基于数值模拟和传播神经网络对于注塑工艺的优化

基于数值模拟和传播神经网络对于注塑工艺的优化王玉，邢渊，阮雪榆（国际消失模具的计算机辅助设计中心，上海交通大学，上海200030，中国）摘要：塑料注射成型是一种非常复杂的过程，并且其过程规划直接影响到产品的质量和生产效率。本文结合数值仿真结果和误差反向传播网络研究了注射成型过程的优化的方法,数值模拟的结果验证了bp网络。受过验证的bp网络可以:(1)缩短工艺规划;(2)优化工艺参数;(3)采用在线质量控制;(4)一体化知识系统和案例推理技术来做出明智的注射成型工艺规划。关键词：注塑；过程优化；BP神经网络；数值模拟文献代码：A介绍塑料注射成型是一种非常复杂的过程及其工艺规划,直接影响到产品的质量和生产效率。在实际工业实践,自觉的注射成型工艺,通常是制作成型试验,并不断受到过程规划所需要的时间,到什么程度的参数进行优化,在很大程度上依赖于过程管理人员的经验。随着竞争的加强，为企业保持竞争优势，时间和质量已成为两个关键因素。注射成型工艺研究的目的是确定最优工艺参数的最短时间。一般而言,存在两种模式,并对其注射成型工艺的质量控制,即在线工艺规划。对在线质量控制,最近的研究工作主要集中在整合各种传感器,使实时适应质量控制通过使用神经网络、模糊逻辑等技术。当参数偏离方向的质量较差,该系统能够侦测到这种偏差并及时改正。离线工艺规划是设置正确的工艺参数来防止生产提前质量缺陷,因此预测及预防措施。随着人工智能技术的发展使得注射成型工艺设计智能化,而以往这只能依靠经验。近年来许多学者进行了大量的研究工作，主要思想就是要运用于基于知识的系统,基于实例推理和他们的集成智能工艺规划的注塑模具。此方法论汲取了丰富的经验和知识过程规划者推理,从而保证了质量和可靠性。但那是困难的优化工艺参数。随着已有的理论和研究变得越来越成熟,仿真精度,数值模拟软件,e.g.moldflow进行改进,提供潜在的优化注塑工艺。本文研究了数值模拟相结合的bp神经网络进行优化,以期注射成型工艺,缩短工艺规划、优化工艺参数、控制产品质量最有效的工具。仿真结果和工作的bp神经网络作为学习样本。通过验证，这些网络可以概括关键工艺参数之间的关系,e.g.塑料熔体流动速率、模具温度、熔体温度、注射压力、塑料零件的质量。一旦建立了bp神经网络的优化工艺参数,将成为可能。1数值模拟塑料顾问CAE分析软件被用于仿真工作。塑料部分是个移动电话的外壳。它的是ABS并且塑料熔体流动速率分别是是1.0,2.0,5.6g/10分钟,贸易名称cycolacx375500t和cycolac美制加仑/分钟。模具温度范围是40~80摄氏度。为了在上面的发生，熔体范围分别是215~155,230~270，和225~265摄氏度。正常的最大注射时间可以通过软件本身来自动调节。输出的模拟是实际喷油压力、实际注入时间、塑料零件的质量状态。在那里,质量状态输出被划分为三种类型:完全接受，可能接受和完全无法接受。完全接受是指腔可以很容易地填补了熔体结晶性塑胶。可能接受是指腔可能被填充，但是存在难填充区域并且当参数偏离略时可能发生打击不足。给某些生产商和改变模具温度、熔体温度和名义最大压力与之相对应的,模拟在不同情况下进行,结果都被记录。在执行模拟的塑料零件几何和浇口位置保持不变。总共800箱进行了模拟与局部的模拟结果显示在标签1。标签1部分数值仿真的结果输入输出2基于神经网络,提出的注塑工艺的优化模型2.1bp神经网络结构利用bp神经网络是一种广泛使用的神经网络模型并且非线性映射能力的过程非常强。英国石油公司(bp)神经网络的结构是分层次的,常被分为输入层、隐层和输出层是由特定的应用,但在这一数字隐藏层及其神经单元数通常取决于试验计算,因为没有成熟的理论指导的日期。学习模式的bp神经网络属于监督式学习。在分析比较教师信号的bp神经网络权重不断更新其直到所需精度达到要求。bp建筑在4-6-3本文里进行了确认。是塑料熔体流动的输入速度、模具温度、塑料熔体温度和名义最大喷油压力。输出的是塑料配件的质量，实际上市注射压力和实际注射时间。塑料部分模糊编码质量如下:完全不可接受-0,可能接受-0.5,完全接受-1.0。图1BP网络的结构为了加速网络的汇聚速度，最好的学习样本被归一化处理。该涂料具有:（通用值-最小值）、（最大值-最小值）。2.2网络的学习与验证800模拟样品分为750学习样本和50个样品进行测试。bp网络进行训练最初由750归一化的学习样本和学习速率0.8、动量因素0.6。之后的发展过程中,网络的28000总系统误差降低到0.00012。网络学习质量测试,对50个样品进行测试,结果是符合要求的，进一步验证网络可靠性，特别是网络从没遇到困难两个样品，MFR=1.0，T=40，T=245，p=28andMFR=2.0，T=62，T=252，p=60，被分别地发送到验证过的网络，虽然提出了计算，网络的输出显示Q的输出值分别是0.996和0.002。这说明,设定的质量缺陷在生产前开枪,而产品的质量可以完全接受的条款后组工艺参数。bp神经网络的预测结果与数值模拟结果完全符合,表明塑料零件质量的预测bp网络的基础上进行自信。利用bp神经网络建立了,我们能够优化注射成型工艺参数,以减少设备制造能力要求,运行成本,取得了满意的产品的质量。图2仿真结果注塑压力为工艺参数：MFR=1.0，图3模拟的结果为工艺参数的充填时间;在上述仿真工作,几何形状的塑料和它的浇口位置不变。若他们中的任何一个改变,bp神经网络,需要接受培训立足新仿真结果。3讨论和结论BP网络通过仿真结果进行验证，这是通过CAE塑料顾问仿真软件实现的。bp神经网络可以通过比较法的关键工艺参数之间的关系,例如塑料熔体流动速率、模具温度、熔体温度、注射压力的质量,并在规定参数范围内的塑料部分。尽管模拟和学习是时间-消耗训练bp神经网络,预测塑料部件质量可以在很短的时间。bp神经网络的功能,本文确立如下:(1)缩短时间为注塑工艺规划;(2)优化工艺参数,例如,对工艺参数下找到最小受限的设备能力或优化能源消耗和成本,在保证零件的质量。(3)被用于在线质量控制和预测产品的质量状况在时间;(4)基于知识的系统一体化和案例推理技术,使智能过程实现。因此,训练有素的bp神经网络能够采取行动既作为离线和在线质量控制工艺规划。本文的主要工作是探索该设计方法的可行性,分析软件塑料顾问的特点,采用了具有使用方便,提高仿真谁做模拟精度和提高抵抗文化渗透的预测bp神经网络在实际工业应用质量进一步MOLDFLOW分析软件,给出了相应的建议。在同一时间,更多的工艺参数及质量缺陷可以被添加到bp构架。未来的工作是要进行收缩的预测和控制方法的基础上,提出了改善其尺寸精度的塑料部分。参考文献【1】KwongCK,SmithGF.计算系统的注射成型工艺的设计：结合一个黑色桌面专家系统和一种基于实例推理的方法【J】.IntJAdvManuftechnol，1998,14:350~357。【2】WollSLB,CooperDJ.基于模式闭环质量控制注塑工艺【J】.PolymEngSci，1997,37（5）：801~812.【3】WangH,CaoB,JenCK,etal。在线超声监测的注射成型工艺【J】.PolymEngsci，1997,37（2）：363~376.【4】Shelesh-NezhadK，SioresE,智能型系统,为塑料注射成型工艺设计[J].JournalofMaterialsProcessingTechnology，1997,63:458~462.【5】JanTzy-Cherng，O'BrienKL.一个用户友好的交互专家系统工程热塑性塑料的注射成型[J].IntJAdvManufTechnol,1993,8:42~51。【6】焦李成。神经网络系统理论[M]。西安：西安电子科技大学出版社，1995.