本发明涉及测厚仪反馈数据的矫正领域，具体涉及一种测厚仪反馈数据的矫正方法。
背景技术：
1、随着新能源、新材料等行业的迅猛发展，对电池性能及其组成部件的精准控制提出了越来越高的要求。极片作为电池的关键组件之一，其厚度的准确测量对保证电池质量和提升性能具有重要意义。极片厚度的精确测量在电池制造领域中具有举足轻重的地位，它不仅是确保电池性能稳定的关键因素，还是提升生产效率的重要保障。极片作为电池的重要组成部分，其厚度的均匀性和精确性直接关系到电池的电化学性能和安全性。如果极片厚度存在偏差，不仅会影响电池的容量和能量密度，还可能导致电池在工作过程中出现热失控、短路等安全隐患。因此，对极片厚度进行精确测量，是确保电池性能稳定的前提和基础。在电池生产过程中，极片厚度的精确测量也是提升生产效率的重要手段。随着电池制造技术的不断发展，电池生产线的自动化和智能化水平越来越高，对极片厚度的实时在线监测需求也越来越迫切。通过精确测量极片厚度，可以及时发现生产过程中的异常情况，避免不合格产品的产生，减少生产过程中的浪费和损失，从而提高生产效率。精确测量极片厚度还有助于优化电池生产工艺。通过对不同工艺条件下极片厚度的测量和分析，可以找出影响极片厚度均匀性和精确性的关键因素，进而对生产工艺进行针对性的改进和优化。这不仅可以提高电池的性能和质量，还可以降低生产成本，增强企业的市场竞争力。综上所述，极片厚度的精确测量在电池制造领域中具有不可或缺的作用。它既是保证电池性能稳定的关键环节，也是提升生产效率的重要手段。随着电池行业的不断发展，对极片厚度测量技术的要求也越来越高，相信未来会有更多先进、高效的测量方法涌现，为电池制造领域带来更多的创新和突破。
2、常用的极片厚度测量方法主要包括机械测量法、激光测量法和x射线测量法等。机械测量法主要通过机械探头与极片表面的接触来测量其厚度。尽管这种方法操作简单、直观，但在实际应用中却存在诸多不足。首先，机械探头的精度和稳定性直接影响测量结果的准确性，一旦探头磨损或校准不当，就会导致测量误差。其次，机械测量法对极片表面的平整度要求较高，如果极片表面存在凹凸不平的情况，就会导致测量结果的偏差。激光测量法则通过激光束与极片表面的相互作用来测量其厚度。虽然激光测量法具有非接触、测量速度快等优点，但其缺点也同样明显。首先，激光测量法对极片表面的光学特性非常敏感。极片表面的颜色、光泽度以及可能存在的污渍、氧化物等都会影响激光束的反射和散射，进而导致测量误差。其次，激光测量法的精度受到环境因素的影响较大，如温度、湿度、空气洁净度等都会对激光束的传播和接收产生干扰，从而影响测量结果的准确性。x射线测厚法的主要优势在于其高精度测量能力。利用x射线穿透物质时强度的衰减规律，可以精确计算出极片的厚度。这种测量方式不受极片表面粗糙度、颜色或光泽度的影响，因此能够提供更稳定、更可靠的测量结果。此外，x射线测厚法还具有非接触性，这意味着在测量过程中不会对极片造成任何损伤，尤其适用于对极片表面质量要求较高的场合。
3、高精度x射线测厚仪的价格昂贵是其一个显著的缺点。这类设备通常采用了先进的x射线源、探测器以及精确的机械和电子部件，以确保测量的高精度和稳定性。经准直后的射线束透射到被测极片上所形成的光斑越小所反馈的面积区域小被测极片被反馈的面积越小，探测器为了满足被测极片的整体反馈的需求，探测器反馈数据的频率需要增加进而使得样品测量点增多，进而保证在大量的反馈数据下求得均值的可靠性增加；同时x射线源发射出经准直后的用于测量的x射线也需要满足利用x射线进行测厚的一般规律即x射线穿透物质时强度的衰减规律；经过准直后的x射线强度和经准直后的x射线透射被测物质所形成的衰减量之间必须满足一定的关系，这就在经准直后的x射线束透射到被测极片上所形成的光斑维持在一个比较小的范围，所述的x射线源需要维持在一个较高的能量输送状态才能满足准直后的射线强度和经准直后的射线透射被测物质所形成的衰减量之间比值关系；但是，x射线源需要维持在一个较高的能量输送状态无疑会降低x射线源的使用寿命，并且更进一步的来说，x射线源需要维持在一个较高的能量输送状态也需要缩短的对经准直后的x射线进行标定的周期；如若增加经准直后的x射线束透射到被测极片上所形成的光斑面积则会牺牲测量精度从而降低数据的可靠性，因此，在利用x射线测厚仪进行厚度测量在即能维持x射线源维持在一个相对稳定的正常使用周期并且能够保持数据反馈可靠性存在可改进的空间，从而降低使用x射线测厚仪的使用成本，提高市场的推广度。
技术实现思路
1、针对现有技术的不足，本发明提供一种能够降低x射线测厚仪被标定的频率并且能够保持通过x射线测厚仪获取数据可靠性的测厚仪反馈数据的矫正方法，用于克服现有技术中缺陷。
2、本发明采用的技术方案为：一种测厚仪反馈数据的矫正方法，包括以下步骤：
3、s1、在测厚仪上安装经重量比对法校准后的第一测厚组件，并且调整第一测厚组件采集数据的频率为a次/秒，将完成烘干涂布的极片安装在所述的测厚仪所安装的托辊输送装置上，驱动所述的托辊输送装置将所述的极片在为b米/秒的速度下匀速运动，所述的测厚仪以c米/秒的速度驱动所述的第一测厚组件进行往复运动，当运行时间为t时，所述的第一测厚组件反馈若干个数据，根据利用重量比对法校准后的校准参数 对所述的第一测厚组件反馈的若干个数据进行校准，得到，而后将所述的极片反向运动至极片复位；
4、s2、从所述的测厚仪上拆卸所述的第一测厚组件并安装第二测厚组件，调整第二测厚组件采集数据的频率为a次/秒，再次驱动所述的托辊输送装置将所述的极片在为b米/秒的速度下匀速运动，所述的测厚仪以c米/秒的速度驱动所述的第二测厚组件进行往复运动，当运行时间为t时，所述的第二测厚组件反馈若干个数据 ，而后再次将所述的极片反向运动至极片复位；
5、s3、从所述的测厚仪上拆卸所述的第二测厚组件并安装第三测厚组件，调整第三测厚组件采集数据的频率为a次/秒，再次驱动所述的托辊输送装置将所述的极片在为b米/秒的速度下匀速运动，所述的测厚仪以c米/秒的速度驱动所述的第三测厚组件进行往复运动，当运行时间为t时，所述的第三测厚组件反馈若干个数据 ；
6、s4、将某一时刻的所述的第二测厚组件反馈数据所对应的光斑区域分割成10份，将相应时刻的所述的第三测厚组件反馈数据所对应的光斑区域分割成60份，令每个区域具有稳定一致的权重，即设所述的第三测厚组件反馈数据对应的权重参数为 ，所述的第二测厚组件反馈数据对应的权重参数为 ，则
7、
8、
9、从而可建立 三者之间的关系，如下：
10、
11、
12、s5、利用某一时刻所述的第三测厚组件反馈数据和所述的第三测厚组件反馈数据对应的权重参数为 反推相应时刻所述的第一测厚组件反馈并矫正的数据；同时根据所述的第二测厚组件反馈数据对应的权重参数为 相应时刻所述的第一测厚组件反馈并矫正的数据推测该时刻所述的第二测厚组件反馈数据所对应拟合值；利用构建全连接神经网络和因子分解机模型，对某一时刻所述的第三测厚组件反馈数据求解，从而得到关系式一：
13、
14、其中，为模型参数；为某一时刻所述的第三测厚组件反馈数据；为相应时刻所述的第三测厚组件反馈数据所对应拟合值；、、为三个可选的函数，用于表明所述的第三测厚组件反馈数据和所述的第二测厚组件反馈数据间复杂的非线性映射关系，是数据各个特征间的交互作用。
15、优选的，所述的第一测厚组件、所述的第二测厚组件和所述的第三测厚组件从上至下均依次包括发射源、上准直器、下准直器和探测器，所述的上准直器包括第一准直孔，所述的第一准直孔采用圆形结构，所述的下准直器包括第二准直孔，第二准直孔采用矩形结构。
16、优选的，所述的、选择恒等映射，内层的非线性表示是通过两层前馈神经网络实现，模型中的，即为神经网络的输出节点个数，网络的输出为，具体的关系式二如下：
17、 ；
18、其中，式中输入信号为所述的第三测厚组件反馈数据，为第层网络参数；为网络中的激活函数；运算符“”代表矩阵乘积运算；
19、综合关系式一和关系式二，得到关系式三：
20、
21、其中，、；；
22、优选的，还包括误差函数，所述的误差函数为
23、
24、所述的 为所述的第二测厚组件反馈的数据， 是平方误差；所述的第三测厚组件反馈数据经校正后相对于所述的第二测厚组件所对应拟合值；
25、所述的误差函数为平方误差，利用误差函数并结合梯度下降法对所述的关系式三可得参数更新公式；即，关系式四：
26、；
27、其中，是模型参数的统称， 是更新步长，是平方误差，神经网络架构中的dropout层的dropout率采用0.5；全连接层采用64个神经元的全连接层；损失函数采用mse；优化器选取adam；性能指标选取所述的第二测厚组件反馈数据 和所述的第三测厚组件反馈数据所对应拟合值的相关系数。
28、优选的，还包括以下步骤：
29、反复多次执行步骤s3，从而得到若干组数据，在反复执行多次步骤s3的过程中所述的第二测厚组件采集数据的频率均为a次/秒，所述的极片均保持在bm/s的速度下匀速运动，所述的测厚仪则也保持以cm/s的速度驱动所述的第二测厚组件进行往复运动从而得到的在每个测量点均可获得若干个数据，对每个测量点上反馈的数据均利用关系式五进行归一化处理，具体的关系式五为：
30、
31、其中， 为所述的第三测厚组件反馈若干个数据中的第n个采样点对应的归一化数值， 为所述的第三测厚组件反馈若干个数据中的第n个采样点，为所述的第三测厚组件反馈若干个数据中的最小幅度值， 为所述的第三测厚组件反馈若干个数据中的最大幅度值。
32、优选的，所述的第一测厚组件、所述的第二测厚组件或者所述的第三测厚组件的采集数据的频率为a次/秒、所述的极片的宽度h米以及所述的测厚仪以c米/秒的速度驱动所述的第一测厚组件、所述的第二测厚组件或者所述的第三测厚组件进行往复运动之间满足：
33、 ；关系式六；
34、其中，a为所述的第一测厚组件、所述的第二测厚组件或者所述的第三测厚组件的采集数据的频率；为构建全连接神经网络最少需要的数据个数；为构建因子分解机模型所需要的额外数据个数， ；t为完成所述的第一测厚组件、所述的第二测厚组件或者所述的第三测厚组件的采集数据所需的时间；
35、 ；关系式七；
36、t为所需时间； 为系数， 的取值为不小于2的整数； 为测厚仪驱动所述的第一测厚组件；所述的第二测厚组件或者所述的第三测厚组件以速度c米/秒行走h米所需的时间；
37、综合关系式六和关系式七得到关系式八
38、；
39、其中，a为所述的第一测厚组件、所述的第二测厚组件或者所述的第三测厚组件的采集数据的频率；为构建全连接神经网络最少需要的数据个数；为构建因子分解机模型所需要的额外数据个数，；为系数，的取值为不小于2的整数。
40、优选的，所述的第一测厚组件在被测极片上光斑的外接圆直径以及所述的第二测厚组件第一测厚组件在被测极片上光斑的外接圆直径均采用1mm，所述的第三测厚组件在被测极片上光斑的外接圆直径均采用6mm。
41、本发明有益效果是：本发明通过所述的第一测厚组件反馈数据、第二测厚组件反馈数据以及第三测厚组件反馈数据利用全连接神经网络和因子分解机模型，并且根据该模型给出更为可靠的矫正关系，利用该矫正关系对第三测厚组件反馈数据进行进一步矫正得到对所述的第三测厚组件矫正数据，既能维持继续使用透射在被测极片上光斑更大的所述的第三测厚组件从而降低x射线测厚仪被标定的频率以及使用寿命，同时因获取了所述的第三测厚组件矫正数据也提高了通过x射线测厚仪获取数据可靠性。
1.一种测厚仪反馈数据的矫正方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的测厚仪反馈数据的矫正方法，其特征在于：所述的第一测厚组件、所述的第二测厚组件和所述的第三测厚组件从上至下均依次包括发射源、上准直器、下准直器和探测器，所述的上准直器包括第一准直孔，所述的第一准直孔采用圆形结构，所述的下准直器包括第二准直孔，第二准直孔采用矩形结构。
3.根据权利要求1所述的测厚仪反馈数据的矫正方法，其特征在于：所述的、选择恒等映射，内层的非线性表示是通过两层前馈神经网络实现，模型中的，即为神经网络的输出节点个数，网络的输出为，具体的关系式二如下：
4.根据权利要求3所述的测厚仪反馈数据的矫正方法，其特征在于：还包括误差函数，所述的误差函数为
5.根据权利要求1所述的测厚仪反馈数据的矫正方法，其特征在于：还包括以下步骤：
6.根据权利要求1所述的测厚仪反馈数据的矫正方法，其特征在于：所述的第一测厚组件、所述的第二测厚组件或者所述的第三测厚组件的采集数据的频率为a次/秒、所述的极片的宽度h米以及所述的测厚仪以c米/秒的速度驱动所述的第一测厚组件、所述的第二测厚组件或者所述的第三测厚组件进行往复运动之间满足：
7.根据权利要求1所述的测厚仪反馈数据的矫正方法，其特征在于：所述的第一测厚组件在被测极片上光斑的外接圆直径以及所述的第二测厚组件第一测厚组件在被测极片上光斑的外接圆直径均采用1mm，所述的第三测厚组件在被测极片上光斑的外接圆直径均采用6mm。
