（材料加工工程专业论文）基于人工神经网络的注塑成型自适应控制系统研究.pdf

基于人工神经网络的注塑成型自适应控制系统研究摘要随着注塑产品应用范围的变化，对产品质量的要求也越来越高。成型过程中，工艺参数直接影响到模具内熔体的流动状态和最终制品的质量，获取并保持优化的工艺参数是成型高质量制品的前提。本文主要对注塑成型过程的工艺参数优化和控制进行了研究，研究了基于神经网络理论的建模方法和实时控制策略，构造了一个自适应动态模型，实现对注塑成型过程参数的实时智能控制，使产品成型总处于最优状态。主要内容概括如下：首先。利用实验设计方法对工艺参数进行正交实验，得出实验因素最佳水平组合，并对实验因素对质量目标的影响度排序，筛选出对目标变量影响最大的几个过程参数作为实现工艺控制的控制变量。并通过正交试验为自适应控制模型提供过程参数调整顺序的动态规则、通过研究专家知识为自适应控制模型提供过程参数调整方向的经验规则。其次，作为智能控制的重要分支，人工神经网络具有良好的非线性映射能力和高度的并行信息处理能力。本文在对神经网络结构及算法研究的基础上，确定采用b p 网络实现对注塑成型过程进行控制，理论上构建了控制对象的数学模型。最后，利用模型参考自适应算法实现工艺控制。实际应用表明，该系统显著降低了废品率，实用性强。关键词：注塑成型正交法人工神经网络规则自适应控制；a d a p t i v ec o n t r o lb a s e do i la r t i f i c i a ln e ur a ln e t w o r k ss t u d yo ft h ei n j e c t i o nm o l d i n ga b s t r a c tr e q u e s t so np r o d u c tq u a l i t yb e c o m eh i g h e ra n dh i g h e rw i t ha p p l i c a t i o nf i e l d so fp l a s t i ci n j e c t i o nm o l d i n gp r o d u c t sc h a n g e i nm o l d i n gp r o c e s s ，p r o c e s sv a r i a b l e sd i r e c t l yi m p a c tf l o ws t a t eo fm e l ti nc a v i t ya n df i n a lq u a l i t yo fp a r t p r e c o n d i t i o no fi m p r o v i n gp a r tq u a l i t yi st og e ta n dk e e pp r o c e s sv a r i a b l e so p t i m i z a t i o n i nt h i sp a p e r ，w em a i n l yc a r r i e do u tt h er e s e a r c ho np r o c e s sc o n t r o la n do p t i m i z a t i o no fp r o c e s sv a r i a b l e si np l a s t i c si n je c t i o nm o l d i n gp r o c e s s s o m em o d e l i n ga p p r o a c h e sa n dr e a l - t i m ec o n t r o ls t r a t e g i e sb a s e do na n na r es t u d i e d ar e a l t i m ei n t e l l i g e n ts y s t e mf o rc o n t r o l l i n gt h ei n j e c t i o nm o l d i n gp r o c e s sp a r a m e t e r s ，w h i c hm a k e sp r o d u c tp r o p e r t i e sr e m a i nt h eo p t i m u ms t a t et h r o u g h o u ti sr e a l i z e db yc o n s t r u c t i n gas e l f - a d a p t i v ed y n a m i cm o d e l t h em a i nc o n t r i b u t i o n sa r es u m m a r i z e da sf o l l o w s ：f i r s t l y ，o r i h o g o n a la r r a ye x p e r i m e n tw a sd o n et oo p t i m i z ep r o c e s sv a r i a b l e s w eg o tt h er e l a t i v ei m p o r t a n c eo fv a r i o u sf a c t o r sa n dt h eo p t i m a lf a c t o rl e v e lc o m b i n a t i o na n dc h o s et h em o s ti m p o r t a n c ep r o c e s sv a r i a b l e sa sc o n t r o lv a r i a b l e si np r o c e s sc o n t r o l 。a n do f f e r st h es e l f - a d a p t i v ed y n a m i cm o d e ls o m ed y n a m i cr u l e sa b o u tt h ea d ju s t m e n ts e q u e n c eo fp r o c e s sp a r a m e t e r sb y o r t h o g o n a lm e t h o da n ds o m ee m p i r i c a lr u l e sa b o u tt h ea d j u s t m e n to r i e n t a t i o no fp r o c e s sp a r a m e t e r sb ys t u d y i n gs p e c i a l i s tk n o w l e d g e s e c o n d l y ，a san e wi n t e l l i g e n tc o n t r o lm e t h o d ，a r t i f i c i a ln e u r a ln e t w o r k s( a n n ) w i t hn o n l i n e a rm a p p i n ga n dh i g hp a r a l l e li n f o r m a t i o np r o c e s s i n gc a p a b i l i t i e sp a v ean e ww a yt os o l v et h ep r o b l e mo fi d e n t i f i c a t i o na n dc o n t r o lo fn o n l i n e a rs y s t e m s t h i st h e s i s ，o nt h eb a s i so ft h er e s e a r c ho ns t r u c t u r ea n dl e a r n i n ga l g o r i t h mo fn e u r a ln e t w o r k ，b pn e t w o r kw a su s e di ni n je c t i o nm o l d i n gp r o c e s sc o n t r o lb yc o n s t r u c t i n gt h eo b je c tm o d e li nt h e o r y f i n a l l y ，m o d e lr e f e r e n c ea d a p t i v ec o n t r o lw a sc h o s ea sp r o c e s sc o n t r o lm e t h o d t h er e s u l t ss h o wt h a tt h es y s t e mr e d u c e sn o t a b l yt h er a t i oo fd i s q u a l i f i e dp r o d u c t sa n di sm o r ep r a c t i c a l k e yw o r d s ：i n je c t i o nm o l d i n g ；o r t h o g o n a lm e t h o d ；a r t i f i c i a ln e u r a ln e t w o r k s ；r u l e s ；a d a p t i v ec o n t r o l广西大学学位论文原创性声明和使用授权说明原创性声明本人声明：所呈交的学位论文是在导师指导下完成的，研究工作所取得的成果和相关知识产权属广西大学所有，本人保证不以其它单位为第一署名单位发表或使用本论文的研究内容。除已注明部分外，论文中不包含其他人已经发表过的研究成果，也不包含本人为获得其它学位而使用过的内容。对本文的研究工作提供过重要帮助的个人和集体，均己在论文中明确说明并致谢。论文作者签名：l 司j 柢b 。6 年f2 月蝎日学位论文使用授权说明本人完全了解广西大学关于收集、保存、使用学位论文的规定，即：按照学校要求提交学位论文的印刷本和电子版本：学校有权保存学位论文的印刷本和电子版，并提供目录检索与阅览服务；学校可以采用影印、缩印、数字化或其它复制手段保存论文；在不以赢利为目的的前提下，学校可以公布论文的部分或全部内容。请选择发布时间：口即时发布囱解密后发布( 保密论文需注明，并在解密后遵守此规定)论文作者签名：1 习丰梭导师签名：蠹z 者工口红1 2 月z 男日r w 学碰i 学位论女# 十 i 抻月络# 塑型自镕廊# 制系统日 究11 注塑成型工艺特性第一章绪论塑料是2 0 世纪才发展起来的一大类新型材料，是高分子材料中晟大的一类，由于塑料具有品种多、性能各具特色、适应性广等优点，而且生产塑料所消耗的能量低，因此塑料工业的发展保持着旺盛的势头。目前注塑成型技术已经广泛的应用到了塑料制品的生产中，其中占很大比例的塑料制品是采用此项技术制成的。虽然注塑成型技术已经是一项比较成熟的技术但是随着注塑制品在家电、汽车等高科技领域的应用，对制品的质量、性能及产品更新抉代提出了更高的要求。但是高质量高精度高灵敏度的严格要求成为阻止塑料制品快速进入这些高尖领域的限制和束缚，如何提高注塑制品质量和性能成为该领域的重要研究课题。注塑成型过程是一个高度非线性、时变性的多参数作用过程。由于此过程具有多个参数相互作用并随时间变化的特性，所以每个参数对最后制件质量的优劣都具有不同程度的影响。为了减少最终制件的质量缺陷、提高生产质量，需要对整个成型周期中工艺参数的值进行检测控制，使对最终制件质量影响较大的工艺参数值能保持在最佳的工艺窗口内，从而确保晟终制件质量达到最优。注塑过程主要包括塑化、充填、保压和冷却四个阶段，如图1 i 所示。同露卜j 蕊升凋i 薹釜：r l i 签囊h 生鳖】剖1l 注塑机基本组成及成型过程f i g11ba ! s i cm a c h i n ec o m p v n c n t sa n dp r o c e s sc h a r tl 、塑化塑化是指塑料在料筒内经加热达到流动状奄并具有怠好的可塑性的全过程。塑料原料被与旋转的注塑机螺杆摩擦产生的热量，或者被柱塞式注塑机料简外部的加热器提供的热量，高温均匀熔融，为注射入型腔做好了准备。可以说塑化是注塑成r 学i ：学位论文基于 1 种经月镕的注塑成型自适应控制系研究型的准备过程。塑料熔体在进入型腔之前应达到规定的成型温度井能在规定时间内提供足够数量的熔融塑料，熔料各点温度应均匀一致，不发生或极少发生热分解以保证生产的连续进行。2 、充填这个阶段，模具闭合，熔体在压力的驱动下注入模腔。在注射阶段，注射时白j 、熔体温度、流动速率是影响最终制品质量的重要因素。注射时间直接影响到注射压力，注射时j 盲l 短，熔体需要以较高的体积流率流八型腔，则注射压力就大。而当注射时问过长时，由于熔体在冷模壁的作用下温度降低。粘度增大，使流动阻力变大则注射压力又变大。注射压力随充填时间的变化如图1 2 , 9 i 示，对应于使注射压力虽低的注射时问为最佳注射时问。熔体温度对最终制品豹质量特性也有重要的影响，熔体温度影响着熔体的粘度，决定了熔体的流动阻力。温度低，粘度就高，则熔体流动性就差，充模困难。反之，温度升高会降低熔体的粘度，使充模容易。充填速率决定着制品充入模腔的速度及速度沿厚度方向的曲线分布( 如图13 ) 。速度曲线对剪切速率、分子取向有重要的影响，从而影响制品质量和性能。注射阶段对制品的外观质量和内部性能都有重要的影响。如短射、飞边、流痕、熔接线、气穴等缺陷都是在充填阶段成型不当引起的。其中，短射、飞边、流痕和气穴直接影响到制品外观质量。熔接线处，由于取向通常平行于熔接线因此制品强度降低。另外，由于流动速率影响制品的内部分子取向，从而影响制品的内部性能。图i2 注射压力与充填时间关系图f i g 1 2 r e l a t i o n s h i p b e t w e e n e c t i o np r e s s u r ea n d f i l l i n g t i m e3 、保压兰添= 。乏* 血m 弭图13 横截面上的速度分布曲线f i g 13 v e l o c i t yp r o f i l e c l o $ ss e c t i o n当模具被完全充满后，螺杆在原位置保持一定的时间使得熔体继续充入型腔，这个阶段为保压时间，在这个阶段，额外的熔体注入型腔以弥补冷却引起的收缩。随着冷却的进行，尺寸较小的浇口凝固，此时，模具内的熔体仍然保持很2广西人学硕上学位论义基于人工神经网络的注塑成型白适应控制系统研究高的压力，当熔体继续冷却和固化，压力逐渐降低。在冷却和固化阶段，型腔内的压力必须足够高以避免冷却引起的缩痕( 又叫沉降斑) ，但过高的压力又会使熔体从型腔向外倒流。保压时间和保压压力是保压阶段两个重要的工艺参数。保压阶段对制品尺寸、表面和材料性能都有影响。例如，如果保压时间过短，保压不足，会出现过量收缩，使得制品尺寸误差增大，还可能引起缩痕和内部空洞等缺陷。然而，如果过保压，收缩降低，但制品内应力会增大，影响到制品的强度。保压阶段的熔体温度变化速率和保压时间还影响到冷凝层内的结晶性能，从而影响制品内部形态。保压压力确定了在固定的保压时间内补料的多少。如果保压压力过低，在浇口凝固前难以补充足够的熔体到型腔，而如果保压压力过大，又会出现过保压可见，保压时间和保压压力的选择对最终制品的尺寸、重量和内应力有重要的影响。4 、冷却在冷却阶段，制品固化。通常，冷却阶段的模具温度、熔体温度、材料的热传导率决定了制品的冷却速率，从而会影响内部结晶，同时，型腔内的温度分布不均会引起热残余应力。在冷却阶段，由于浇口凝固，型腔补料结束，型腔内部与外界没有了物质传递，但型腔内部熔体还没有完全固化，由于模具结构的差异和温度的差异，熔体在型腔内部的固化和收缩不同，仍然会存在少量熔体的流动，此时，型腔内部冷却效果在起决定性作用。熔体由壁面向型腔中心逐渐冷却固化，直到满足脱模要求。冷却阶段确定了最终制品内部的结晶度、制品内部的残余应力及取向。翘曲是制品的一个重要缺陷，结晶、残余应力及取向正是引起制品翘曲的主要原因。另外，如果充填和保压阶段的补料不足，在冷却阶段制品就会出现缩痕或内部空洞。在成型过程中，由于冷模壁的作用，制品外部先冷却固化，冷却作用使熔体体积收缩，外部固化层和芯部熔体之间存在着拉力，此时，如果制品表面强度足够，则熔体被拉向表面，形成空洞。如果模壁温度较高，制品表面的强度难以抵抗拉力的作用，则制品表面下沉；形成缩痕( 又叫沉降斑) 。当型腔厚度变化较大时，在厚壁部位容易产生沉降斑，筋板处由于厚度比周围的大，也容易产生沉降斑。可通过改变模具设计来改善沉降斑的分布，如减小厚壁部分的厚度、使浇e l 位于厚壁部分或增大浇口尺寸延迟浇口凝固时间、增加保压压力和保压时间、降低熔体温度和模具温度也可改善沉降斑的分布。本文主要研究成型工艺对制品质量的影响。广西大学硕士学位论文基于人工神经网络的注塑成型自适应控制系统研究1 2 研究注塑成型过程质量控制的重要性近年来，随着塑料注塑工艺在汽车、摩托车、家用电器、仪器仪表等行业中的广泛运用，有关注塑过程规律的把握、注塑工艺参数优化的配置在国际上得到了广泛的重视【1 1 。特别是对注塑成型制品质量及性能要求的提高，使得对成型工艺性能、成型工艺监控和控制技术都有了更高的要求。为了生产出更高质量的制品，必须对成型过程进行监控。目前的注塑机虽然实现了各个工艺参数象熔体温度、保压压力和螺杆速度等的闭环控制，但实际生产中熔体进入型腔后仍然为开环，没有状态信息和制品质量的自动反馈。制品质量控制的最基本困难是成型制品的质量属性很难在成型周期内确定，在开模和检查制品之前对制品外观、结构完整性和其他完整制品质量性能进行测量的仪器还不存在，而且可能永远不会出现。实际生产中，制品质量的反馈是通过统计质量控制，即工人定期抽查制品质量并报告给操作工人以考虑当前机器性能，质量控制则通过操作工人依靠经验调节设置点来实现。为了改善注塑成型生产性能，对注塑成型工艺进行深入分析，研究和开发适合注塑成型质量监控的理论和方法，实现注塑制品在线质量控制具有重要意义。制品质量控制是由上一个成型周期制品质量属性确定下一成型周期的机器输入，调节机器设置并保持这种状态使生产出一致、合格的产品。注塑成型制品质量控制一般分为两个阶段，第一个阶段是通过调节机器设置以生产出质量可以接受的制品，即获得优化的工艺设置。第二个阶段是在生产中采用某种连续质量监控和控制方法保持工艺以生产出质量一致、合格的制品。由于高分子材料的多样性，使其特性差别很大，各种塑料制品的形状千姿百态，使得注塑成型过程数学模型的建立非常困难【2 】。目前注塑参数的选取和产品质量的预测基本上依赖于经验方法【3 1 ，用经验设计来决定过程参数的数值。实际上，传统的模具设计和工艺参数设置主要依赖于设计者的经验和技巧，模具设计的合理性只有靠反复的试模和修模，工艺参数的设置也只能靠反复的试模和修改设置，缺乏科学依据，生产周期长，成本高，质量也难以保证，往往造成很大的废品率。也有人尝试建立基于静态规则的自适应控制模型4 1 ，一定程度上起到了控制产品质量的目的，但是它只能针对某一具体的产品提供一个很好的解决方案，我们会发现，如果用这种方法为不同产品提供一个精确的加工模式是不可行的。本研究旨在对成型过程进行模拟研究，使模具设计和工艺参数设置建立在科学的分析基础之上，并且在4广西大学硕士学位论文基于人工神经网络的注塑成型自适应控制系统研究新模具试模到正常成型阶段确定与具体质量指标相关联的过程参数，进行实验建模分析，通过正交试验确定最佳成型条件，即各因素的最优组合，减少了试模次数，降低了废品率；建立注塑成型过程熔体在模腔中流动和传热的数学模型，在成型过程中，当系统检测到关键影响因素改变并超出限定范围时，启动该系统中计算质量指标的数学控制模型进行判断和基于规则的参数调整程序，确定新的成型过程参数并修订，能使产品总是保持在所要求的质量范围内。因此，对于制品外观质量、成型尺寸、使用性能等注塑模成型质量控制方面，进步研究以过程参数为对象的自适应动态建模和智能控制显得尤为重要。1 3 注塑成型过程及质量控制的研究现状注塑成型是复杂的多变量、非线性且具有周期性的非稳态过程。早在二十世纪七十年代，注塑成型机器的许多子系统就采用开环控制，例如，采用控制加热装置的功率控制料筒温度，通过控制液压阀获得充填和保压过程的螺杆速度和压力等。1 9 7 4 年，c a r l m a 描述了第一台由计算机控制的注塑成型机，m a 为每一个成型阶段确定出关键的工艺参数并设计出控制系统，m a 的这项工作成为现代注塑机控制系统发展韵基础，使得当前螺杆速度和注射压力的闭环控制得以实现聆3 。到八十年代，应用比例和伺服阀获得螺杆位置和液压压力的闭环控制己经非常普遍。虽然螺杆速度和注射压力的的闭环控制从很大程度上改进了注塑成型的工艺性能，但是，对制品质量有直接决定作用的型腔中的状态变量仍然没有得到控制晦1 。从这种意义上讲，当聚合物熔体离开注塑机料筒后，成型过程仍然为开环。所以，一旦出现质量问题，很难确定哪个参数对状态变量有直接作用并对其调节以解决问题。随后，注塑成型控制的重点转向材料状态参数( 压力、温度和形态) 和机器参数之间的闭环控制。初期的控制主要针对单个变量，选用对整个成型周期或对某个阶段影响最大的工艺参数，例如熔体温度或型腔压力，或者针对某个特定目标选择单个工艺参数作为控制变量，而不考虑工艺参数之间的相互影响。许多研究工作集中在压力的监控和控制上陋1 3 3 ，因为充填和保压过程中压力的波动被认为是引起制品质量问题的主要因素，峰值压力通常成了推断制品质量的量度。除了型腔压力外，许多研究工作集中在注射速度1 和熔体温度n 卜1 羽的控制上。注塑成型过程中各个工广两人学硕l ：学位论文基于人丁神经网络的注塑成型自适麻控制系统研究艺参数之间的影响程度相当大，控制单一变量很容易使对整个成型过程的控制失去平衡。研究者们逐渐将研究重点放在了多变量的控制方法上，同时选用对某个阶段或整个成型周期影响较大的几个参数，并尽可能的考虑到所选控制变量之间的相互影响。a g r a w a l e t a l n 劬在1 9 8 7 年就提出研究多变量控制方法的必要性，建议继续把研究焦点集中在高聚物参数上。他还提出了一种对注塑成型过程中控制变量的分类方法n9 加1 。利用该分类方法，可对注塑成型进行全阶段控制：对在整个周期中都有重要作用的变量进行连续监控：阶段控制：对仅在特定阶段起决定作用的变量进行控制：周期控制：利用上个周期中得到的信息调节控制本周期中的变量，往复不断。温度和压力贯穿于整个成型过程，而且温度和压力直接决定了成型过程中高聚物熔体的材料性能及在模腔中的材料行为，在注塑成型的各个阶段它们都是决定制品质量优劣的至关重要的因素，因此多年来压力控制和温度控制一直都是研究者们关注的热点。认识到制品质量受到许多因素的影响，一些研究者开始建立经验公式预测制品质量。随后，涌现出一大批制品质量预测的文章。r i c k e t s o na n dw a n g 心妇和w a n g a n ds h a h 乜羽基于几个重要工艺变量的测量数据建立了复变量回归模型以控制制品厚度。h a u s s l e ra n dw o r t b e r g 乜3 1 基于离散的工艺测量数据模式建立并训练了人工神经网络预测制品重量和长度。z x i aa n dp k m a l i c k 曙钔基于实验研究了引起复型腔制品尺寸变化的原因，分析了模具温度和保压压力对尺寸变化的影响，并基于收缩数据的统计分析，优化了工艺条件以控制制品的尺寸变化。o l i v e rs c h n e r r 和w a l t e rm i c h a e l i 位5 矧应用人工神经网络实现了熔体温度的辩识和制品重量的预测，并提出了在线闭环质量控制的可能。j a m e sc m o l l e r 和j o n j r o w e 瞳7 1 应用人工神经网络技术，以机器参数料筒温度和液压压力作为神经网络输入预测制品重量。t a t i a n ap e t r o v a d a v i dk a z m e r 妇8 1 建立了经验公式和神经网络结合的混合神经网络，以速度、熔体温度和熔体注射量为输入预测注射压力。在建立神经网络预测模型时，训练数据的采集是_ 项庞大的工作，需费用很大，p r a s a dk d v y a r l a g a d d a ，c o b b ya n gt e c kk h o n g 汹1 和b h m s a d e g h i m l 基于数值模拟技术实现了神经网络模型的离线控制。p e i j i nw a n g ，j i n - y o wl i n 门利用c m o l d 分析结果基于自适应神经网络模糊参考系统( a n f i s ) ，建立了制品质量和工艺参数之间的关系模型。利用c a e 数据训练神经网络的一个最大的优点是是实验的可重复性高，而且没有外界噪声的影响。6广西人学硕上学位论文基于人工神经网络的注塑成型自适应控制系统研究h c w l a u ，t t w a n g ，k f p u n 脚1 建立了模糊神经网络模型实现了注塑成型机器的智能控制。b h m i n b 3 1 采用响应表面分析推导回归方程和优化工艺条件，采用问接控制方法，以制品重量和型腔压力- 为监控变量，实现制品尺寸的控制。s u z a n n el b ：w o l1 ，d o u g l a sj c o o p e r ，b l a i rvs o u d e r 泓1 应用人工神经网络技术，建立机器设置参数和压力模式、机器设置和制品质量之间的关系模型，分别采用离散和连续压力模式监控制品重量和长度：w o l l s l b 和d jc o o p e r 口朝应用人工神经网络进行了完整的压力模式分析，并基于压力模式分析结果更新机器设置点，实现机器控制环和工艺控制环的层叠控制。注塑成型制品均为大批量生产，制品重量控制具有很大的经济意义，而且，如果制品重量变化较大，说明质量控制性能较差，则相关其他性能也会变化较大，因此许多研究工作集中在制品重量的控制口7 3 3 3 4 1 。l a n g e c k e r m 3 描述了基于聚合物材料的p v t 行为控制制品重量的方法。y a k a m o t o 等7 1应用以下关系式实现制品质量控制：坐：# a p + r a t( 1 1 )式中，k 分别为压缩系数和热膨胀系数。m u s ar k a m a l 等啪3 分别采用p t 和p w t 控制方法实现制品重量的控制，在p t 控制中通过控制浇口凝固时型腔内的温度和压力实现制品重量的控制，而在p w t 控制中，通过压力控制补偿温度的波动。上面的研究工作大都是通过监控状态变量调节机器设置，尽而预测制品质量或进行注塑成型获得制品质量，并没有质量指标向控制系统的反馈，即质量控制环为开环控制。另外，针对不同的生产阶段通常采用以下不同的方法实现。1 工艺设置阶段一工艺优化工艺设置阶段通常采用的方法有：试错法、专家系统、实验设计、神经网络方法( 有c a e d o e u i i 练) 等。2 工艺保持一品质监控阶段目前，注塑成型工艺监控方法包括：开环质量控制、统计工艺控制( s p c ) 、回归工艺控制、连续工艺控制( c p c ) 、人工智能控制、神经网络控制等。这里特别强调的是，人工神经网络特有的非线性适应性信息处理能力，使之在模式识别、智能控制、组合优化、预测等领域得到成功应用。与传统的信息、数据处理方法相比，神经网络方法具有明显优势。神经网络可从已有的实验数据或实测广西大学硕一l ：学位论文基于人工神经网络的注塑成型自适应控制系统研究数据中通过一定算法自动获取信息，总结规律，并掌握输入输出数据之间的复杂关系。其较强的非线性映射能力从根本上克服了回归分析方法事先给定数学形式导致有可能丢失某些信息的缺点。因此，本文拟采用神经网络实现制品质量的控制。1 4 课题来源和本论文主要工作1 4 1 课题来源本研究课题来源于广西科学基金( 项目编号：桂科基0 5 7 5 0 1 2 ) 和广西大学科技基金( 合同编号：x 0 5 1 0 2 4 ) 资助项目塑料制品成型过程自适应动态模型及其智能控制，本文研究并开发的实时自适应控制部分是该项目的核心模块之一。1 4 2 本论文主要工作鉴于上面的论述，本文以成型过程模拟、工艺参数对制品质量的影响分析、质量指标与工艺参数关系数学模型建立、基于经验规则和动态规则的自适应动态控制模型的建立为研究主线，针对以下方面开展了研究工作。1 实验建模分析技术研究注塑制品的质量受多种因素的影响，而工艺参数直接影响着熔体在型腔中的流动状态及最终制品的质量。在注塑成型制品质量控制方面存在很大的困难，这些困难不仅来源于工艺动力学的复杂性和在温度、压力波动下材料行为的不可预测性，还来源于对制品质量与影响因素之间的关系缺乏了解。本文第三章中，通过理论、经验、实验等方法确定塑料制品成型过程参数的关键影响因素，以及确定与影响目标质量指标的因素关联显著度。通过正交试验的方差分析技术确定自适应控制参数的调整顺序，即根据各过程参数对质量指标的贡献比例，对各因素的显著度排序，作为制定动态规则的依据；此外，利用正交试验可以获得各因素的最优组合，据此获得b p 神经网络训练的样本数据，以期实现在较少的试验数据下建立满足目标质量指标的较好的神经网络模型。2 基于b p 人工神经网络( b p n n ) 的控制模型研究注射成型的非线性、多变量特性，使得其工艺的设置及生产中理想工艺的保持非常困难，也使注塑成型过程数学模型的建立非常困难。如何获取其数学控制模型并保持优化工艺是获得高质量产品的关键。r广两人学硕十学位论文基于人工神经网络的注塑成型自适应控制系统研究本文第四章中，旨在利用一个优化的b p 神经网络，建立一个计算质量指标的数学控制模型，网络收敛速度较快。用c 语言实现。经验证，训练的相对误差小于0 5 2 ，那么可以认为，该神经网络模型已经训练完毕，能较好地满足建立一个计算质量指标的数学控制模型的需要。3 注塑成型自适应控制系统及其实现研究由于工艺参数和制品质量特性的随机关系，所建立的模型还必须能适应工艺条件的变化。本文第五章中，构建了系统总体框架，分析了它的每个模块的功能和系统运行机制。通过研究专家知识和经验知识，确定参数调整的变化方向，作为自适应模型反馈调整算法的经验规则，结合第三章的结论，来建立反馈调整算法的动态规则。最后进行了主要界面功能介绍。本研究提出了一个适应较高质量制品成型过程的、性能稳定的制造过程监测与控制的方法，为精密成型提供有效的方法支持。9广两人学硕i ：学位论文基于人工神经网络的注塑成型自适应摔制系统研究第二章系统总体框架结构2 1 本文的研究目标及拟解决的关键技术问题2 1 1 研究目标本项目拟围绕基于人工神经网络的注塑成型自适应控制这一主题，从塑料制品成型过程参数的影响因素与关联性分析入手，依据具体制品成型的初始化过程参数，在模具调试成型阶段根据制品成型目标建立实验模型，并确定模型的关键影响因素的训练数据，确定符合具体实际的神经网络模型和计算影响目标质量指标的因素关联显著度，进而建立由经验规则和动态规则与计算质量指标的数学控制模型有机组合的自适应智能控制模型。同时选取成型要求较高的薄壳件的某型号手机外壳制品来进行实验建模，检验上述自适应智能控制模型的有效性。旨在研究提出适应较高质量制品成型过程的性能稳定需要的一种产品制造过程监测与控制的方法，为精密成型提供有效的方法支持。该系统同时可以推广到橡胶及粉末冶金等材料的注射成形的智能控制。它更是中小企业提高塑料注射成型制品质量和生产效益的好帮手，为制造业信息化提供一个智能控制环境，提升塑料成型工艺和设备的整体水平。2 1 2 拟解决的关键技术问题( 1 ) 制品影响因素与关联性分析：研究影响注塑成型制品质量性能的关键过程参数，并对其进行关联度排序。( 2 ) 实验建模与神经网络模型的建立：研究确定神经网络模型的输入输出训练参数及数据、b p n n 函数的训练算法以及具体实验设计方案。( 3 ) 基于规则的自适应控制模型的建立：研究经验规则和动态规则与计算质量指标的数学控制模型有机组合，确定自适应参数调整顺序、调整的变化方向和调整的大小，为自适应控制提供一个科学的解决方案。1 0广西大学硕： ：学位论文基于人工神经网络的注塑成型自适应控制系统研究2 2 拟采取的研究方案及可行性分析2 2 1 研究方法与技术路线针对上面所列的各项研究内容，拟采用的总体研究方法和技术路线如图2 1 。( 1 ) 塑料制品成型过程参数的影响因素与关联分析采用专家经验和实验验证以及c a e 分析软件( 如m o l d f l o w 软件等) ，按照成型过程影响制品质量的方式和特点，分析出成型现场的影响因素的主次关系，进而分析主要因素对制品质量的耦合关联性以及在成型过程的特点和作用，找出现场成型的影响因素作为实验建模数据参数和可控参数变量。( 2 ) 实验建模分析与神经网络模型研究神经网络模型研究利用从实验获得的数据研究各种b p n n 函数的训练算法进行训练，进而建立切合现场实际的b p n n 神经网络模型，由此获得训练模型的权重作为建立计算质量指标的数学控制模型的基础数据。具体实验一般采用正交试验和方差分析技术建模，当确定了制品质量选择的输出i ) i l 练参数后，根据与其具有关联程度较大的过程参数作为模型的输入训练数据，数据从贴切于成形过程的实验中获取，以保证训练模型的良好和用于控制的科学性和实用性。( 3 ) 自组织、自适应动态模型研究模型的研究就是在取得训练模型的权重后，综合主动影响因素与被动影响因素与训练模型的权重的关联性，以多种数学分析方法为工具，拟合关联系数，寻求建立一个计算质量指标的控制模型。自适应智能控制机理主要内容是制定调整参数的智能化控制规则，即反馈调整算法。当过程变量引起质量指标波动时，使其能较好的控制产品质量保持在最优或次优状态。其研究方法为：根据性能指标与影响因素的关联性，制定专家知识和经验制定通用的调整参数的智能化控制规则( 简称经验规则) 。这些规则主要侧重完成参数调整的变化方向。通过正交实验的现场数据处理和方差( 或灰关联) 分析技术或者从神经网络训练获得的权重进行分析确定影响制品性能主要因素的显著度，明确制定出自适应控制参数的调整顺序的动态规则。经验规则和动态规则与计算质量指标的数学控制模型有机组合达到参数自适应广两人学硕上学位论文基于人工神经网络的注塑成型自适应控制系统研究的综合智能控制。由此，利用基于规则推理的机制随时对测量的工艺参数进行调整，而不是一成不变地执行事先设定的路线。( 4 ) 现场实例验证选取成型要求较高的薄壳件制品的成型控制作为应用实例，围绕建立的神经网络模型、质量指标的数学控制模型、基于经验规则和动态规则智能化控制模型三大方面，对其合理性和有效性进行验证。具体技术细节见下面所述的实验方案。2 2 2 实验方案图2 1 研究方法和技术路线f i 薛1 r e s e a r c hm e t h o da n dt e c h n i c a la p p r o a c h通过对塑料制品成型过程参数的影响因素与关联分析，找出现场成型的影响因素作为实验建模数据参数和可控参数变量后，这里选取成型要求较高的薄壳件塑料制品来进行实验建模来检验自适应智能控制模型的有效性。现场实验方案主要包括两大步骤：新模具试模到正常成型在新模具试模过程中，依据设计部门预先通过工程分析软件( m o l d f l o w ) 得出的过程参数或借助于专家和有经验人员建立的过程参数作为第一次试模参数，然后选择合理的实验模型，建立实验建模合格品列表( 即为神经网络的训练数据列表) ；然后选择具体的训练函数模型进行神经网络训练，确定出一个适合此产品质量要求的训练模型并存储训练后的权重，采用现场数据处理和方差分析技术确定影响目标1 2广两大学硕七学位论文基于人工神经网络的注塑成型白适应控制系统研究质量指标的因素关联显著度。产品正常成型阶段在成型过程中，当机器检测到主动影响因素改变并超出限定范围时，启动自适应系统的计算质量指标的数学控制模型进行判断及基于规则的参数调整程序，确定新的成型过程参数并修订，使产品总是保持在所要求的质量范围内，实现自适应控制。2 3 系统的流程图本系统包括实验建模分析、神经网络模型和自适应动态模型三个部分，其流程图如图2 2 所示图2 2 系统流程图f i g 2 2s y s t e mf l o wc h a r t注：粗线表示实时部分其中：】陆一关键变量的异常值一关键变量的输入值儿一质量指标的异常值y 一预测的质量指标输出值己一允许的关键变量波动值占一允许的质量指标波动值w ( j ，i ) 一输入层和隐层的权重v ( k ，j ) 一输出层和隐层的权重其实现介绍：首先载入产品，根据经验知识，比如制品缺陷库，知道产品的缺陷征兆表现( 产广西大学硕士学位论文基于人工神经网络的注塑成型自适心控制系统研究品的目标质量指标) ，以及与之相映射的影响因素：设备和模具性能、塑料制品材料、环境、注塑工艺过程参数等影响因素，通过范例推理和一定的规则确定与具体质量指标相关联的过程参数( 针对本文仅仅考虑注塑工艺过程参数对目标质量指标的影响) ，进行实验建模分析。其模型力求简单而符合实际加工要求。分析的数据部分来源于c a e 模拟分析的结果，比如m o l d f l o w 软件，通过实验确定塑料制品成型过程参数的关键影响因素以及与影响目标质量指标的因素关联显著度。此外，利用正交试验可以获得各因素的最优组合，据此获得b p 神经网络i ) l i练的样本数据，以期实现在较少的试验数据下建立满足目标质量指标的较好的神经网络模型。建立一个较为合理的模型，为进一步建立自适应控制模型提供基础数据。应该注意的是，以上建立的模型部分来源于c a e 模拟的结果，可能建立的模型与生产实际有一定的差距，致使后面所建立的自适应控制模型未必真实有效，必须进行现场试验建模，即通过一定量的实际现场试验数据去修正以上的结果，也就是说在神经网络的训练数据里面加入一定量的实际现场数据，本实验加入优选的两组数据。采用“理论与现场实际相结合的方法，即从成型现场获取b p 神经网络模型的训练数据和影响目标质量指标的因素关联显著度来建立自适应控制模型。至此所建立的基于b p 神经网络的数学控制模型与生产实际会更接近，也使最终的自适应动态控制模型更加合理和实用。神经网络训练学习和实验建模分析安排在生产开始之前即工艺规划时离线完成，保证所建立的数学控制模型合理有用，并根据所开展的实验建模分析结果制定相应的基于经验规则和动态规则的自适应控制模型的规则库，通过正交试验的现场数据和方差分析技术确定自适应控制参数的调整顺序，作为自适应模型的动态规则；通过研究专家知识和经验知识，确定参数调整的变化方向，作为自适应模型的经验规则，建立自适应调整规则尽可能地把生产实际中所出现的缺陷类型都包括在内，不断地丰富和完善规则库，使在实际的注塑成型加工中能针对不同的产品和针对不同的缺陷类型，真正体现出自适应控制的“动态性”。当以上的数学控制模型和规则库都建立以后，就可以在实际生产中进行在线实时控制制品质量了。当通过一定的传感器检测到注塑关键变量波动后，比如熔体温度，冷却时间等等的波动，致使此时的x e i 大于系统所允许的波动值争，即k ，一船i 争，那么启动系统，由程序控制把波动的关键变量值输入由权值矩阵w ( j ，i ) 和v ( k ，j ) 建立的一个数学1 4广两大学硕十学位论文基于人工神经网络的沣塑成型自适应拧制系统研究控制模型，进行计算，如果所得的计算输出儿在系统允许的范围占内波动，即i y e y m l e ，那么其关键变量被基于规则按所确定的调整顺序和调整方向作自动调整，否则结束调整。并注意两个可能的情况儿一虼 占和儿一 0 0 0 0 015 ) ；4 6b p n n 在注塑成型自适应控制系统中的一个研究实例研究实例仍选择以上薄壳件的翘曲变形质量控制问题，数据来源主要是第三章的实验建模( 选用了其中的1 6 组数据) ，同时为了使所建立的控制模型更逼近实际，经调研作者选用了两组现场实际加土数据( 表4 1 中第一组和第三组) ，并经过优选处理。本系统拟采用一个三层反馈的拓扑结构，并且加入了动量项口= 0 5 ，优4 3r 日大学w 学位论业基f 1 神经日络的女自适# 慊统研究化了网络，使其收敛速度更快，学习率为07 5 用c 语言实现。以手机外壳为例，采用5 1 8 1 结构，表示输入层的元素分别为：x = p 川( 保压压力) 、如= t ( 熔体温度) 、x 3 = t 一( 冷却时间) ，x 4 = t h - m 。( 流动充模时间) 和x 5 = t 一。( 保压时日j ) ，y 表示输出值，此时的目标质量指标为w a r p ( 翘曲) ，n 是输入层神经元的个数( 这里n = 5 ) ，r a 是隐层神经元的个数( 这里m = 1 8 ) ，l 是输出层神经元的个数( 这罩l = 1 ) 。训练误差值设定为eo 0 0 0 0 1 5 。最后经迭代2 4 12 7 2 次( 耗时3 分1 5 秒) 后，程序输出班下数据如表41 ，可以看到，在计算预测输出值( y )期洲，训练的相对误差小于0 5 2 ，那么可以认为，该神经网络模型已经训练完毕，可以满足建立一个计算质量指标的数学控制模型的需要。为后面进一步研究自适应控制模型打下了良好的基础。图46 选代过程f i g46 i t e r a t i v ep r c c s s广西大学硕士学位论文基于人工神经网络的注塑成型自适应控制系统研究表4 1 训练样本数据和神经网络的预测输出t a b l e4 1t r a i n i n gd a t a sa n do u t p u t so fb p n nm o d e ls ，n保压压力熔体温度冷却时问充模时间保压时间测量值预测值误差( )11 0 02 6 080 1lo 3 50 3 5 0 19 70 0 5 6 15 621 2 02 7 51 20 31 20 4 00 4 0 0 38 30 0 9 5 6 8 831 4 02 9 01 60 51 50 5 30 5 3 0 3 6 70 0 6 9 2 6 541 0 02 6 01 20 - 31 50 3 80 3 8 0 6 2 60 1 6 4 7 0 551 2 02 7 51 60 5l0 5 90 5 8 9 9 8 90 0 0 18 6 961 4 02 9 080 11 20 7 20 7 2 0 11 60 0 1 6 1 0 271 0 02 7 58o 51 2o 4 20 4 2 0 0 5 80 0 1 3 8 9 481 2 02 9 01 20 1