（机械制造及其自动化专业论文）面向气辅注射成型工艺参数优化的软计算方法研究.pdf

d i s s e r t a t i o ns u b m i t t e dt oz h e j i a n gu n i v e r s i t yo ft e c h n o l o g y f o rt h ed e g r e eo fm a s t e r t h er e s e a r c ho ft h es o f tc o m p u t i n gm e t h o df o rt h ep r o c e s s o p t i m i z a t i o no fg a s - a s s i s t e di n j e c t i o nm o l d i n g c a n d i d a t e ：w a n b i n gc h e n a d v i s o r ：场n l i nl uy a c o l l e g eo fm e c h a n i c a le n g i n e e r i n g z h e j i a n gu n i v e r s i t yo ft e c h n o l o g y m a y 2 0 1 0 浙江工业大学 学位论文原创性声明 本人郑重声明：所提交的学位论文是本人在导师的指导下，独立进行研究工作 所取得的研究成果。除文中已经加以标注引用的内容外，本论文不包含其他个人或 集体已经发表或撰写过的研究成果，也不含为获得浙江工业大学或其它教育机构的 学位证书而使用过的材料。对本文的研究作出重要贡献的个人和集体，均已在文中 以明确方式标明。本人承担本声明的法律责任。 作者签名： 日期：年 月日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留 并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本 人授权浙江工业大学可以将本学位论文的全部或部分内容编入有关数据库进行检 索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。 本学位论文属于 l 、保密口，在年解密后适用本授权书。 2 、不保密口。 ( 请在以上相应方框内打“”) 作者签名： 导师签名： 日期：年月日 日期：年月日 浙江工业大学硕士学位论文 面向气辅注射成型工艺参数优化的软计算方法研究 摘要 在气体辅助注射成型过程中，工艺参数优化研究可借助于数值模拟技术，以达到效 益最大化和缩短生产研发周期目的。随着塑料工业的迅猛发展，人们对数值模拟技术在 注射成型工艺优化方面进行了广泛的研究。也有一些学者在数值模拟技术的基础上，将 人工智能方法引入到塑料注射成型工艺领域，人工智能方法对制件成型过程的工艺参数 能进行优化搜索。数值模拟技术和人工智能方对生产过程都具有一定的指导作用，但是 这些方法也存在着实验过程过于耗时、实验结果仅限于特定条件、对操作者的水平要求 较高等问题。本文针对应用当中的这些问题，提出了一种软计算方法的解决方案。该方 法针对棒类气辅制品，在建立代理模型的基础上，利用正交试验设计的结果，对人工神 经网络进行训练，将训练好的人工神经网络替代数值模拟过程，以较快地得到优化之后 的工艺参数，从而提高工人试模的效率。 全文的组织结构为： 第一章：综述了气辅注射成型技术的国内外研究现状，并指出了相关研究工作的不 足之处，同时提出了本文需要进一步深入研究的内容。 第二章：对气辅注塑成型制品的一大类棒类制品进行研究，从制品模型的特点 入手，首先建立了软计算方法中的初始代理模型。在初始代理模型的基础上，引入制品 模型的外型参数，对初始代理模型的长度修正系数进行了研究，并采用数学分析的方法 建立了模型外型参数与长度修正系数之间的函数关系式。最后得到的代理模型能较好地 反映原模型的相对气道长度，具有比较好的替代作用。 第三章：以代理模型为研究对象，将代理模型的外型参数与成型工艺参数一起作为 试验的因素，进行正交试验设计，并对试验结果数据分别进行单一评价指标下极差分析 和综合评价指标分析，得到各因素对气辅成型质量的影响情况，同时优化气辅成型工艺 条件。并且对这些参数进行调整，进行多组的正交试验设计，以得到足够的试验数据来 训练人工神经网络。 浙江工业大学硕士学位论文 第四章：研究了基于b p 神经网络的气辅工艺参数优化方法，利用b p 网络获得了 工艺参数对各质量指标的近似关系，实现了代理模型对应于工艺参数的各质量指标的快 速获得。并对基于代理模型和b p 神经网络的软计算方法进行了验证。 第五章：以汽车后视镜产品为研究实例，研究了本文的软计算方法在不规则棒类气 辅制品中的应用。研究表明，本文的软计算方法同样也能应用于不规则棒类气辅制品， 对生产工艺起到指导作用。 第六章：总结本文的主要研究内容，并提出以后工作的展望。 关键词：气体辅助注射成型，工艺优化，软计算，代理模型，正交试验设计，b p 神经网络 浙江工业大学硕士学位论文 t h er e s e a r c ho ft h es o f tc o m p u t i n g m e t h o df o rt h ep r o c e s so p t i m i z a t i o no f g a s a s s i s t e di n j e c t i o nm o l d i n g a b s t r a c t i nt h em a n u f a c t u r i n gp r o c e s so fp l a s t i cg a s - a s s i s t e di n j e c t i o nm o l d i n g ，t h eo p t i m i z a t i o n o ft h ep r o c e s sp a r a m e t e r sc a r lu s en u m e r i c a ls i m u l a t i o nt e c h n o l o g yt oa c h i e v em a x i m u m e f f i c i e n c ya n ds h o r t e dt h ep r o d u c t i o nc y c l e w i t ht h er a p i dd e v e l o p m e n to ft h ep l a s t i ci n d u s t r y , p e o p l et a k ee x t e n s i v er e s e a r c h e so nt h ep r o c e s so p t i m i z a t i o no ft h ei n j e c t i o nm o l d i n g 、析t 1 1 n u m e r i c a ls i m u l a t i o nt e c h n o l o g y a n db a s e do nt h en u m e r i c a ls i m u l a t i o nt e c h n o l o g y , s o m e s c h o l a r si m p o r ta r t i f i c i a li n t e l l i g e n c em e t h o dt ot h ep r o c e s so p t i m i z a t i o nf i l e do ft h ep l a s t i c i n j e c t i o nm o l d i n g ，w h i c hc a ns e a r c ht h eo p t i m a lp r o c e s sp a r a m e t e r si nt h em o l d i n gp r o c e s s n u m e r i c a ls i m u l a t i o nt e c h n o l o g ya n da r t i f i c i a l i n t e l l i g e n c em e t h o da r eb o t hu s e f u lf o r m a n u f a c t u r i n gp r o c e s s ，b u tt h e s em e t h o d sa l s oh a v es o m ep r o b l e m sl i k et i m e - c o n s u m i n g ， e x p e r i m e n t a lr e s u l t so n l yr e s t r i c t e dt op a r t i c u l a rc o n d i t i o n s ，a n dr e q u i r e ds u p e r i o r 谢t l lt h e o p e r a t o r t h i sp a p e rp u t sf o r w a r das o f tc o m p u t i n gm e t h o do nt h e s ep r o b l e m s t h i sm e t h o d e s t a b l i s h e sa g e n tm o d e lf o rt h ep i p ep a r t sf i r s t ，t h e nu s et h er e s u l t sf r o mt h eo r t h o g o n a l e x p e r i m e n t a ld e s i g nt ot r a i nt h ea r t i f i c i a ln e u r a ln e t w o r k ，a n dh a v et h et r a i n e da r t i f i c i a ln e u r a l n e t w o r kt os u b s t i t u t et h ep r o c e s so ft h en u m e r i c a ls i m u l a t i o n t h i sm e t h o dc a no b t a i ng o o d p r o c e s sp a r a m e t e r sm u c hf a s t e r , a n dh e l pw o r k e r sp r o m o t i n gm a n u a lt e s t i n g se f f i c i e n c y t h eo r d e ro fp r e s e n t a t i o ni sa sf o l l o w s ： c h a p t e r1b r i e f l yr e v i e wt h es t u d yo ft h eg a s - a s s i s t e di n j e c t i o nm o l d i n gt e c h n o l o g ya t h o m ea n da b r o a d ，a n dp o i n t so u tt h ed e f i c i e n c yo ft h ep r e s e n tr e s e a r c hw o r k ，t h e np u tf o r w a r d w h a tt h i sp a p e rw i l ls t u d y i nc h a p t e r2 ，h a v er e s e a r c h e dt h et u b u l a rp r o d u c t sw h i c hi sal a r g ef a m i l yo ft h e g a s a s s i s t e dm o l d i n gp r o d u c t s f i r s t l ye s t a b l i s hai n i t i a la g e n tm o d e lo fs o f tc o m p u t i n g 浙江工业大学硕士学位论文 m e t h o d s 丽廿lt h ef e a t u r eo ft h em o d e l s b a s e do nt h ei n i t i a la g e n tm o d e l ，i m p o r tt h es h a p e p a r a m e t e r so ft h em o d e l ，a n dt h el e n g t hc o r r e c t i o nc o e f f i c i e n to ft h ei n i t i a la g e n tm o d e l ，a n d a d o p tm a t h e m a t i c a la n a l y s i sm e t h o dt oe s t a b l i s ht h ef u n c t i o nr e l a t i o nb e t w e e nt h ee x t e r i o r p a r a m e t e r so ft h em o d e la n dt h el e n g t hc o r r e c t i o nc o e f f i c i e n t f i n a l l yo b t a i nt h ea g e n tm o d e l w h i c hc a nw e l lr e f l e c tt h er e l a t i v ea i r w a yl e n g t ho ft h eo r i g i n a lm o d e l i n c h a p t e r3 ，w i t ht h ea g e n tm o d e l a s t h er e s e a r c h o b j e c t , a d o p tt h ea p p e a r a n c e p a r a m e t e r so ft h ea g e n tm o d e la n dm o l d i n gp r o c e s sp a r a m e t e r sa st h ef a c t o r so ft h et e s tt o d e s i g nt h eo r t h o g o n a le x p e r i m e n t ，a n da n a l y s i st h ee x p e r i m e n t a lr e s u l t sb ys i n g l ee v a l u a t i o n a n dc o m p o s i t ee v a l u a t i o n ，t h e no b t a i ne v e r yf a c t o r i m p a c t st ot h ed i f f e r e n te v a l u a t i o n i n d i c a t o r , a n do p t i m i z et h ep r o c e s sc o n d i t i o n so ft h eg a s - a s s i s t e di n j e c t i o nm o l d i n g a n d a d j u s tt h e s ep a r a m e t e r st od e s i g ns e v e r a lo r t h o g o n a le x p e r i m e n t s ，t og e te n o u g he x p e r i m e n t a l d a t at ot r a i nt h ea r t i f i c i a ln e u r a ln e t w o r k i nc h a p t e r4 ，h a v es t u d i e dt h eo p t i m i z a t i o nm e t h o do ft h eg a s - a s s i s t e di n j e c t i o nm o l d i n g p r o c e s sw h i c hi sb a s e do nt h eb p n e u r a ln e t w o r k ，w i t ht h eb pn e u r a ln e t w o r k , w ec a no b t a i n t h ea p p r o x i m a t er e l a t i o n s h i pb e t w e e nt h e p r o c e s sp a r a m e t e r sa n dt h eq u a l i t ye v a l u a t i o n i n d i c a t o r , a n dg e tt h eq u a l i t ye v a l u a t i o ni n d i c a t o ro ft h ea g e n tm o d e lm a t c h i n gt h ep r o c e s s p a r a m e t e r sr a p i d l y a n dh a v ec o n f i r m e d t h es o f tc o m p u t i n gw h i c hi sb a s e do nt h ea g e n tm o d e l a n db pn e u r a ln e t w o r k i nc h a p t e r5 ，w i t ht h ea u t or e a r v i e wm i r r o rp r o d u c ta se x a m p l e ，a p p l i c a t i o no ft h es o f t c o m p u t i n gm e t h o di ni r r e g u l a rt u b u l a rp r o d u c t sw a ss t u d i e d t h er e s e a r c hs h o w st h a tt h es o f t c o m p u t i n gm e t h o da l s oc a nb ea p p l i e df o ri r r e g u l a rt u b u l a rg a s a s s i s t e di n j e c t i o nm o l d i n g p r o d u c t s ，t oh e l pw o r k e r st op r o m o t em a n u a lt e s t i n g se f f i c i e n c y i nc h a p t e r6 ，a l la c h i e v e m e n t so ft h ed i s s e r t a t i o na r es u m m a r i z e da n dt h ef u r t h e rr e s e a r c h w o r ki sp u tf o r w a r d k e yw o r d s - g a s a s s i s t e di n j e c t i o nm o l d i n g ，p r o c e s so p t i m i z a t i o n ，s o f tc o m p u t i n g ，a g e n t m o d e l ，o r t h o g o n a le x p e r i m e n t a ld e s i g n ，b pn e u r a ln e t w o r k 浙江工业大学硕士学位论文 摘要 目录 第1 章绪论 1 1 研究意义1 1 2国内外研究现状2 1 2 1 气辅成型c a e 技术及工艺优化研究2 1 2 2 软计算方法在注塑模中的应用4 1 3本文研究内容5 1 4 本章小结7 第2 章软计算方法中代理模型的建模技术研究 2 1 2 2 2 3 2 4 2 5 第3 章 3 1 3 2 3 3 弓i 言8 正交试验技术原理【4 1 4 2 4 3 1 一1 0 2 2 1 正交矩阵概述1 0 2 2 2 正交矩阵的概念1 1 2 2 3 正交表的基本性质1 2 2 2 4 正交试验设计注意事项13 棒类零件软计算方法中的代理模型的建模研究一1 4 2 3 1 初始代理模型的建立1 4 2 3 2 确立长度修正系数的试验模拟1 6 2 3 3 模拟结果中回归分析的应用1 7 关于代理模型的验证21 本章小结2 2 代理模型气辅注塑成型中工艺参数优化分析 2 4 引言2 4 代理模型正交试验设计研究2 4 3 2 1 代理模型正交试验设计因子设置及试验结果2 4 3 2 2 试验因子对成型结果的影响分析2 6 不同设置水平的正交试验设计及结果3 3 浙江工业大学硕士学位论文 3 4 本章小结3 4 第4 章软计算方法中基于代理模型的神经网络方法 4 1 神经网络概述f 棚3 5 4 1 1 神经元3 5 4 1 2 神经元网络模型结构3 6 4 1 3 学习规则3 6 4 1 4 神经网络的基本属性及模型类别3 7 4 2反向传播网络b p 网络【“4 5 4 6 1 3 9 4 2 1b p 网络重要定理3 9 4 2 2b p 学习算法4 0 4 2 3 对b p 网络的评价一4 4 4 3 气体辅助注塑工艺参数智能设定b p 网络设计4 5 4 3 1 样本数据的处理4 5 4 1 3 2 传递函数的确定。4 7 4 3 3 训练算法的确定4 7 4 3 4 初始权值的确定4 8 4 3 5 学习速率的确定4 8 4 3 6 隐层神经元个数确定4 9 4 4b p 神经网络预测结果与c a e 模拟结果比较5 0 4 5 本章小结。5 3 第5 章软计算方法在汽车后视镜产品中的应用。 5 1 对汽车后视镜镜框模型的处理。5 4 5 2 镜框模型c a e 模拟与神经网络预测的比较5 5 5 3 汽车后视镜镜框代理模型的确立。5 6 5 4 本章小结。5 8 第6 章结论与展望5 9 6 1 结论5 9 6 2展望5 9 参考文献。 致 攻读学位期间参加的科研项目和成果 6 1 6 4 浙江工业大学硕士学位论文 第1 章绪论 1 1 研究意义 气体辅助注射成型( g a s - a s s i s t e di n j e c t i o nm o l d i n g ，简称g a i m ) ，是二十世纪九十 年代开始兴起的一项新型的塑料加工技术。它综合了结构发泡成型技术和注塑成型技术 的优点1 ，利用高压惰性气体推动熔体充满型腔，通过气体保压，使塑件厚壁内部形成 中空截面，可以降低锁模力、提高生产效率、消除塑件翘曲和表面缩痕，为壁厚不均匀、 无法一次注射成型的塑件的加工开辟了崭新的应用领域，被誉为注射成型工艺一项划时 代的革命技术。 气体辅助注射成型作为一项新兴的技术与其他传统的注射成型方式相比具有一系列 的优点：可以消除塑件表面缩痕；减小塑件的变形翘曲及内部应力；减轻塑件重量；缩 短成型周期；降低产品成本；可以成型各种复杂形状，使结构完整性和设计自由度提高。 然而气辅注塑件的制造过程中，气辅成型质量往往不是很稳定。而且在模具开发与制造 完成后，需要对各种工艺参数进行不断调整( 也就是试模的方法) 来达到成型合格的制品 目的。可见这种试模方式的效率比较低，而且依赖于工人的生产经验。 因此，如何有效地得到优化的气辅注射成型工艺参数，并且有效地缩短气辅注射成 型的研发周期，一直是国内外学者的研究热点。目前的研究主要采用塑料注射成型模拟 软件( 比如c a e 软件m o l d f l o w 、c m o l d ) 来优化成型过程的部分工艺参数，但其 数值分析时间较长，而且对操作者的水平要求很高。也有采用试验设计的方法，或者试 验设计和软件模拟结合的方法来优化工艺参数，也能获得了较好的工艺效果。但试验设 计需要统计学的专门知识，而且需要较长的时间。还有一些学者将人工智能方法引入到 塑料注射成型工艺领域，这种方法对于某一个特定制件成型过程的工艺参数能进行优化 搜索，对生产过程具有较好的指导作用，然而这种方法同样要耗费较长的时间，而且对 操作者的水平要求很高，因此难以满足实际生产的需要，不能得到很好的推广应用。 基于以上分析，可以发现，在成型过程的工艺参数优化中，对操作者的水平要求较 高以及耗费的时间太长，成了气辅注射成型工艺参数优化方法实际应用中的一个瓶颈。 本文的重点是：对于上述问题，提出一种软计算方法的解决方案，针对气辅成型中的一 1 浙江工业大学硕士学位论文 大类棒类制品，按一定规则建立代理模型。并引入正交试验设计和人工神经网络的 方法，将正交试验设计的结果对人工神经网络进行训练，将训练好的人工神经网络替代 数值模拟过程，以较快地得到优化之后的工艺参数，从而对工人试模起到指导作用。最 后，通过实例验证本文提出方法的有效性。 1 2 国内外研究现状 气体辅助注射成型具有注射压力低、制品翘曲变形小、表面质量好、减少材料用量 以及易于加工壁厚差异较大的制品等优点，近年来发展很快。目前，g a i m 技术主要应 用在汽车、家电、家具等领域，为塑件成型开辟了一个全新的应用领域。这项技术在欧 洲、北美和日本等发达国家已经广泛应用于汽车和家电行业的塑料件生产，主要产品有 汽车散热器护栅、汽车车门把手、电视机外壳和整体的桌椅等。国内目前还处于起步阶 段，正在汽车和家电行业中逐步推广。 从总体上衡量，应用气辅技术生产的注射制品将占到注塑制品总量的1 0 以上，这 是一个很可观的数量。国内自中科院化学研究所工程塑料国家工程研究中心1 9 9 5 年初率 先引进了英国g a si n j e c t i o n 的全套气辅设备用于塑料家具加工以来，气辅注塑技术的应 用已有很大发展，突出表现在电视机行业如长虹、康佳、海信、菲利浦、厦华等著名电 视机生产厂商纷纷引进气辅装置以生产电视机的外壳。 2 1 在气体辅助注射成型的数值模拟方面，国内外都进行了较为深入地研究，取得了阶 段性的成果。在气辅成型c a e 软件的开发方面，国外如：美国m o l d f l o w 公司的 m o l d f l o w g a s ，国内如：华中科技大学的h s c a e3 d r f5 0 等软件都己商品化，在实际 生产中能发挥良好的指导作用，并产生了预期的经济效益。 3 1 1 2 1气辅成型c a e 技术及工艺优化研究 气辅注射成型c a e 技术能够在实际生产中发挥良好的指导作用，并产生经济效益， 因此引起越来越多的国内外同行对气辅注射成型c a e 技术进行了较为深入的研究，并取 得了阶段性的成果。 s m c h a o 等人1 4 】建立了基于气辅控制单元的气压模型，并对引入的非线性动态模型 进行实验验证。然而非线性动态模型虽然能够很好地预测气辅注射过程中的各种现象， 对于理解工艺参数之和工艺特征之间的关系也很有帮助，但实用性比较差。因此， 2 浙江工业大学硕士学位论文 s m c h a o 等人提出了基于非线性模型基本特征的二次模型，实验结果表明，得到的模型 对气体注射压力的短暂变化能够精确预测。 h i e b e r 和l s t u m g 5 1 通过借鉴传统注塑成型填充流动分析的研究成果，得到了气体 作用下聚合物熔体在型腔中流动的数学描述。l - s t u m g 采用粒子跟踪算法对两个边界进 行跟踪，该算法主要以熔体和气体进入型腔中的时间为依据来区分计算区域内的熔体与 气体，从而确定充填过程中熔体与气体的空间分布。 台湾中原大学的陈士麟1 6 7 3 9 l o 】等人建立了幂律牛顿流体模型气体在等温条件下的 穿透模拟。同期又研究了气辅成型的二次气体穿透，用等效截面和粒子跟踪法模拟气体 穿透，效果良好，然后又建立了非等温条件下的气体穿透模型，研究了各加工参数对残 余壁厚的影响，并进行了实验，模拟结果与实验结果能较好的吻合。同时期，朝车蒙n l 】 等人对气辅控制单元中气压的动态模型进行了研究，得到的二次模型能对气体压力的瞬 态变化进行较好的预测。 近年来，国内的郑州大学申长雨教授领导的研究团队 1 2 , 1 3 , 1 4 , 1 5 对气辅注射成型进行了 大量的研究。他们首先建立描述气体辅助注射成型充模流动过程的数学模型，并采用有 限元有限差分控制体积法，实现了气体辅助注射成型充模流动过程中熔体前沿和熔体一 气体两类边界的数值模拟，并验证其可行性。随后他们又介绍了圆管内气辅注射成型 充填后充填模拟的数学模型及其数值实现，并对圆管内的气辅注射成型气体穿透过程及 其基本规律和影响因素进行了讨论和分析。 华中科技大学周华民等人运用混合有限脯限差分法，针对气体穿透界面使用渐近 线膨胀法，最后导出残余壁厚率1 1 6 】。后来进一步从流体力学基本理论出发，引入合理的 假设和简化，建立了描述熔体运动和气体穿透的数学模型。并且继续研究了气体辅助注 射成型的特点，建立了其充填模拟的数学模型。针对其中的关键问题气体穿透界面 的求解，提出了详细的计算模型 1 7 , 1 8 , 1 9 , 2 0 l 。 目前的气辅注塑模具制造商，一般都是在模具开发与制造完成后与设备供应商一起， 对各种工艺参数进行不断调整( 也就是试模的方法) 来达到成型合格的制品目的。但是 这种试模方式的效率比较低，而且依赖于工人的生产经验。为了改进这种试模方式，有 些学者把c a e 模拟技术应用到针对试模的工艺参数优化上。毛华杰用m o l d f l o w 软件 对气体辅助注射各种工艺参数组合进行模拟试验的基础上，采用正交试验法对成型工艺 浙江工业大学硕士学位论文 参数进行优化。对伞柄的模拟结果表明了正交试验法结合c a e 模拟软件，可在相对较短 的时间内以较低的成本、较少的试模次数找到优化的工艺参数组合。吴博达【2 2 】研究了气 辅成型中气体注入延迟时间对制品内部产生气指的影响。采用数值模拟和实际生产验证 相结合的方法，通过改变气体注射延迟时间来观察气道产生气指的程度。最后得出结论： 在其他工艺条件保持不变的情况下，随着熔体注射量和延迟时间的增加，制品的气指指 幅和指长明显减小。刘建雄1 2 3 j 针对保险杠，研究了气辅注射成型技术及工艺过程。运用 c a e 技术模拟保险杠充填过程，预测其成型质量，在模拟过程中进行反复调试注料和注 气工艺参数后，最后优化得到的气辅注射成型工艺为实际生产调试提供了很好的技术借 鉴。欧长劲1 2 4 j 运用正交试验方法对气辅成型工艺参数进行合理设计的基础上，采用注塑 成型过程c a e 仿真软件m o l d f l o w 对气辅成型制品周转箱进行f l o w - c o o l 分析，并对 c a e 后处理结果进行综合分析，得到一组优化的工艺参数组合，从而代替传统试模方法。 1 2 2 软计算方法在注塑模中的应用 作为一种创建计算智能系统的新方法，软计算概念最早由模糊逻辑的创始人z a d e h 教授在1 9 9 2 年提出1 2 5 1 。在这之前，人们通常采用的传统计算( 硬计算) 的主要特征是 严格、确定和精确。但是硬计算并不适合处理现实生活中的许多问题，例如驾驶汽车。 而软计算( s o t tc o m p u t i n g ，s c ) 通过对不确定、不精确及不完全真值的容错以取得低代 价的解决方案和鲁棒性。它模拟自然界中智能系统的生化过程( 人的感知、脑结构、进 化和免疫等) 来有效处理日常工作。软计算包括几种计算模式：模糊逻辑、人工神经网 络、遗传算法和混沌理论。这些模式是互补及相互配合的，因此在许多应用系统中组合 使用。 软计算方法在注塑模领域中已有初步的研究应用，申长雨【2 6 1 基于成型过程的数值模 拟，采用人工神经网络与混合遗传算法结合优化注塑成型工艺，以改善制品质量。对一工 业产品进行分析，以制品内的体收缩率差值为质量指标优化工艺，改善了制品内的体收 缩率分布，获得了满意效果。张响1 2 7 1 建立了将g a i m 工艺变量为输入，评价指标为输出 的人工神经网络模型，并且在此基础上，利用遗传算法实现优化，获得了较好的工艺组 合。杨炜i 2 8 i 将智能优化技术引入注塑成型工艺优化，以成型过程的主要工艺参数为设计 变量，引入b p 网络和遗传算法，建立了解决多因素作用和多指标约束的注塑成型工艺 4 浙江工业大学硕士学位论文 的混合智能优化模型。通过对比实例的正交仿真试验结果，验证了该模型能快速、自动 地实现非线性和不确定系统的优化求解。华中理工大学的王德翔 2 9 1 等利用c a e 软件进 行模拟获得训练样本，采用m a t l a b 神经网络工具箱作为网络训练工具，成功模拟了 对注塑质量有重要影响的关键参数，实现了基于人工神经网络技术的注塑参数优化。郑 州大学的刘春太等通过将遗传算法和数值模拟技术相结合用于注塑成型注射速度的 优化，确定了充填百分比曲线中的最佳控制点，以及控制点处注射体积流率的最优值， 以获得均匀一致的充填百分比。华南理工大学的金新明 3 1 l 等通过正交试验研究了注射速 度、模具温度和保压时间对塑件几何尺寸、重量、翘曲变形、溢料飞边和拉伸力的影响。 郑州大学国家橡胶模具工程研究中心的王蓓3 2 l 等把正交试验方法与神经网络结合使用， 对注射成型过程中的注射压力最大值进行优化和预测。s u a n dc h a n g0 3 1 试用了前馈神经 网络和模拟退火法解决了单一响应( 气道长度) 的工艺参数优化问题。s h ie ta 1 【3 4 j 整合 了数字模拟软件、神经网络法和遗传算法，对基于最大剪切力要求的工艺参数优化。 k u r t a r a ne ta 1 【3 5 】整合了有限元分析法、实验设计法、人工神经网络法和遗传算法，对 巴士吸顶灯罩的注射成型工艺进行了基于最小翘曲要求的工艺参数最优化研究。c h e n 3 6 】 研究介绍了一个方法，用计算机软件对注塑模工艺过程进行了一个多输入多输出响应的 工艺参数最优化研究。这个方法整合了田口参数设计法，人工神经网络法，遗传算法以 及工程优化概念。这篇研究的结果指出了这个方法能够有效帮助工程师确定最佳工艺参 数的设定，并实现产品质量和成本的竞争优势。 软计算在注塑模中的应用，一般是采用b p 网络获得工艺参数对各质量指标的近似 计算关系式，以各质量指标的模糊综合评价函数为遗传算法或者模拟退火法的适应度函 数，从而建立解决多因素作用和多指标约束的注塑成型工艺的混合智能优化模型。这些 方法的优势在于能够快速搜索到优化的工艺参数。而不足的地方就在于神经网络需要经 过一定量样本的训练之后，才能得到合格的近似计算关系式，而这些样本的获得往往需 要大量的工作和时间。 1 3 本文研究内容 回顾前述的文献综述，针对实际生产中的气辅注射成型工艺参数的优化研究方面， 5 浙江工业大学硕士学位论文 大多数学者都采用塑料注射成型模拟软件来优化成型过程的部分工艺参数。也有采用试 验设计的方法，或者试验设计和软件模拟结合的方法来优化工艺参数。还有一些学者将 人工智能方法等一些软计算的概念引入到塑料注射成型工艺领域，这种方法对于某一个 特定制件成型过程的工艺参数能进行优化搜索，对生产过程具有较好的指导作用。但这 些方法往往需要试验的时间较长，而且对操作者的水平要求很高，比如试验设计就需要 统计学的专门知识，实验结果也仅局限于特定的条件，因此，这在很大程度上限制了这 些方法的推广应用。 针对上述问题，本文提出一种软计算方法的解决方案，本文的软计算方法流程如图 1 1 所示。即从制件模型的特点入手，对气辅成型的一大类一棒类制品( 如手柄、挂 钩) 进行研究。棒类制品形状比较单一，所以，通过一定的规则获得这些制品模型的代 理模型，只要对代理模型进行数值模拟分析，就能得到对应制品的相关参数的近似值。 然后提取出代理模型的外型参数，并将外型参数与工艺参数一起引入到试验设计方法中。 再将试验结果数据引入到人工智能方法中( 如神经网络) 进行训练。训练以后的神经网 络在一定程度上能够预测工艺参数对制品评价指标的影响，从而起到替代数值模拟分析 过程的作用。所以，这种方法能够比较快地得到较优的工艺参数组合，从而对工人试模 起到一定的指导作用。最后，通过实例验证本文提出方法的有效性。 图i - i 软计算方法的流程图 本文的主要内容包括： 1 综述了气辅注射成型技术的国内外研究现状，指出相关研究工作的不足之处，并 提出了本文所需要进一步深入研究的内容。重点介绍了本文软计算方法的流程以及实现 方法。 2 研究了软计算方法中的代理模型的具体实现。针对棒类气辅制品建立了软计算方 6 浙江工业大学硕士学位论文 法中的初始代理模型。并且在初始代理模型的基础上，引入制品模型的外型参数，对初 始代理模型的长度修正系数进行了研究，并采用数学分析的方法建立了模型外型参数与 长度修正系数之间的函数关系式。最后得到的代理模型能较好地反映原模型的相对气道 长度，具有比较好的替代作用。 3 利用正交试验设计方法，对代理模型的外型参数以及成型过程中的工艺参数进行 了研究，并考察各个参数对成型质量指标的影响情况。在此基础上，利用b p 网络获得 了工艺参数对各质量指标的近似关系，从而最终实现能够快速获得较优工艺参数的软计 算方法。 4 以汽车后视镜产品为研究实例，研究了本文的软计算方法在不规则棒类气辅制品 中的应用。结果表明，本文的软计算方法同样也能应用于不规则棒类气辅制品，对生产 工艺起到指导作用。 1 4 本章小结 本章简要综述了气辅成型的机理以及气辅注射成型技术的国t 内夕l - 研究现状，指出气 辅成型工艺优化研究工作的不足之处，提出了本文所需要进一步深入研究的内容。并对 全文的组织结构做了介绍。 浙江工业大学硕士学位论文 第2 章软计算方法中代理模型的建模技术研究 2 1引言 气辅技术为许多原来无法用传统工艺注射成型的制件采用注塑提供了可能，在汽车、 家电、家具、电子器件、日常用品、办公自动化设备、建筑材料等几乎所有塑料制件领 域已经得到了广泛的应用，并且作为一项带有挑战性的新工艺为塑料成型开辟了全新的 应用领域。气辅技术一般适用于制作以下三类的注塑制品，分别如图2 1 、图2 2 、图2 3 所示，这是气辅注塑成型中的三类典型产品： ( 1 ) 管状、棒类制品：如手柄、挂钩、椅子扶手、淋浴喷头等。采用中空结构，可 在不影响制品功能和使用性能的前提下；大幅度节省原材料，缩短冷却时间和生产周期。 ( 2 ) 平板类制件：如汽车仪表板、内饰件格栅等。通过在制件内设置式气道，可以 显著提高制品的刚度和表面质量，减小翘曲变形和表面凹陷，大幅度降低锁模力，实现用 较小的设备成型较大的制件。 ( 3 ) 厚、薄壁一体的复杂结构制品：如电视机、计算机、打印机外壳及内部支撑 和外部装饰件等。这类制品通常用传统注塑工艺无法一次成型，采用气输技术提高了模 具设计的自由度，有利于配件集成。 图2 - 1 莲蓬头 图2 - 2 汽车仪表板 浙江工业大学硕士学位论文 图2 3 汽车车门面板 目前，研究的比较多的是针对平板类制件中加强筋结构的气道设计和气体穿透情况， 气辅注射成型制件中气道结构的选择和设计根据制件的结构而定，常见的气道结构有如 下四种不同截面形状【3 7 1 ，如图2 4 、图2 5 、