注塑机工艺参数的智能设置与优化

书书书　第６０卷　第１１期　　化　工　学　报　　　　　　　Ｖｏｌ．６０　Ｎｏ．１１　２００９年１１月　　ＣＩＥＳＣ　Ｊｏｕｒｎａｌ　　　Ｎｏｖｅｍｂｅｒ　２００９檭檭檭檭檭檭檭檭檭檭檭檭檭檭殐殐殐殐研究论文注塑机工艺参数的智能设置与优化赵　朋，周华民，李　阳，李德群（华中科技大学材料成形与模具技术国家重点实验室，湖北武汉４３００７４）摘要：针对工艺人员的试模思路，混合使用实例推理、代理模型和模糊推理技术，建立一种描述注塑机工艺参数设置与优化全过程的混合智能模型。首先采用实例推理技术模拟工艺人员设置初始工艺参数时的“借鉴”思维，在实例推理失败的情况下，采用代理模型模拟工艺人员的“直觉”思维设置初始工艺参数，然后将初始参数用于试模，最后利用模糊推理技术实现工艺人员不断修正缺陷、优化工艺参数的思维过程。基于上述智能模型开发出了相应的软件系统，并通过与控制器的通讯实现与注塑机的集成，实际案例验证表明该系统正确有效，可应用于实际生产。关键词：注射成型；实例推理；代理模型；模糊推理；注塑机；工艺参数优化中图分类号：ＴＱ３２０　　　　　　文献标识码：Ａ文章编号：０４３８－１１５７（２００９）１１－２８５４－０８犐狀狋犲犾犾犻犵犲狀狋狊犲狋狋犻狀犵犪狀犱狅狆狋犻犿犻狕犪狋犻狅狀狅犳狆狉狅犮犲狊狊狆犪狉犪犿犲狋犲狉狊犳狅狉犻狀犼犲犮狋犻狅狀犿狅犾犱犻狀犵犿犪犮犺犻狀犲犣犎犃犗犘犲狀犵，犣犎犗犝犎狌犪犿犻狀，犔犐犢犪狀犵，犔犐犇犲狇狌狀（犛狋犪狋犲犓犲狔犔犪犫狅狉犪狋狅狉狔狅犳犕犪狋犲狉犻犪犾犘狉狅犮犲狊狊犻狀犵犪狀犱犇犻犲牔犕狅狌犾犱犜犲犮犺狀狅犾狅犵狔，犎狌犪狕犺狅狀犵犝狀犻狏犲狉狊犻狋狔狅犳犛犮犻犲狀犮犲犪狀犱犜犲犮犺狀狅犾狅犵狔，犠狌犺犪狀４３００７４，犎狌犫犲犻，犆犺犻狀犪）犃犫狊狋狉犪犮狋：Ｂａｓｅｄｏｎｔｈｅｍｏｌｄｉｎｇｏｐｅｒａｔｏｒ’ｓｔｈｏｕｇｈｔｄｕｒｉｎｇｔｈｅｍｏｌｄｉｎｇｔｒｉａｌｒｕｎｓ，ａｈｙｂｒｉｄｉｎｔｅｌｌｉｇｅｎｔｍｏｄｅｌｅｍｐｌｏｙｉｎｇｃａｓｅｂａｓｅｄｒｅａｓｏｎｉｎｇ，ｓｕｒｒｏｇａｔｅｍｏｄｅｌａｎｄｆｕｚｚｙｉｎｆｅｒｅｎｃｅｗａｓｃｏｎｓｔｒｕｃｔｅｄ．Ｆｉｒｓｔ，ｔｈｅｉｄｅａｏｆｃａｓｅｂａｓｅｄｒｅａｓｏｎｉｎｇｗａｓａｄｏｐｔｅｄｆｏｒｔｈｅｉｎｉｔｉａｌｐｒｏｃｅｓｓｐａｒａｍｅｔｅｒｓｓｅｔｔｉｎｇ，ｗｈｉｃｈｓｉｍｕｌａｔｅｄｔｈｅｍｏｌｄｉｎｇｏｐｅｒａｔｏｒ’ｓｂｅｈａｖｉｏｒｔｈａｔｏｎｅｏｆｔｅｎｒｅｃａｌｌｓｐｒｅｖｉｏｕｓｃａｓｅｓａｎｄｓｅｔｓｔｈｅｉｎｉｔｉａｌｐｒｏｃｅｓｓｐａｒａｍｅｔｅｒｓｏｆｔｈｅｃｕｒｒｅｎｔｏｎｅｂｙｒｅｆｅｒｒｉｎｇｔｏｔｈｅｐｒｅｖｉｏｕｓｏｎｅｓ．Ｉｆｔｈｅｃａｓｅｂａｓｅｄｒｅａｓｏｎｉｎｇｆａｉｌｅｄｔｏｓｅｔｔｈｅｉｎｉｔｉａｌｐｒｏｃｅｓｓｐａｒａｍｅｔｅｒｓ，ａｓｕｒｒｏｇａｔｅｍｏｄｅｌｗａｓａｐｐｌｉｅｄｔｏｄｅｔｅｒｍｉｎｅｔｈｅｉｎｉｔｉａｌｐｒｏｃｅｓｓｐａｒａｍｅｔｅｒｓ，ｗｈｉｃｈｉｍｉｔａｔｅｄａｓｋｉｌｌｅｄｏｐｅｒａｔｏｒ’ｓ“ｋｎｏｗｈｏｗ”ａｎｄｉｎｔｕｉｔｉｖｅｓｅｎｓｅａｃｑｕｉｒｅｄｔｈｒｏｕｇｈｌｏｎｇｔｅｒｍｅｘｐｅｒｉｅｎｃｅ．Ｔｈｅｎ，ｔｈｅｍｏｌｄｉｎｇｔｒｉａｌｗｏｕｌｄｂｅｒｕｎｏｎｔｈｅｍｏｌｄｉｎｇｍａｃｈｉｎｅ．Ｆｉｎａｌｌｙ，ａｆｕｚｚｙｉｎｆｅｒｅｎｃｅｂａｓｅｄｏｎｅｘｐｅｒｔｋｎｏｗｌｅｄｇｅｗａｓｄｅｖｅｌｏｐｅｄｆｏｒｃｏｒｒｅｃｔｉｎｇｄｅｆｅｃｔｓａｎｄｏｐｔｉｍｉｚｉｎｇｐｒｏｃｅｓｓｐａｒａｍｅｔｅｒｓｄｕｒｉｎｇｔｈｅｍｏｌｄｉｎｇｔｒｉａｌｒｕｎｕｎｔｉｌｔｈｅｐａｒｔｑｕａｌｉｔｙｗａｓｆｏｕｎｄｓａｔｉｓｆａｃｔｏｒｙ．Ａｃｏｒｒｅｓｐｏｎｄｉｎｇｉｎｔｅｌｌｉｇｅｎｔｓｙｓｔｅｍｗａｓｄｅｖｅｌｏｐｅｄｔｏｂｅｉｎｔｅｇｒａｔｅｄｗｉｔｈｉｎｊｅｃｔｉｏｎｍａｃｈｉｎｅｂｙｃｏｍｍｕｎｉｃａｔｉｎｇｗｉｔｈｔｈｅｃｏｎｔｒｏｌｌｅｒ，ａｎｄｅｘｐｅｒｉｍｅｎｔａｌｓｔｕｄｉｅｓｓｈｏｗｅｄｔｈａｔｔｈｅｉｎｔｅｌｌｉｇｅｎｔｓｙｓｔｅｍｃｏｕｌｄｂｅｕｓｅｄｉｎａｓｈｏｐｆｌｏｏｒｐｒｏｄｕｃｔｉｏｎｅｎｖｉｒｏｎｍｅｎｔ．犓犲狔狑狅狉犱狊：ｉｎｊｅｃｔｉｏｎｍｏｌｄｉｎｇ；ｃａｓｅｂａｓｅｄｒｅａｓｏｎｉｎｇ；ｓｕｒｒｏｇａｔｅｍｏｄｅｌ；ｆｕｚｚｙｉｎｆｅｒｅｎｃｅ；ｉｎｊｅｃｔｉｏｎｍｏｌｄｉｎｇｍａｃｈｉｎｅ；ｐｒｏｃｅｓｓｐａｒａｍｅｔｅｒｓｏｐｔｉｍｉｚａｔｉｏｎ　　２００９－０４－０３收到初稿，２００９－０８－１３收到修改稿。联系人：周华民。第一作者：赵朋（１９８３—），男，博士研究生。基金项目：国家自然科学基金项目（５０８７５０９５）；教育部博士点基金项目（２００６０４８７０５６）。　　　犚犲犮犲犻狏犲犱犱犪狋犲：２００９－０４－０３．犆狅狉狉犲狊狆狅狀犱犻狀犵犪狌狋犺狅狉：Ｐｒｏｆ．ＺＨＯＵＨｕａｍｉｎ，[e-mail]犉狅狌狀犱犪狋犻狅狀犻狋犲犿：ｓｕｐｐｏｒｔｅｄｂｙｔｈｅＮａｔｉｏｎａｌＮａｔｕｒａｌＳｃｉｅｎｃｅＦｏｕｎｄａｔｉｏｎｏｆＣｈｉｎａ（５０８７５０９５）ａｎｄｔｈｅＲｅｓｅａｒｃｈＦｕｎｄｆｏｒｔｈｅＤｏｃｔｏｒａｌＰｒｏｇｒａｍｏｆＨｉｇｈｅｒＥｄｕｃａｔｉｏｎｏｆＣｈｉｎａ（２００６０４８７０５６）．　引　言塑料注射成型工艺参数的优选方法一直是国内外学者的研究热点，有些学者采用注射成型模拟软件对成型工艺进行优化，但是，模拟软件的数值计算时间长，难以满足实际生产的效率［１］。为了替代耗时的模拟软件，也有些学者构建了多种代理模型，如神经网络［２３］、支撑向量机［４］、灰色系统理论［５］、Ｋｒｉｇｉｎｇ模型［６］和高斯过程［７］等，为了保证上述代理模型的性能，需要充足而正确的学习样本进行训练，而学习样本的收集是一项庞大而复杂的工作，从而限制了上述模型在实际生产中的应用。另外还有很多学者将人工智能的方法引入到工艺优化领域，如Ｋｗｏｎｇ等［８］研究了基于实例推理的工艺参数设置方法；ＳｈｅｌｅｓｈＮｅｚｈａｄ等［９］重点讨论了实例推理过程中实例的修正策略；Ｈｅ等［１０］和Ｌａｕ等［１１］提出了用于注射工艺参数设置的模糊神经模型；郁滨等［１２］采用了基于规则的模糊推理来消除产品缺陷；Ｔａｎ等［１３］提出了修正产品缺陷的模糊多目标优化方法。但是，实例推理方法很难保证推理得到的工艺参数能生产出合格产品，单纯的缺陷修正模糊系统需要有经验的工艺人员设置初始工艺参数，而模糊神经模型则需要大量的学习样本，从而导致上述研究仅局限于原理和方法上的探索，在工程实践上未能进入实用阶段。注塑机工艺参数和产品质量之间存在非线性、强耦合性和时变性的关系，难以获得其精确的数学模型，属于弱理论、强经验领域，而人工智能和软计算技术对人类思维进行建模，对处理弱理论、强经验领域中的问题有很大优势［１４］。本文从塑料注射过程的系统特征出发，结合实例推理、代理模型和模糊推理技术的特点和处理问题的优势，建立一种描述注塑机工艺参数设置与优化全过程的混合智能模型，实现对工艺人员试模思路的有效模拟，用于注塑机工艺参数的智能设置和优化。１　混合智能建模工艺人员在采用尝试法设置和优化注塑机工艺参数时，通常首先回忆、比较、借鉴过去类似的方案，施之以适当的修改作为首次试模的工艺参数（初始工艺参数），若无相似方案可借鉴，一般根据塑料材料性能和模具型腔特征进行直观判断，设置认为合适的初始工艺参数。然后依靠生产经验和专业知识，根据试模过程中出现的缺陷对工艺参数进行循环的调整，从而消除缺陷获得高质量的产品。针对工艺人员的试模思路，本文混合使用实例推理、代理模型和模糊推理技术，建立注塑机工艺参数智能设置与优化全过程的混合智能模型。首先采用实例推理和代理模型技术分别模拟工艺人员的“借鉴”与“直觉”思维获得产品的初始工艺参数，并将其用于试模，然后利用模糊推理技术实现工艺人员不断修正缺陷、优化工艺参数的思维过程。整个智能模型主要分为两个部分：初始工艺设置和缺陷修正与工艺优化。智能模型整体框架如图１所示。图１　智能模型整体框架Ｆｉｇ．１　Ａｒｃｈｉｔｅｃｔｕｒｅｏｆｉｎｔｅｇｒａｔｅｄｉｎｔｅｌｌｉｇｅｎｔｍｏｄｅｌ　２　初始工艺设置２１　基于实例推理的初始工艺设置在实际生产中，型腔特征和塑料性能决定了工艺参数的大小，因此，型腔几何尺寸和塑料性能参数可作为实例的问题特征，而合格的工艺参数作为实例的解决方案。实例表征如式（１）所示。ｃａｓｅ犆，（）犘，［］犛＝ｃａｓｅ犮１，犮２，…，犮（）犿，狆１，狆２，…，狆（）［］狀｛，狊１，狊２，…，狊（）｝犽（１）式中　犆＝（犮１，犮２，…，犮犿），为有限非空型腔几何尺寸集，包括流动长度、平均壁厚、体积等；犘＝（狆１，狆２，…，狆狀），为有限非空塑料性能参数集，包括流变性能参数、ＰＶＴ参数和热性能参数·５５８２·　第１１期　　赵朋等：注塑机工艺参数的智能设置与优化等；犛＝（狊１，狊２，…，狊犽），为有限非空工艺参数集，包括注射温度、注射时间、注射压力、保压压力、保压时间和冷却时间等。目标实例与源实例的相似度分为型腔特征局部相似度狊ｃ（犻）和塑料性能局部相似度狊ｐ（犼），本文采用式（２）来度量实例的相似度犛。犛＝∑犿犻＝１犠犻×狊ｃ（）［］犻×∑狀犼＝１νｊ×狊ｐ（犼［］）（２）式中　犠犻和ν犼为权值系数。考虑到狊ｃ（犻）和狊ｐ（犼）各属性因子均为数值型，可采用式（３）计算各局部相似度狊狊＝１１＋λ×狓ｏｂｊ－狓ｓｒｃ（３）式中　狓ｏｂｊ为目标实例的属性因子值；狓ｓｒｃ为源实例对应的属性因子值；λ为灵敏度系数，通过调整λ的大小进而调整局部相似度之间的区分度［１５］。在得到各源实例的相似度后，采用最相邻近策略进行实例检索。实例检索得到的相似实例需要进行实例修正操作，以便更好地满足目标实例的要求。若最相似实例与目标实例的相似度大于０．９５，则认为最相似实例与目标实例基本吻合，采用实例吸取的修正策略，即直接将最相似实例的工艺参数作为目标实例的解，不作任何修正。若相似实例有多个并满足形成实例矩阵的要求，则可采用实例矩阵的修正策略。在塑料性能相似的情况下，流动长度（犔）和平均壁厚（犎）较突出地反映了目标实例的问题特征。因此，选择犔和犎分别作为横轴和纵轴，各相似实例的工艺参数如注射压力（犘ｉｎｊ）、注射时间（狋ｉｎｊ）、保压压力（犘ｈｏｌｄ）和保压时间（狋ｈｏｌｄ）等作为流长和壁厚的函数，形成实例坐标系。实例坐标系下的实例矩阵如图２所示，如图所示，每个方块表示一个相似实例。实例矩阵涵盖了一定流长和壁厚范围内的问题空间，目标实例的解决方案可在问题空间中插值求得。若相似实例的个数为０或相似实例既不满足实例吸取策略也不满足实例矩阵策略的条件，则基于实例推理的初始工艺参数设置失败。２２　基于代理模型的初始工艺设置在实例推理失败的情况下，本文提出一种基于简化流动模型的代理模型用于模拟产品质量与工艺参数、塑料性能和型腔特征之间的复杂关系，并根据一定的优选准则来设置初始工艺参数。图２　实例矩阵Ｆｉｇ．２　Ｉｌｌｕｓｔｒａｔｉｏｎｏｆｃａｓｅｍａｔｒｉｘ　考虑到型腔压力、熔体温差以及注射时间是影响产品质量和生产效率的重要参数［１６］，在成型过程中型腔压力应尽可能低，熔体温度应均匀一致，在产品质量相差不大的情况下，较短的注射时间可以提高产品的生产效率，相应的优化模型为ｍｉｎ犉（犡）＝狑１犘ｃａｖｉｔｙ＋狑２Δ犜ｍ＋狑３狋ｉｎｊ（４）ｓ．ｔ．　　犡Ｌ犽≤犡犽≤犡Ｕ犽式中　犡为设计变量，定义了工艺参数，包括注射温度犜０、模具温度犜ｗ和注射时间狋ｉｎｊ，犡Ｌ犽和犡Ｕ犽分别是设计变量的下界和上界；犘ｃａｖｉｔｙ、Δ犜ｍ和狋ｉｎｊ为优化目标值，分别代表型腔压力、熔体温差和注射时间，为了消除量纲的影响，各优化目标值均归一到［０，１］之间；狑１、狑２、狑３均为权值系数，权值系数的值根据各优化目标的重要程度来确定。大多数塑料件