[發明專利]一種基于改進支持向量機的注塑產品質量預測方法

有效

• 申請號: 202110302729.4
• 申請日: 2021-03-22
• 公開（公告）號: CN113119425B
• 公開（公告）日: 2023-05-16
• 發明（設計）人: 楊海東;匡先云;徐康康;朱成就;印四華;金熹;王弦楷;余炳圳;黃梓偉;王中琰
• 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: 牛念

1.一種基于改進支持向量機的注塑產品質量預測方法，其特征在于：包括以下步驟：

S1：根據生產實際，繪制日字扣三維模型，在Moldflow中設置相應的工藝參數，對比實際缺陷與仿真缺陷，驗證仿真模型的可靠性；

S2：利用步驟S1驗證后的仿真模型，獲取多個影響產品缺陷的工藝參數和質量參數，所述工藝參數包括溶體溫度、模具溫度、注射時間、冷卻時間、保壓壓力以及保壓時間，所述質量參數包括：熔接痕長度、氣泡面積，對所述工藝參數和所述質量參數進行田口實驗取樣，獲取實驗數據；

S3：對田口實驗獲取的實驗數據采用加權綜合評分法進行處理，獲取加權優化后的實驗數據；

S4：利用步驟S3獲取的數據構建注塑成型質量預測模型：y＝f(x)＝wφ(x)+b

其中w為權值；b為偏置項，取常數；φ(x)為低維空間到高維空間的非線性映射；

所述預測模型表達式針對優化目標取極值，

約束條件為：

其中：C為懲罰因子；ξ_i、為松弛因子；ε為損失函數；

為了解決該高維二次規劃問題，引入了拉格朗日乘子向量，轉化式如下：

其中：i,j＝1,2,…,m；x_i,j為輸入量；y_i為輸出量；a_i、b_i拉格朗日乘子；

在對非線性樣本數據進行分類時，只有通過某種變換才能完成數據從低維到高維的轉換，基于核函數K(x_i,x_j)＝φ(x_i)φ(x_j)完成，本發明選用徑向基核函數，得到SVM的決策函數為：

核函數確定后，尋找最優的兩個參數，即懲罰因子C和核參數g，因為懲罰參數C用來控制模型的復雜度和回歸精度，核參數g用于控制模型的泛化能力，為快速合理地確定SVM的C和g，采用遺傳模擬退火來優化SVM的C和g；

利用網絡訓練樣本和測試樣本，對遺傳模擬退火優化支持向量機進行訓練和檢測，驗證注塑成型質量預測模型的可靠性；其中，基于遺傳模擬退火算法的多參數優化步驟描述如下:

S411:參數設置，設定種群大小NIND、遺傳代數MAX-GEM、變量二進制位數PRECI、遺傳算法的交叉概率P_c、變異概率P_m、代溝GGAP、退火初始溫度T₀、溫度衰減系數k，當前進化代數gen＝1；

S412:編碼并產生初始種群，對待優化的N個變量按順序進行編碼，并產生初始種群S_gen，采用二進制編碼方式，即每1條染色體代表了1個網絡的所有懲罰因子C和核參數g，用N維數組表示；

S413:適應度計算，利用適應度函數計算種群中個體i的適應度，以支持向量機訓練誤差作為適應度函數，其公式為:

fit(i)＝E

其中:fit為個體適應度函數；E為支持向量機訓練誤差；i表示個體；

S414:選擇操作產生下一代新的種群；

S415:交叉操作，從種群中取出要交配的一對個體，在交叉概率的控制下，2個個體在選定的位置交換染色體的內容，選擇單點交叉算子進行交叉操作，交叉操作后產生種群S′_gen；

S416:變異操作，在變異概率控制下，將所選個體的位取反，即若是1則取0；若是0，則取1，變異操作后產生種群S″_gen；

S417:退火操作，計算原始種群和遺傳操作后新產生的種群適應度差Δf，采用Metropolis接受準則來判斷接受還是放棄新解，即:若Δf0，則接受該個體，若Δf≥0，則以概率p＝exp(-Δf/T_gen)接受該個體，其中，Δf＝fit(S′_gen)-fit(S_gen)，T_gen為溫度衰減函數，T_gen＝kT_gen-1，退火操作后產生種群S′″_gen；

S418:終止條件判斷，算法的迭代次數是否達到最大進化代數；如果滿足終止條件，則轉向S419，算法結束；如果不滿足終止條件，則gen＝gen+1，轉到S414；

S419:輸出當前最優個體作為問題的最優解并將遺傳模擬退火算法搜索的最優個體解碼，賦值給支持向量機懲罰因子C和核參數g。