[發明專利]一種注塑機深度神經網絡實時最優控制方法

有效

• 申請號: 202011468396.4
• 申請日: 2020-12-14
• 公開（公告）號: CN112659498B
• 公開（公告）日: 2021-08-24
• 發明（設計）人: 任志剛;徐佳鴻;吳宗澤;謝勝利
• 申請（專利權）人: 廣東工業大學
• 主分類號: B29C45/76
• 分類號: B29C45/76
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 王錦霞

本發明涉及注塑成型控制的技術領域，更具體地，涉及一種注塑機深度神經網絡實時最優控制方法，包括：S10.建立注塑機注塑填充過程的動態數學模型，將注塑機的流速控制問題轉化為求解帶約束的最優控制問題；S20.對動態數學模型進行迭代離線優化求解，生成基于不同初始狀態起始點的最優狀態?控制數據集；S30.利用最優狀態?控制數據集訓練深度神經網絡，深度神經網絡學習輸入狀態與輸出最優動作之間的非線性映射的數學關系；S40.采集注塑機當前狀態數據，輸入訓練好的深度神經網絡，輸出注塑機的控制信號。本發明將最優控制與深度神經網絡相結合，使得注塑機當前的系統狀態快速響應出下一步注塑機伺服閥電機的電流最優輸入控制信號。

技術領域

本發明涉及注塑成型控制的技術領域，更具體地，涉及一種注塑機深度神經網絡實時最優控制方法。

背景技術

注塑成型技術是將熱塑性和熱固性材料轉變為塑料類型產品的加工技術，注塑機作為加工塑料件等塑料產業的專業工作母機，70％的塑料件由其生產，其已成為航空航天、國防、電子電氣、光電通訊等高新技術領域重要的技術裝備，對新能源、新材料、節能環保、生物醫藥等高端制造產業提供重要的裝備支撐。注塑機內部熔融聚合物的注射流速是注塑加工工藝中的關鍵控制工藝參數之一，基于注射機生產出的塑料制品的品質與其填充過程中熔融聚合物的注射流速密切相關，而通過最優調節注塑機伺服閥的轉矩電機的電流大小可有效控制熔融聚合物的噴射流速，進而影響注塑產品質量。雖然目前注塑機已具備一定的基礎自動化水平，但是當前注塑過程的最優工作參數選擇以及操作優化決策仍然高度依賴現場熟練操作人員的經驗進行不斷試錯、配置和優化，例如調模工程師根據注塑產品的具體生產要求以及自身經驗對注塑機進行不斷反復調模、試模，最終讓機器生產出合格的產品。

中國專利CN107944147A公開了一種基于GRNN神經網絡的注塑工藝優化方法及注塑工藝，包括以下步驟：建立注塑產品的CAE分析模型；利用CAE軟件對所述CAE分析模型的注塑工藝參數進行仿真，確定影響所述注塑產品產生注塑缺陷的注塑工藝參數種類；將所述注塑工藝參數種類轉化為控制參數種類；基于所述控制參數種類，利用GRNN神經網絡進行網絡訓練，獲取最終優化控制參數。上述方案雖可將注塑工藝參數轉化為控制參數，控制參數直接用于注塑工藝，然而，上述方案針對不同條件不同工況在線下對注塑機內部參數進行調優調參，待最優輸入參數在線下不斷反復調優之后再部署到線上進行運行操作，此過程耗時耗力，并且魯棒性差；一旦系統初始條件產生變動或者工況發生臨時改變，還需要針對新狀況重新對系統內部控制參數進行修正調優，存在著穩定性差、時間久、成本高等問題，無法達到注塑機的在線實時反饋最優控制。

發明內容

本發明的目的在于克服現有技術中的不足，提供一種注塑機深度神經網絡實時最優控制方法，根據注塑機當前的系統狀態快速響應出下一步注塑機的控制參數，優化控制方法耗費時間短、無需重復離線調優調參、環境自適應能力強。

為解決上述技術問題，本發明采用的技術方案是：

提供一種注塑機深度神經網絡實時最優控制方法，包括以下步驟：

S10.建立注塑機注塑填充過程的動態數學模型，將注塑機的流速控制問題轉化為求解帶約束的最優控制問題；

S20.針對注塑機系統不同初始狀態，對步驟S10中所述的動態數學模型進行迭代離線優化求解，生成基于不同初始狀態起始點的最優狀態-控制數據并采集存儲得到最優狀態-控制數據集；

S30.利用步驟S20中所述最優狀態-控制數據集訓練深度神經網絡，深度神經網絡學習輸入狀態與輸出最優動作之間的非線性映射的數學關系，得到訓練好的深度神經網絡；

S40.采集注塑機當前狀態數據，輸入步驟S30中訓練好的深度神經網絡，輸出注塑機的控制信號，注塑機接收所述控制信號并按照所述控制信號進行工作。