[發(fā)明專利]一種注射成形工藝參數(shù)無模型優(yōu)化方法

有效

• 申請?zhí)枺?/td>: 202010460745.1
• 申請日: 2020-05-27
• 公開（公告）號: CN111611715B
• 公開（公告）日: 2022-08-05
• 發(fā)明（設(shè)計(jì)）人: 趙朋;董正陽;紀(jì)凱鵬;周宏偉;鄭建國;王庭瑜;傅建中
• 申請（專利權(quán)）人: 浙江大學(xué)
• 主分類號: G06F30/20
• 分類號: G06F30/20;G06F111/10
• 代理公司: 杭州知閑專利代理事務(wù)所(特殊普通合伙) 33315
• 代理人: 黃燕

本發(fā)明公開了一種注射成形工藝參數(shù)無模型優(yōu)化方法，解決現(xiàn)有優(yōu)化方法存在的所需試驗(yàn)次數(shù)多，對不同參數(shù)為進(jìn)行適應(yīng)性調(diào)整的問題。本方法無需對產(chǎn)品質(zhì)量指標(biāo)與工藝參數(shù)之間建立代理模型，通過在線迭代的方法使得工藝參數(shù)向最優(yōu)解附近收斂。本發(fā)明通過迭代梯度估計(jì)方法，計(jì)算當(dāng)前點(diǎn)的梯度方向，并應(yīng)用自適應(yīng)矩估計(jì)算法為每個(gè)參數(shù)分配自適應(yīng)的步長。本方法可以顯著降低工藝參數(shù)過程所需的成本和時(shí)間，對于提高注射成形工藝參數(shù)優(yōu)化效率有很大幫助。

技術(shù)領(lǐng)域

本發(fā)明屬于工藝參數(shù)優(yōu)化方法，特別涉及了一種注射成形工藝參數(shù)無模型優(yōu)化方法。

背景技術(shù)

注射成形是典型的批處理過程，目前注射成形的材料可以包括：塑料、橡膠、磁性粉末、金屬等。以塑料注射成形為例，每個(gè)批處理過程包括三個(gè)階段：填充階段，保壓階段，冷卻和塑化階段。在填充階段，注塑機(jī)將熔體推入模具的模腔中，通過速度/壓力(V/P)切換點(diǎn)后將切換到保壓階段，維持一定的保壓壓力以補(bǔ)償收縮。隨后料筒中的螺桿退回并反轉(zhuǎn)，將新的塑料顆粒進(jìn)行加熱并塑化，同時(shí)模具中的塑料熔體經(jīng)過一定時(shí)間冷卻固定成形，直到產(chǎn)品可以從模具中頂出。

模具設(shè)計(jì)，零件設(shè)計(jì)，原材料和工藝參數(shù)是影響注塑產(chǎn)品的最主要因素。確定模具和零件的設(shè)計(jì)以及原材料的類型后，工藝參數(shù)是影響產(chǎn)品質(zhì)量，生產(chǎn)率和能耗的最重要因素。因此，確定最優(yōu)的工藝參數(shù)意義重大。但是，由于成形過程中涉及的參數(shù)數(shù)量眾多，不同參數(shù)之間存在耦合，并且優(yōu)化目標(biāo)和參數(shù)之間存在時(shí)變和非線性的關(guān)系，這項(xiàng)工作仍然是一個(gè)挑戰(zhàn)。

試錯(cuò)法等傳統(tǒng)方法在很大程度上取決于技術(shù)人員的個(gè)人經(jīng)驗(yàn)，通過反復(fù)試湊調(diào)節(jié)工藝參數(shù)。這種優(yōu)化方法耗費(fèi)時(shí)間且需要多次試驗(yàn)，無法再滿足工業(yè)的效率要求。隨著數(shù)值分析的發(fā)展，許多研究人員將不同的數(shù)學(xué)模型用于參數(shù)優(yōu)化方法，這些方法可以分為兩類：基于模型的優(yōu)化(model-based optimization,MBO)和無模型優(yōu)化(model-freeoptimization,MFO)。

MBO方法首先需要采集若干組工藝參數(shù)及其對應(yīng)的優(yōu)化目標(biāo)值，通過這些數(shù)據(jù)建立優(yōu)化目標(biāo)與參數(shù)的代理模型。建立代理模型的方法包括人工神經(jīng)網(wǎng)絡(luò)(ANN)，支持向量機(jī)(SVM)等等。由于注塑成形過程的復(fù)雜性，建立足夠精度的代理模型通常需要大量的試驗(yàn)數(shù)據(jù)進(jìn)行回歸擬合，因此增加了優(yōu)化成本；除此之外，優(yōu)化目標(biāo)與工藝參數(shù)之間的關(guān)系通常會隨材料、產(chǎn)品結(jié)構(gòu)等因素變化，因此，MBO方法建立的代理模型只適用于特定種類的材料及結(jié)構(gòu)，無法直接推廣到其他產(chǎn)品中，而是需要重新進(jìn)行建立代理模型的過程，從而降低了優(yōu)化效率。

與MBO方法相比，MFO方法不需要事先建立代理模型，而是在每一步得到的優(yōu)化目標(biāo)值作為反饋，判斷當(dāng)前的優(yōu)化方向，逐漸迭代到最優(yōu)的工藝參數(shù)。MFO方法的關(guān)鍵在于尋找準(zhǔn)確的優(yōu)化方向以及如何分配每個(gè)參數(shù)的優(yōu)化步長。MFO方法可以分為兩類：基于梯度的方法和不基于梯度的方法。不基于梯度的方法根據(jù)隨機(jī)搜索找到更接近優(yōu)化目標(biāo)的參數(shù)，從而確定優(yōu)化方向，如Nelder–Mead方法，進(jìn)化算法等等。這種方法的優(yōu)點(diǎn)在于無需額外的試驗(yàn)次數(shù)來進(jìn)行梯度的估計(jì)，但是優(yōu)化過程存在一定的隨機(jī)性，且收斂速度與基于梯度的方法相比更低。而基于梯度的方法一般需要額外的試驗(yàn)以擬合梯度，如同時(shí)攝動隨機(jī)近似(SPSA)方法，但得益于梯度提供的明確的優(yōu)化方向，基于梯度的方法由較快的收斂速度，能夠以更少的實(shí)驗(yàn)成本得到最優(yōu)的工藝參數(shù)。目前的MFO方法仍然存在不足之處：優(yōu)化方向的確定一般需要額外的試驗(yàn)以擬合梯度，提高了優(yōu)化成本；參數(shù)調(diào)整過程中對每個(gè)參數(shù)的調(diào)整步長通常是相等的，沒有充分考慮對不同參數(shù)的適應(yīng)性。基于以上考慮，有必要提出一種無模型自適應(yīng)的優(yōu)化方法，以提高工藝參數(shù)優(yōu)化的效率。

發(fā)明內(nèi)容

本發(fā)明目的在于解決現(xiàn)有注射成形工藝參數(shù)優(yōu)化方法仍然存在的不足之處，提供一種更加快速、低成本、自適應(yīng)的工藝參數(shù)優(yōu)化方法。

本發(fā)明采用迭代梯度估計(jì)方法計(jì)算當(dāng)前點(diǎn)的梯度方向，作為參數(shù)調(diào)整方向，并且采用自適應(yīng)矩估計(jì)算法實(shí)現(xiàn)每個(gè)參數(shù)步長的自適應(yīng)調(diào)整，以解決現(xiàn)有優(yōu)化方法試驗(yàn)次數(shù)多、對不同參數(shù)適應(yīng)性低等問題，最終以少量試驗(yàn)次數(shù)實(shí)現(xiàn)工藝參數(shù)的快速優(yōu)化。