[發(fā)明專利]一種注塑成型生產(chǎn)工藝參數(shù)的智能優(yōu)化方法

在審

• 申請?zhí)枺?/td>: 201811614634.0
• 申請日: 2018-12-27
• 公開（公告）號: CN109783898A
• 公開（公告）日: 2019-05-21
• 發(fā)明（設計）人: 魯仁全;李鵬旭;李攀碩;徐雍;吳元清
• 申請（專利權）人: 廣東工業(yè)大學
• 主分類號: G06F17/50
• 分類號: G06F17/50;G06N3/08;G06N3/12;G06Q50/04
• 代理公司: 廣東廣信君達律師事務所 44329
• 代理人: 楊曉松

1.一種注塑成型生產(chǎn)工藝參數(shù)的智能優(yōu)化方法，其特征在于包括以下步驟：

S1.建立RBF神經(jīng)網(wǎng)絡模型，所述RBF神經(jīng)網(wǎng)絡模型包括神經(jīng)網(wǎng)絡輸入變量X、隱含層神經(jīng)元F_i(X)和輸出變量Y，隱含層神經(jīng)元F_i(X)為：

其中，其中輸入向量X為注塑成型生產(chǎn)工藝參數(shù)，輸出變量Y為塑件質(zhì)量指標，σ_i為第i個隱含層節(jié)點變量；C_i表示第i個隱含層節(jié)點的中心，與X具有相同維數(shù)的向量；m表示感知單元的個數(shù)，也就是隱藏層的節(jié)點數(shù)；||X-C_i||是向量X-C_i的歐幾里德范數(shù)；

S2.對RBF神經(jīng)網(wǎng)絡模型進行訓練得到訓練后的RBF神經(jīng)網(wǎng)絡模型；

S3.利用遺傳算法隨機產(chǎn)生注塑成型生產(chǎn)工藝參數(shù)的初始值，得到輸入向量X，并設置滿足要求的塑件質(zhì)量指標分數(shù)下限S_lim；

S4.將輸入向量X輸入到訓練后的RBF神經(jīng)網(wǎng)絡模型，對RBF神經(jīng)網(wǎng)絡模型的n個輸出變量進行線性加權得到塑件質(zhì)量指標的評分，即S表示塑件質(zhì)量指標的評分，w_yi表示輸出變量Y_i對塑件質(zhì)量評分所占權重值；

S5.將塑件質(zhì)量指標的評分S與塑件質(zhì)量指標的分數(shù)下限S_lim進行對比，若S大于或等于S_lim，則S評分合格并將輸入向量X所代表的注塑成型生產(chǎn)工藝參數(shù)輸出，否則S評分不合格，并執(zhí)行下一步；

S6.利用遺傳算法進行選擇、交叉和變異操作，產(chǎn)生新的注塑成型生產(chǎn)工藝參數(shù)，得到輸入向量X，并執(zhí)行步驟S4。

2.根據(jù)權利要求1所述的注塑成型生產(chǎn)工藝參數(shù)的智能優(yōu)化方法，其特征在于：采用線性優(yōu)化策略對隱含層神經(jīng)元F_i(X)和輸出變量Y之間關系進行調(diào)整，得到隱含層神經(jīng)元F_i(X)和輸出變量Y之間的映射關系為：

其中，w_in為第i層隱含層節(jié)點到第n個輸出層節(jié)點的權值，n為輸出層節(jié)點的個數(shù)。

3.根據(jù)權利要求1所述的注塑成型生產(chǎn)工藝參數(shù)的智能優(yōu)化方法，其特征在于：所述注塑成型生產(chǎn)工藝參數(shù)為塑化物料溫度、注射溫度、注射壓力、開模壓力、脫模壓力、鎖模壓力、冷卻時間、注射時間、射出速度、開閉模速度和脫模速度11個參數(shù)的任意組合。

4.根據(jù)權利要求1所述的注塑成型生產(chǎn)工藝參數(shù)的智能優(yōu)化方法，其特征在于：所述塑件質(zhì)量指標為氣泡、變形、油污、熔接線、缺料、毛邊、孔堵和斷裂8個指標的任意組合。