[發明專利]一種注塑成型生產工藝參數的智能優化方法

在審

• 申請號: 201811614634.0
• 申請日: 2018-12-27
• 公開（公告）號: CN109783898A
• 公開（公告）日: 2019-05-21
• 發明（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

一種注塑成型生產工藝參數的智能優化方法，包括以下步驟：建立RBF神經網絡模型；對RBF神經網絡模型進行訓練得到訓練后的RBF神經網絡模型；利用遺傳算法隨機產生注塑成型生產工藝參數的初始值，得到輸入向量X，并設置滿足要求的塑件質量指標分數下限S_lim；將輸入向量X輸入到RBF神經網絡模型，并得到在此工藝參數下生產出塑件質量指標的評分S；將塑件質量指標的評分S與塑件質量指標的分數下限S_lim進行對比，若S大于或等于S_lim，則S評分合格并將注塑成型生產工藝參數輸出，否則S評分不合格，并執行下一步；利用遺傳算法進行選擇、交叉和變異操作，產生新的注塑成型生產工藝參數，得到輸入向量X，并執行步驟S4。本發明能獲得滿足產品質量指標的工藝參數。

技術領域

本發明涉及智能制造技術領域，具體涉及了一種注塑成型生產工藝參數的智能優化方法。

背景技術

中國已成為全球制造業第一大國。近年來，隨著大數據、物聯網等技術的興起，中國社會已步入智能化時代，這也給傳統制造業帶來了新挑戰。注塑成型裝備作為支撐塑料產業的工作母機，支撐了家電、汽車、消費電子等支柱產業的發展。但是大多數企業只是在低端市場依靠價格開展競爭，設備的智能化程度不高，產品附加值低，而高端市場依然由國外企業占據。傳統的注塑成型生產過程中，工藝參數決策是影響塑件質量的重要因素，而其中還存在很多問題。所以，面對全球工業生產信息化的浪潮，傳統注塑成型行業的轉型升級迫在眉睫。

注塑成型制件的質量主要包括表面質量以及性能質量。注塑成型工藝參數是決定注塑制品質量的重要因素之一。注塑成型生產過程中的工藝參數決策嚴重依賴人工經驗，面對新產品和生產環境中的不確定因素，塑件的質量難以保證。工藝參數主要包括溫度(塑化物料溫度、注射溫度)、壓力(注射壓力、開模壓力、脫模壓力、鎖模壓力等)、及時間(冷卻時間、注射時間)、速度(射出速度、開閉模速度、脫模速度)等。傳統的注塑工藝參數設置采用嘗試法依賴人工經驗以及簡單的計算公式進行初設置，通過試件缺陷進行參數的不斷修正。這種方法導致生產周期長、成本高，產品質量難以保障。特別是在精密成型領域，傳統的參數條件方法已難以獲得滿意的產品品質。同時，在目前市場多變和新產品不斷涌現的環境中，由于傳統的方法過分依賴經驗及以往案例，因此在新產品研制中，傳統方法面臨極大挑戰。工藝參數的智能化決策尤為重要。

有鑒于此，確有必要提供一種注塑成型生產工藝參數的智能優化方法，以提高制造的智能化。

發明內容

本發明目的在于克服現有技術的缺點與不足，提供了一種注塑成型生產工藝參數的智能優化方法，考慮塑件性能多方面指標，通過解決帶約束的多目標優化問題，獲得滿足產品質量指標的注塑成型生產工藝參數，提升產品質量水平和穩定性。

為實現上述目的，本發明采用的技術方案如下：

一種注塑成型生產工藝參數的智能優化方法，包括以下步驟：

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

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

S2.對RBF神經網絡模型進行訓練得到訓練后的RBF神經網絡模型；

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