本发明属于镭射印刷，具体是涉及到一种智能控制的镭射横向拉丝转移印刷方法及系统。
背景技术：
1、镭射横向拉丝转移印刷技术是一种利用激光能量将材料从一个基底转移到另一个基底上的高精度制造技术。这项技术结合了激光加工和印刷技术的优势，能够在微米甚至纳米尺度上实现高分辨率、非接触式的材料转移和图案化。全自动镭射横向拉丝转移印刷工艺生产线是一种高度集成的制造系统，结合了自动化控制、精密机械、激光加工、图像处理和数据管理等技术，以实现高效、高精度的材料转移和图案化操作。该生产线的核心是自动化控制系统，通过向自动化控制系统输入工艺参数，即可实现工艺流程的全自动化进行。
2、由于不同材料和产品类型对工艺参数的敏感性不同，为了保障每种类型产品的产品质量，通常需要人工针对每种产品进行独立的参数调整，然而镭射转移印刷工艺往往涉及多个复杂的工艺参数，这些参数之间存在高度的耦合和非线性关系，难以通过简单的经验公式或单一试验进行准确的优化。导致参数调整不仅耗时耗力，增加了生产成本，而且人工调整参数容易出现人为误差和不稳定性，难以保证产品的一致性和质量稳定性。
技术实现思路
1、本发明提供一种智能控制的镭射横向拉丝转移印刷方法及系统，以解决人工调整参数容易出现人为误差和不稳定性，难以保证产品的一致性和质量稳定性的问题。
2、第一方面，本发明提供一种智能控制的镭射横向拉丝转移印刷方法，该方法包括如下步骤：
3、确定需要进行镭射转移印刷流程的待印刷产品的产品类型以及预设的指标性能参数；
4、根据所述产品类型选取产品样品基底和待印刷产品基底，并根据所述指标性能参数选取对应的性能测试步骤组成性能测试流程；
5、结合所述产品类型和所述指标性能参数，从预设的镭射印刷工艺数据库中调取通过所述镭射转移印刷流程加工所述产品样品基底的初始流程工艺参数；
6、基于所述初始流程工艺参数并按照所述镭射转移印刷流程对所述产品样品基底进行镭射印刷加工，得到待印刷产品样品；
7、按照所述性能测试流程对所述待印刷产品样品进行产品性能测试，并通过所述产品性能测试将所述初始流程工艺参数调整至最优流程工艺参数；
8、基于所述最优流程工艺参数并按照所述镭射转移印刷流程对所述待印刷产品基底进行所述镭射印刷加工。
9、可选的，所述性能测试步骤包括产品清晰度测试步骤、产品分辨率测试步骤、产品光泽度测试步骤、产品色彩稳定性测试步骤、产品附着力测试步骤、产品耐光性测试步骤、产品耐水性测试步骤、产品耐化学性测试步骤、产品机械性能测试步骤、产品平整度测试步骤、产品环保性能测试步骤和产品防伪性能测试步骤中的任意一个或多个步骤。
10、可选的，所述按照所述性能测试流程对所述待印刷产品样品进行产品性能测试，并通过所述产品性能测试将所述初始流程工艺参数调整至最优流程工艺参数包括如下步骤：
11、对所述待印刷产品样品执行性能测试分析步骤，所述性能测试分析步骤如下：
12、按照所述性能测试流程对所述待印刷产品样品进行产品性能测试，并获取所述产品性能测试的实测性能参数，所述实测性能参数与所述指标性能参数的参数种类数量相同；
13、分别计算所述实测性能参数与所述指标性能参数各个所述参数种类的参数差值；
14、若所有所述参数种类的所述参数差值均未超出预设的差值阈值，则将所述初始流程工艺参数作为最优流程工艺参数，并结束所述性能测试分析步骤。
15、可选的，所述方法还包括如下步骤：
16、若至少有一个所述参数种类的所述参数差值超出所述差值阈值，则执行参数优化步骤，所述参数优化步骤如下：
17、基于所述指标性能参数从所述镭射印刷工艺数据库中调取预先存储的参数关联信息，所述参数关联信息包含所述指标性能参数与流程工艺参数之间的关联信息；
18、将对应所述参数种类的性能参数标记为待优化性能参数，并根据所述参数关联信息将与所述待优化性能参数相关联的所述初始流程工艺参数标记为待优化工艺参数；
19、利用二分查找中值逼近法在所述待优化工艺参数的参数限制范围内选取新的工艺参数作为测试流程工艺参数；
20、基于所有所述测试流程工艺参数和未被标记的所有所述初始流程工艺参数，并按照所述镭射转移印刷流程对所述待印刷产品基底进行所述镭射印刷加工，得到测试产品样品；
21、对所述测试产品样品依次重复执行所述性能测试分析步骤和所述参数优化步骤以迭代更新所述测试流程工艺参数，直至所有所述测试流程工艺参数与对应所述指标性能参数之间的差值均未超出所述差值阈值，将所有所述测试流程工艺参数和未被标记的所有所述初始流程工艺参数作为所述最优流程工艺参数。
22、可选的，所述按照所述性能测试流程对所述待印刷产品样品进行产品性能测试，并通过所述产品性能测试将所述初始流程工艺参数调整至最优流程工艺参数包括如下步骤：
23、按照所述性能测试流程对所述待印刷产品样品进行产品性能测试，并获取所述产品性能测试的实测性能参数，所述实测性能参数与所述指标性能参数的参数种类数量相同；
24、获取所述镭射印刷加工过程中的印刷加工数据；
25、基于双向长短期记忆网络构建参数关联分析模型，利用所述参数关联分析模型提取所述印刷加工数据与所述初始流程工艺参数之间的第一参数关联特征，利用所述参数关联分析模型提取所述印刷加工数据与所述指标性能参数之间的第二参数关联特征；
26、基于图神经网络构建性能参数预测模型，结合所述第一参数关联特征和所述第二参数关联特征并利用所述性能参数预测模型预测得到所述初始流程工艺参数对应的预测性能参数；
27、通过综合分析所述实测性能参数、所述预测性能参数和所述指标性能参数之间的均方根误差，将所述初始流程工艺参数调整至最优流程工艺参数。
28、可选的，所述基于双向长短期记忆网络构建参数关联分析模型，利用所述参数关联分析模型提取所述印刷加工数据与所述初始流程工艺参数之间的第一参数关联特征，利用所述参数关联分析模型提取所述印刷加工数据与所述指标性能参数之间的第二参数关联特征包括如下步骤：
29、基于双向长短期记忆网络构建参数关联分析模型，所述参数关联分析模型包括数据预处理层、第一关联特征提取层、第二关联特征提取层以及基于所述双向长短期记忆网络的第一参数特征关联层和第二参数特征关联层；
30、将所述印刷加工数据输入至所述参数关联分析模型中，通过所述数据预处理层对所述印刷加工数据进行数据预处理，所述数据预处理包括数据清洗处理和基于互信息特征筛选的数据降维处理；
31、将所述初始流程工艺参数和所述数据预处理后的所述印刷加工数据依次输入至所述第一参数特征关联层和所述第一关联特征提取层，通过所述第一关联特征提取层输出所述印刷加工数据与所述初始流程工艺参数之间的第一参数关联特征；
32、将所述指标性能参数和所述数据预处理后的所述印刷加工数据依次输入至所述第二参数特征关联层和所述第二关联特征提取层，通过所述第二关联特征提取层输出所述印刷加工数据与所述指标性能参数之间的第二参数关联特征。
33、可选的，所述基于图神经网络构建性能参数预测模型，结合所述第一参数关联特征和所述第二参数关联特征并利用所述性能参数预测模型预测得到所述初始流程工艺参数对应的预测性能参数包括如下步骤：
34、基于图神经网络构建性能参数预测模型；
35、将所述初始流程工艺参数、所述印刷加工数据和所述指标性能参数转换为图结构数据，并分别生成对应的工艺参数图节点、加工数据图节点和指标参数图节点；
36、基于所述第一参数关联特征生成所述工艺参数图节点和所述加工数据图节点之间的第一节点边；
37、基于所述第二参数关联特征生成所述指标参数图节点和所述加工数据图节点之间的第二节点边，形成参数关联有向图网络；
38、从所述镭射印刷工艺数据库中获取历史镭射印刷数据，所述历史镭射印刷数据包括具有参数关联标签的历史流程工艺参数、历史印刷加工数据和历史指标性能参数；
39、利用所述历史镭射印刷数据完成所述性能参数预测模型的训练过程；
40、将所述参数关联有向图网络输入至训练完成的所述性能参数预测模型中，通过所述性能参数预测模型以所述指标参数图节点为目标节点聚合二阶邻居节点特征；
41、基于所述二阶邻居节点特征输出预测结果，并将所述预测结果转换为所述初始流程工艺参数对应的预测性能参数。
42、可选的，所述通过综合分析所述实测性能参数、所述预测性能参数和所述指标性能参数之间的均方根误差，将所述初始流程工艺参数调整至最优流程工艺参数包括如下步骤：
43、计算所述实测性能参数和所述预测性能参数之间的第一均方根误差；
44、判断所述第一均方根误差是否小于预设的均方根误差阈值；
45、若所述第一均方根误差小于所述均方根误差阈值，则将所述实测性能参数和所述预测性能参数进行加权平均计算，得到测试性能参数；
46、计算所述测试性能参数与所述指标性能参数之间的第二均方根误差；
47、判断所述第二均方根误差是否小于所述均方根误差阈值；
48、若所述第二均方根误差小于所述均方根误差阈值，则将所述初始流程工艺参数作为最优流程工艺参数；
49、若所述第二均方根误差大于等于所述均方根误差阈值，则基于所述参数关联分析模型和所述性能参数预测模型并根据所述第二均方根误差迭代更新所述初始流程工艺参数，直至所述第二均方根误差小于所述均方根误差阈值，将当前迭代层数的所述初始流程工艺参数作为所述最优流程工艺参数。
50、可选的，所述方法还包括如下步骤：
51、若所述第一均方根误差大于等于所述均方根误差阈值，则基于所述第一均方根误差迭代更新所述参数关联分析模型和所述性能参数预测模型的模型参数，直至所述第一均方根误差小于所述均方根误差阈值。
52、第二方面，本发明还提供一种智能控制的镭射横向拉丝转移印刷系统，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面中所述的智能控制的镭射横向拉丝转移印刷方法。
53、本发明的有益效果是：
54、本发明所提供的技术方案通过确定待印刷产品的产品类型和预设的指标性能参数，选取相应的产品样品基底和待印刷产品基底，并结合性能测试步骤组成性能测试流程，从预设的镭射印刷工艺数据库中调取初始流程工艺参数，基于初始流程工艺参数对产品样品基底进行镭射印刷加工，得到待印刷产品样品，并通过性能测试流程对待印刷产品样品进行性能测试，将初始流程工艺参数调整至最优流程工艺参数，最终基于最优流程工艺参数对待印刷产品基底进行镭射印刷加工，从而实现了通过系统化和数据驱动的方法来优化复杂的工艺参数，减少了人工调整的时间和误差，提高了生产效率和产品质量的一致性和稳定性，显著降低了生产成本和资源浪费。
1.一种智能控制的镭射横向拉丝转移印刷方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的智能控制的镭射横向拉丝转移印刷方法，其特征在于，所述性能测试步骤包括产品清晰度测试步骤、产品分辨率测试步骤、产品光泽度测试步骤、产品色彩稳定性测试步骤、产品附着力测试步骤、产品耐光性测试步骤、产品耐水性测试步骤、产品耐化学性测试步骤、产品机械性能测试步骤、产品平整度测试步骤、产品环保性能测试步骤和产品防伪性能测试步骤中的任意一个或多个步骤。
3.根据权利要求2所述的智能控制的镭射横向拉丝转移印刷方法，其特征在于，所述按照所述性能测试流程对所述待印刷产品样品进行产品性能测试，并通过所述产品性能测试将所述初始流程工艺参数调整至最优流程工艺参数包括如下步骤：
4.根据权利要求3所述的智能控制的镭射横向拉丝转移印刷方法，其特征在于，所述方法还包括如下步骤：
5.根据权利要求1所述的智能控制的镭射横向拉丝转移印刷方法，其特征在于，所述按照所述性能测试流程对所述待印刷产品样品进行产品性能测试，并通过所述产品性能测试将所述初始流程工艺参数调整至最优流程工艺参数包括如下步骤：
6.根据权利要求5所述的智能控制的镭射横向拉丝转移印刷方法，其特征在于，所述基于双向长短期记忆网络构建参数关联分析模型，利用所述参数关联分析模型提取所述印刷加工数据与所述初始流程工艺参数之间的第一参数关联特征，利用所述参数关联分析模型提取所述印刷加工数据与所述指标性能参数之间的第二参数关联特征包括如下步骤：
7.根据权利要求5所述的智能控制的镭射横向拉丝转移印刷方法，其特征在于，所述基于图神经网络构建性能参数预测模型，结合所述第一参数关联特征和所述第二参数关联特征并利用所述性能参数预测模型预测得到所述初始流程工艺参数对应的预测性能参数包括如下步骤：
8.根据权利要求5所述的智能控制的镭射横向拉丝转移印刷方法，其特征在于，所述通过综合分析所述实测性能参数、所述预测性能参数和所述指标性能参数之间的均方根误差，将所述初始流程工艺参数调整至最优流程工艺参数包括如下步骤：
9.根据权利要求8所述的智能控制的镭射横向拉丝转移印刷方法，其特征在于，所述方法还包括如下步骤：
10.一种智能控制的镭射横向拉丝转移印刷系统，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至9中任意一项所述的智能控制的镭射横向拉丝转移印刷方法。
