(q-learning)和深度神经网络相结合的深度q网络(deep q-network，dqn)模型；下面是详细的实施过程：25、1.状态表示，状态(s)的表示为一个三维向量，其中s＝(t，h，e)，其中：26、t是加工材料的温度(单位：摄氏度)；27、h是加工过程中湿度(单位：相对湿度rh)；28、e是设备运行状态(0代表设备未运行，1代表设备运行中)；29、2.动作表示，动作(a)的定义为一个三维向量，其中a＝(v，t′，p)，其中：30、v是切割速度(0-100，单位：m/s)；31、t′是加工温度(0-500度，单位：摄氏度)；32、p是加工压力(0-50，单位：mpa)；33、3.奖励函数设计：34、奖励函数的设计是强化学习中的关键部分，它直接影响到算法的收敛性和性能；用rt表示奖励，rt是在状态st下采取动作at后获得的奖励，设计的奖励函数如下：35、(a)变形控制奖励：36、如果成功减少了材料的变形，奖励值rt+10；37、如果材料的变形保持在一个较小的范围内，奖励值rt+5；38、如果材料的变形超出了阈值，奖励值rt-10；39、(b)生产效率奖励：40、如果生产效率高，奖励值rt+8；41、如果生产效率低，奖励值rt-5；42、(c)资源利用奖励：43、如果在加工过程中有效利用了材料和能源，奖励值rt+6；44、如果存在资源浪费或能源消耗过大的情况，奖励值rt-3；45、(d)安全性奖励：46、如果加工过程中保持了安全状态，奖励值rt+7；47、如果存在安全隐患或事故发生，奖励值rt-8；48、4.神经网络结构：49、卷积层1：50、输入：状态向量，大小为3x1，即三个特征(温度、湿度、设备状态)；51、卷积核大小：3×1；52、激活函数：relu；53、输出大小：32，表示32个特征图2；54、卷积层2：55、输入：卷积层1的输出，大小为32×1；56、卷积核大小：3×1；57、激活函数：relu；58、输出大小：64，表示64个特征图；59、全连接层1：60、输入：卷积层2的输出，大小为64×1；61、输出大小：128；62、激活函数：relu；63、全连接层2：64、输入：全连接层1的输出，大小为128；65、输出大小：3，表示三个动作的q值；66、5.在q-learning算法中，目标q值的计算方式为当前奖励加上下一状态的最大q值乘以折扣因子；因此，q值的更新公式为：67、q(st，at；θ)＝(1-α)·q(st，at；θ)+α·(rt+γ·maxa′q(si+1，a′；θtarget))68、q(st，at；θ)：q值函数，表示在状态s下采取动作a的q值，其中θ是神经网络的参数；69、α：学习率；70、rt：在状态st下采取动作at后获得的奖励；71、γ：折扣因子，用于衡量未来奖励的重要性；72、maxa′q(si+1，a′；θtarget)：在下一个状态si+1中，选择动作时的最大q值；73、θtarget：目标网络的参数；74、6.根据损失函数的梯度，使用梯度下降法来更新网络的权重和偏置；具体的参数更新方法如下：75、76、其中，α是学习率，是损失函数关于参数θ的梯度；77、7.损失函数定义，采用均方误差(mse)损失函数来衡量模型预测的q值与目标q值之间的差距；具体地，损失函数定义为预测q值与目标q值的差的平方的平均值；78、79、loss：损失函数，衡量预测q值与目标q值之间的差距；80、n：样本数量，用于计算损失函数的平均值；81、i：表示训练集中的第i个样本；82、s：状态向量，表示环境的当前状态，包括温度、湿度和设备状态信息；83、a：动作向量，表示可以采取的动作，包括调整切割速度、温度和压力参数；84、θ：神经网络的参数，包括权重和偏置；85、q(s，a；θ)：q值函数，表示在状态s下采取动作a的q值，其中θ是神经网络的参数；86、r：在状态s下采取动作a后获得的奖励；87、γ：折扣因子，用于衡量未来奖励的重要性；88、si+1：下一个状态，即在状态si下采取动作ai后的状态；89、a′：下一个状态si+1中可能选择的某个动作；90、maxa′q(si+1，a′；θtarget)：在下一个状态si+1中，选择动作时的最大q值；91、θtarget：目标网络的参数，用于计算目标q值；92、步骤3，根据深度q网络(deep q-network，dqn)来优化加工过程中的参数调整，以减少材料变形并提高生产效率；根据贪婪策略(greedy policy)，选择使得q值最大的动作作为当前状态下的执行动作；具体地，选择满足以下条件的动作：93、at＝argmaxaq(s，a；θ)94、其中，at是当前状态s下选择的执行动作；argmaxaq(s，a；θ)表示在所有可能的动作a中，选择使得q值最大的动作，包括调整不同的切割速度，加工温度，加工压力。95、与现有技术相比，本发明的有益效果是：96、1)、在该钢木防火门一体成型防变形工艺及配套装备工作中，通过电机体启动后，利用旋转的传动扇可以产生风力，产生的风力吹向滚式输送机体表面的材料，可以将材料表面的灰尘碎屑等进行吹除，同时传动扇旋转时可以利用防护箱进行防护，且防护箱的两侧通过侧防护网可以将灰尘进行阻隔，减少传动扇旋转时灰尘进入防护箱内侧，利用传动扇产生风力，可以减少材料表面产生灰尘碎屑堆积或有液体堆积的情况；97、2)、在该钢木防火门一体成型防变形工艺及配套装备工作中，利用活动杆的旋转，可以带动活动杆表面多个清洁刷的运动，利用旋转的清洁刷可以对滚式输送机体表面运动的钢木防火门表面进行刷洗清洁，无需操作人员人工处理，提高了钢木防火门预处理步骤的便携性，节省了人工的成本；98、3)、在该钢木防火门一体成型防变形工艺及配套装备工作中，利用底滑动架与滑动槽的滑动连接，可以带动顶架沿着支撑架的外侧进行水平移动，可以根据不同规格的防火门材料进行调节顶架的位置，同时通过将除尘机构和清洁机构集成到顶架中，可以简化设备的维护流程，提高了该防火门一体成型设备的实用性。99、4)、在钢木防火门一体成型过程中涉及到的材料温度、湿度和设备状态等多个因素，这些因素可能是连续的或者具有高维度的特征，使用深度神经网络能够有效地对复杂的状态空间进行建模。通过q值函数的优化，能够选择在每个状态下具有最大q值的动作，从而实现对加工过程中切割速度、温度和压力参数等关键参数的优化调整，以提高钢木防火门的生产效率和质量。使用强化学习方法，能够在与环境交互的过程中自动学习到最优的策略，而无需显式地对加工过程进行规则的制定。这使得钢木防火门的生产过程能够自动化、智能化，降低了人工成本和错误率。通过深度神经网络的训练，模型可以学习到钢木防火门一体成型过程中的复杂特征，并能够在新的未见过的情况下进行泛化，即使在面对不同的材料特性、环境条件或生产要求时，也能够做出合理的决策和优化调整。