阅读说明：本技术 荧光粉层产品参数控制方法、装置和存储介质 (Method and device for controlling product parameters of fluorescent powder layer and storage medium ) 是由 李致富 曾俊海 杜佳荣 马鸽 于 2020-07-30 设计创作，主要内容包括：本发明公开了一种荧光粉层产品参数控制方法、装置和存储介质,荧光粉层产品参数控制方法包括：使用飞蛾扑火算法确定工艺参数的最优值,其中工艺参数的类型由所述产品参数的类型确定,以及在所述荧光粉层的涂覆工艺中应用所述工艺参数的最优值,从而控制所述产品参数的取值等步骤。本发明荧光粉层产品参数控制方法不依赖人工经验判断,误差较小,而且当涂覆工艺更新之后可以较低成本和较快速度重新调整工艺参数的取值,从而适应新的工艺要求。本发明广泛应用于荧光粉涂覆技术领域。(The invention discloses a method and a device for controlling the product parameters of a fluorescent powder layer and a storage medium, wherein the method for controlling the product parameters of the fluorescent powder layer comprises the following steps: determining the optimal value of the process parameter by using a moth fire suppression algorithm, wherein the type of the process parameter is determined by the type of the product parameter, and applying the optimal value of the process parameter in the coating process of the fluorescent powder layer so as to control the value of the product parameter. The method for controlling the parameters of the fluorescent powder layer product does not depend on manual experience judgment, has small error, and can readjust the values of the process parameters at low cost and high speed after the coating process is updated, thereby being suitable for new process requirements. The invention is widely applied to the technical field of fluorescent powder coating.)

荧光粉层产品参数控制方法、装置和存储介质

技术领域

本发明涉及荧光粉涂覆技术领域，尤其是一种荧光粉层产品参数控制方法、装置和存储介质。

背景技术

荧光粉涂覆技术被广泛应用于LED生产等领域。LED中的荧光粉层的涂覆质量可以通过荧光粉层的厚度和均匀度等产品参数体现。荧光粉层的厚度和均匀度会影响LED的发光效率、发光颜色均匀性和色品一致性，因此需要控制好涂覆在LED中的荧光粉层的厚度和均匀度等产品参数。

荧光粉层的产品参数属于应用涂覆工艺的结果，在涂覆工艺中应用的工艺参数的取值，将影响到最终得到的荧光粉层的产品参数的取值。因此对荧光粉层产品参数的控制，可以转化为在涂覆工艺中对工艺参数的控制，即确定工艺参数的取值并在涂覆工艺中应用这些取值。现有技术通常是通过技师的经验来调整工艺参数的取值，因此通常具有较大的误差，而且在涂覆工艺更新之后以往的经验通常不适用于新工艺，需要花费较大的成本去重新调整工艺参数的取值。

发明内容

针对上述至少一个技术问题，本发明的目的在于提供一种荧光粉层产品参数控制方法、装置和存储介质。

一方面，本发明实施例包括一种荧光粉层产品参数控制方法，包括：

使用飞蛾扑火算法确定工艺参数的最优值；所述工艺参数的类型由所述产品参数的类型确定；

在所述荧光粉层的涂覆工艺中应用所述工艺参数的最优值，从而控制所述产品参数的取值。

进一步地，所述产品参数包括所述荧光粉层的厚度和均匀度；所述工艺参数包括荧光粉涂覆胶液流速、荧光粉涂覆时间、荧光粉涂覆气液流速和荧光粉涂覆温度。

进一步地，所述飞蛾扑火算法由所述工艺参数初始化；所述使用飞蛾扑火算法确定工艺参数的最优值，具体包括：

执行所述飞蛾扑火算法的至少一个迭代过程；每个所述迭代过程包括：

通过ODE机制更新飞蛾种群；

根据所述飞蛾种群的适应度值，产生火焰种群；所述适应度值由适应度函数确定，所述适应度函数由所述产品参数的实测值和给定值确定；

通过飞蛾个体向火焰个体的螺旋飞行更新各所述飞蛾个体的位置；

根据所述飞蛾个体的适应度值，将所述飞蛾个体划分到相应的子种群；

基于混合蛙跳局部搜索机制，分别对各所述子种群内的最差飞蛾个体进行更新；

通过死亡机制更新所述飞蛾种群；

根据对迭代结束条件的满足情况，转入下一迭代过程或输出全局最优解；所述全局最优解为所述工艺参数的最优值。

进一步地，所述通过ODE机制更新飞蛾种群，具体包括：

通过反向学习算法更新所述飞蛾种群的位置；

通过差分进化算法对所述飞蛾种群进行变异、交叉和选择。

进一步地，所述根据所述飞蛾种群的适应度值，产生火焰种群，具体包括：

根据所述迭代过程的累计次数、预设的最大迭代次数和预设的火焰种群初始数量，确定火焰个体数量；

当本次所述迭代过程为首次迭代过程，在各所述飞蛾个体中选定具有最高适应度值的若干个所述飞蛾个体组成所述火焰种群，反之，在混合集合中选定具有最高适应度值的若干个个体组成所述火焰种群，所述混合集合由各所述飞蛾个体以及上一次所述迭代过程所得的所述火焰个体组成，所述火焰种群的大小为所述火焰个体数量。

进一步地，所述通过飞蛾个体向火焰个体的螺旋飞行更新各所述飞蛾个体的位置，所使用的公式为：

S(x_i-F_j)＝D_i*e^bk*cos(2πt)+F_j；D_i＝|x_i-F_j|；

其中，x_i为所述飞蛾种群中的第i个飞蛾个体，F_j为所述火焰种群中的第j个火焰个体，D_i为x_i与F_j的绝对距离，b为对数螺旋线常数，k为[-1,1]中的随机数。

进一步地，所述根据所述飞蛾个体的适应度值，将所述飞蛾个体划分到相应的子种群，具体包括：

根据所述适应度值由小到大确定的顺序，分别确定各所述飞蛾个体的编号；

分别确定各所述子种群的编号；

将各所述飞蛾个体划分别划分到一个子种群；其中，对于编号最大的所述子种群，其所划分到的所述飞蛾个体的编号为该子种群编号的倍数；对于其余所述子种群，所述子种群的编号为被划分到该子种群中的所述飞蛾个体的编号对所述子种群总数的余数。

进一步地，所述通过死亡机制更新所述飞蛾种群，具体包括：

获取各所述飞蛾个体的适应度值总和；所述适应度值总和为最近若干代的所述飞蛾个体所确定的所述适应度值之和；

将具有最大的所述适应度值总和的若干个所述飞蛾个体设定为死亡个体；

所述死亡个体将由具有最小的所述适应度值总和的若干个所述飞蛾个体通过以下莱维飞行公式进行更新：

x_re＝x_nd+Levy(x)*x_nd；

其中x_re为重新生成的飞蛾个体的初始位置，x_nd为与所述死亡个体相对的非死亡个体，Levy(x)是随机游走函数，u和v是满足标准正态分布的参数，u～N(0,1)，v～N(0,1)，Γ(x)是伽玛函数，β为参数。

另一方面，本发明实施例还包括一种计算机装置，包括存储器和处理器，所述存储器用于存储至少一个程序，所述处理器用于加载所述至少一个程序以执行实施例所述方法。

另一方面，本发明实施例还包括一种存储介质，其中存储有处理器可执行的程序，所述处理器可执行的程序在由处理器执行时用于执行实施例所述方法。

本发明的有益效果是：本实施例中的荧光粉层产品参数控制方法不依赖人工经验判断，误差较小，而且当涂覆工艺更新之后可以较低成本和较快速度重新调整工艺参数的取值，从而适应新的工艺要求。

附图说明

图1为实施例中荧光粉层产品参数控制方法的原理图。

具体实施方式

本实施例中，荧光粉层产品参数控制方法包括以下步骤：

S1.使用飞蛾扑火算法确定工艺参数的最优值；工艺参数的类型由产品参数的类型确定；

S2.在荧光粉层的涂覆工艺中应用工艺参数的最优值，从而控制产品参数的取值。

本实施例中，步骤S1和S2的原理参照图1所示。

在执行步骤S1之前，确定要控制的工艺参数的类型，以LED中的荧光粉层的涂覆工艺为例，由于涂覆工艺的质量主要通过荧光粉层的厚度和均匀度等产品参数体现，而荧光粉层的厚度和均匀度等产品参数，主要受涂覆工艺中所应用的荧光粉涂覆胶液流速、荧光粉涂覆时间、荧光粉涂覆气液流速和荧光粉涂覆温度等工艺参数影响，因此本实施例中将荧光粉涂覆胶液流速、荧光粉涂覆时间、荧光粉涂覆气液流速和荧光粉涂覆温度等工艺参数确定为所要控制的工艺参数，即使用飞蛾扑火算法所要确定的工艺参数。

在执行步骤S1之前，对飞蛾扑火算法进行初始化。本实施例中，设置飞蛾扑火优化算法各项基本参数：飞蛾种群数量为30、火焰种群初始数量为30、最大迭代次数为1000、对数螺旋线常数为1。

然后初始化飞蛾种群，通过适应度函数计算初始时刻各飞蛾个体的适应度值。本实施例中，适应度函数是由产品参数的实测值和给定值确定的，具体地，适应度函数的公式为：

式中，real_t表示荧光粉层厚度的实测值，pre_t表示荧光粉层厚度的给定值；real_u表示荧光粉层均匀度的实测值，pre_u表示荧光粉层均匀度的给定值。本实施例中，pre_t取值可以为6mm，pre_u取值可以为100*10^-5mm²。

本实施例中，荧光粉层厚度的实测值和荧光粉层均匀度的实测值可以从荧光粉层试产产品测量获得。

本实施例中，初始化飞蛾种群所使用的初始化公式为：

x_n＝rand*(ub-lb)+lb。

式中，x_n为飞蛾种群，rand取值范围为[0,1]，ub为搜索区间的上界，lb为搜索区间的下界，搜索区间为待优化参数的取值范围。本实例中，荧光粉涂覆胶液流速的取值范围为0～10m/s、荧光粉涂覆时间的取值范围为0～100s、荧光粉涂覆气液流速的取值范围为0-10m/s，荧光粉涂覆温度的取值范围为25～75℃。

在完成对飞蛾扑火算法的初始化后，可以执行飞蛾扑火算法。本实施例中，飞蛾扑火算法包括多个迭代过程，对其中一个迭代过程进行说明。参照图1，每个迭代过程包括以下步骤：

A1.通过ODE机制更新飞蛾种群；

A2.根据飞蛾种群的适应度值，产生火焰种群；

A3.通过飞蛾个体向火焰个体的螺旋飞行更新各飞蛾个体的位置；

A4.根据飞蛾个体的适应度值，将飞蛾个体划分到相应的子种群；

A5.基于混合蛙跳局部搜索机制，分别对各子种群内的最差飞蛾个体进行更新；

A6.通过死亡机制更新飞蛾种群；

A7.根据对迭代结束条件的满足情况，转入下一迭代过程或输出全局最优解，将全局最优解确定为工艺参数的最优值。

本实施例中，步骤A1，即通过ODE机制更新飞蛾种群这一步骤，具体包括：

A101.通过反向学习算法更新飞蛾种群的位置；

A102.通过差分进化算法对飞蛾种群进行变异、交叉和选择。

本实施例中，ODE机制是反向学习算法和差分进化算法的结合，可以用来获取高质量种群。

在执行步骤A101时，利用反向学习算法更新飞蛾种群的位置，所使用的公式为：

x_new＝ub+lb-x_n；

其中x_new为反向学习算法更新飞蛾种群的新位置。

在执行步骤A102时，利用差分进化算法的变异、交叉和选择机制对飞蛾种群进行更新。

在变异机制中，所使用的变异公式为：

式中，

表示第t代飞蛾种群中第i个飞蛾个体变异后的新个体，其中r1,r2,r3是三个不相等的数，r1,r2,r3∈[1,n]，R表示突变的一个缩放因子，R的取值范围为[0,1]。

在交叉机制中，所使用的交叉公式为：

式中，

表示为飞蛾种群中的飞蛾个体交叉后的个体，pc为交叉概率。本实施例中，可以设置交叉概率为0.5。

在选择机制中，所使用的选择公式为：

式中，f()表示适应度函数。

本实施例中，步骤A2，即根据飞蛾种群的适应度值，产生火焰种群这一步骤，具体包括：

A201.根据所述迭代过程的累计次数、预设的最大迭代次数和预设的火焰种群初始数量，确定火焰个体数量；

A202.当本次所述迭代过程为首次迭代过程，在各所述飞蛾个体中选定具有最高适应度值的若干个所述飞蛾个体组成所述火焰种群，反之，在混合集合中选定具有最高适应度值的若干个个体组成所述火焰种群，所述混合集合由各所述飞蛾个体以及上一次所述迭代过程所得的所述火焰个体组成，所述火焰种群的大小为所述火焰个体数量。

本实施例中，执行步骤A201所使用的公式为：

式中，flame_no表示本次迭代过程所得的火焰个体数量，N为预设的火焰种群初始数量，l表示当前迭代次数，即包含本次迭代过程在内的已执行迭代过程的累计次数，T表示预设的最大迭代次数，round()表示四舍五入函数。由于本实施例中所使用的飞蛾扑火算法是由多个迭代过程组成的，在使用计算机程序执行飞蛾扑火算法时，可以对每个迭代过程进行计数，通过读取计数来确定迭代过程的累计次数。

本实施例中，执行步骤A202时，可以通过对迭代过程的计数值来确定本次迭代过程是否为首次迭代过程。当迭代过程的累计次数为1，表明本次迭代过程为首次迭代过程，对飞蛾种群进行适应度值排序，排序之后将适应度值最小的“火焰个体数量”个飞蛾个体选择出来作为本次迭代过程的火焰个体；当迭代过程的累计次数大于1，表明本次迭代过程不是首次迭代过程，将飞蛾个体以及上一次迭代过程所得的火焰个体组成一个混合集合，然后根据适应度值由小到大的顺序，对这个混合集合里面的个体即飞蛾个体和火焰个体进行排序，排序之后将适应度值最小的“火焰个体数量”个个体选择出来作为本次迭代过程的火焰个体，这样选择出来的火焰个体既可能是飞蛾个体也可能是上一次迭代过程所得的火焰个体。

本实施例中，步骤A3，即通过飞蛾个体向火焰个体的螺旋飞行更新各所述飞蛾个体的位置这一步骤，所使用的公式为：

S(x_i,F_j)＝D_i*e^bk*cos(2πt)+F_j；D_i＝|x_i-F_j|；

其中，x_i为飞蛾种群中的第i个飞蛾个体，F_j为火焰种群中的第j个火焰个体，本实施例中飞蛾个体x_i与火焰个体F_j匹配，S(x_i,F_j)为更新后的飞蛾个体的位置，D_i为x_i与F_j的绝对距离，b为对数螺旋线常数，k为[-1,1]中的随机数。

本实施例中，步骤A4，即根据飞蛾个体的适应度值，将飞蛾个体划分到相应的子种群这一步骤，具体包括：

A401.根据适应度值由小到大确定的顺序，分别确定各飞蛾个体的编号；

A402.分别确定各子种群的编号；

A403.将各飞蛾个体划分别划分到一个子种群；其中，对于编号最大的所述子种群，其所划分到的所述飞蛾个体的编号为该子种群编号的倍数；对于其余所述子种群，所述子种群的编号为被划分到该子种群中的飞蛾个体的编号对子种群总数的余数。

执行步骤A401时，如果一共有m个飞蛾个体，那么可以将各飞蛾个体编号为1、2……m。执行步骤A402时，可以将子种群的总数设定为6个，即各子种群的编号分别为1、2、3、4、5和6。

执行步骤A403时，对于编号最大的子种群即编号为6的子种群，分配到该子种群中的飞蛾个体的编号为6、12、18……等。对于其他子种群，可以先将飞蛾个体的编号对子种群总数求余数，根据余数确定该飞蛾个体要分配到的子种群的编号，例如对于编号为15的飞蛾个体，由于15÷6＝2……3，因此编号为15的飞蛾个体将分配到编号为3的子种群。

步骤A403的分配方式也可以用另一种具有相同效果的分配方式代替：将排序后的飞蛾个体，按照排序顺序依次划分到子种群中，其中适应度值最小的飞蛾个体划分给第一个子种群，然后适应度值次小的飞蛾个体划分给第二个子种群，以此类推，适应度值排序m小的飞蛾个体划分给第m组，而下一个飞蛾个体即适应度排序m+1小的飞蛾个体将会划分给第一个子种群，如此反复，直到将所有飞蛾个体都划分到相应的子种群中。

本实施例中，步骤A5，即基于混合蛙跳局部搜索机制，分别对各子种群内的最差飞蛾个体进行更新这一步骤，所使用的公式可以是以下任一个：

x_update＝2*rand*(P_b-P_w)+P_w；

x_update＝2*rand*(P_g-P_w)+P_w；

x_update＝rand*((P_b+P_g)/2-P_w)+P_w；

式中x_update表示更新后的最差飞蛾个体，P_b表示一个子种群中的最优飞蛾个体，P_w表示一个子种群中的最差飞蛾个体，P_g表示全局最优个体，即所有子种群一同比较所确定的最优飞蛾个体。本实施例中，“最优”可以指所具有的适应度值最小，“最差”可以指所具有的适应度值最大。

本实施例中，步骤A6，即通过死亡机制更新飞蛾种群这一步骤，具体包括：

A601.获取各飞蛾个体的适应度值总和；其中适应度值总和为最近若干代的飞蛾个体所确定的适应度值之和；

A602.将具有最大的适应度值总和的若干个飞蛾个体设定为死亡个体；

A603.死亡个体将由具有最小的适应度值总和的若干个飞蛾个体通过以莱维飞行公式进行更新：

x_re＝x_nd+Levy(x)*x_nd；

其中x_re为重新生成的飞蛾个体的初始位置，x_nd为与所述死亡个体相对的非死亡个体，Levy(x)是随机游走函数，u和v是满足标准正态分布的参数，u～N(0,1)，v～N(0,1)，Γ(x)是伽玛函数，β为参数。

本实施例中，执行步骤A601时，可以设定死亡阈值L，本实施例中将L设定为10。获取各飞蛾个体在最近L代所确定的适应度值之和作为适应度值总和。

本实施例中，执行步骤A602时，可以设定死亡数量Dn，本实施例中将Dn设定为15。

将适应度值总和最大的Dn个飞蛾个体设定为死亡个体。对于这Dn个死亡个体，将由具有最小的适应度值总和的若干个飞蛾个体执行步骤A603，通过莱维飞行公式x_re＝x_nd+Levy(x)*x_nd进行更新，其中x_re为重新生成的飞蛾个体的初始位置。

本实施例中，在一个迭代过程中，执行完步骤A1-A6后执行A7，判断是否满足迭代结束条件，其中迭代结束条件可以设置为达到预设的最大迭代次数或者误差精度小于预设的阈值。如果满足迭代结束条件，则输出全局最优解，所输出的全局最优解便是执行步骤S1所要确定的工艺参数的最优值。如果不满足迭代结束条件，则转入下一次迭代过程，重新执行步骤A1-A7。

本实施例中，执行步骤S1所确定的工艺参数的最优值可应用于涂覆工艺，也就是将涂覆工艺中的相关参数设定为通过执行步骤S1所确定的工艺参数的最优值。在涂覆工艺的其他生产条件不变的情况下，通过涂覆工艺生产出来的荧光粉层的产品参数与工艺参数相关，当工艺参数被配置为本实施例中的最优值，可以优化生产出来的荧光粉层的产品参数，有利于生产出高质量的LED产品。本实施例中的荧光粉层产品参数控制方法不依赖人工经验判断，误差较小，而且当涂覆工艺更新之后可以较低成本和较快速度重新调整工艺参数的取值，从而适应新的工艺要求。

本实施例中，所使用的飞蛾扑火算法是经过改进的飞蛾扑火算法。首先利用反向学习算法获得高质量的飞蛾种群，然后利用差分进化算法增强飞蛾种群的多样性，大大提高算法的全局搜索能力。此外，本实施例中所使用的飞蛾扑火算法应用一种改进的混合蛙跳局部搜索算法和死亡机制作为一个增强的局部搜索算法，用于消除适应度值较低的飞蛾个体，因此本实施例中所使用的飞蛾扑火算法可以很容易地跳出局部最优，并进一步提高了收敛速度。

本实施例中，一种计算机装置，包括存储器和处理器，所述存储器用于存储至少一个程序，所述处理器用于加载所述至少一个程序以执行实施例中的荧光粉层产品参数控制方法，实现与实施例所述的相同的技术效果。

本实施例中，一种存储介质，其中存储有处理器可执行的程序，所述处理器可执行的程序在由处理器执行时用于执行实施例中的荧光粉层产品参数控制方法，实现与实施例所述的相同的技术效果。

需要说明的是，如无特殊说明，当某一特征被称为“固定”、“连接”在另一个特征，它可以直接固定、连接在另一个特征上，也可以间接地固定、连接在另一个特征上。此外，本公开中所使用的上、下、左、右等描述仅仅是相对于附图中本公开各组成部分的相互位置关系来说的。在本公开中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。此外，除非另有定义，本实施例所使用的所有的技术和科学术语与本技术领域的技术人员通常理解的含义相同。本实施例说明书中所使用的术语只是为了描述具体的实施例，而不是为了限制本发明。本实施例所使用的术语“和/或”包括一个或多个相关的所列项目的任意的组合。

应当理解，尽管在本公开可能采用术语第一、第二、第三等来描述各种元件，但这些元件不应限于这些术语。这些术语仅用来将同一类型的元件彼此区分开。例如，在不脱离本公开范围的情况下，第一元件也可以被称为第二元件，类似地，第二元件也可以被称为第一元件。本实施例所提供的任何以及所有实例或示例性语言(“例如”、“如”等)的使用仅意图更好地说明本发明的实施例，并且除非另外要求，否则不会对本发明的范围施加限制。

应当认识到，本发明的实施例可以由计算机硬件、硬件和软件的组合、或者通过存储在非暂时性计算机可读存储器中的计算机指令来实现或实施。所述方法可以使用标准编程技术-包括配置有计算机程序的非暂时性计算机可读存储介质在计算机程序中实现，其中如此配置的存储介质使得计算机以特定和预定义的方式操作——根据在具体实施例中描述的方法和附图。每个程序可以以高级过程或面向对象的编程语言来实现以与计算机系统通信。然而，若需要，该程序可以以汇编或机器语言实现。在任何情况下，该语言可以是编译或解释的语言。此外，为此目的该程序能够在编程的专用集成电路上运行。

此外，可按任何合适的顺序来执行本实施例描述的过程的操作，除非本实施例另外指示或以其他方式明显地与上下文矛盾。本实施例描述的过程(或变型和/或其组合)可在配置有可执行指令的一个或多个计算机系统的控制下执行，并且可作为共同地在一个或多个处理器上执行的代码(例如，可执行指令、一个或多个计算机程序或一个或多个应用)、由硬件或其组合来实现。所述计算机程序包括可由一个或多个处理器执行的多个指令。

进一步，所述方法可以在可操作地连接至合适的任何类型的计算平台中实现，包括但不限于个人电脑、迷你计算机、主框架、工作站、网络或分布式计算环境、单独的或集成的计算机平台、或者与带电粒子工具或其它成像装置通信等等。本发明的各方面可以以存储在非暂时性存储介质或设备上的机器可读代码来实现，无论是可移动的还是集成至计算平台，如硬盘、光学读取和/或写入存储介质、RAM、ROM等，使得其可由可编程计算机读取，当存储介质或设备由计算机读取时可用于配置和操作计算机以执行在此所描述的过程。此外，机器可读代码，或其部分可以通过有线或无线网络传输。当此类媒体包括结合微处理器或其他数据处理器实现上文所述步骤的指令或程序时，本实施例所述的发明包括这些和其他不同类型的非暂时性计算机可读存储介质。当根据本发明所述的方法和技术编程时，本发明还包括计算机本身。

计算机程序能够应用于输入数据以执行本实施例所述的功能，从而转换输入数据以生成存储至非易失性存储器的输出数据。输出信息还可以应用于一个或多个输出设备如显示器。在本发明优选的实施例中，转换的数据表示物理和有形的对象，包括显示器上产生的物理和有形对象的特定视觉描绘。

以上所述，只是本发明的较佳实施例而已，本发明并不局限于上述实施方式，只要其以相同的手段达到本发明的技术效果，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。在本发明的保护范围内其技术方案和/或实施方式可以有各种不同的修改和变化。