基于Kriging代理模型和MOPSO算法的注塑成型质量多目标优化

为减少CAE分析时间,提高寻优计算效率,提出基于Kriging代理模型并结合多目标粒子群算法(MOPSO算法)对塑件的注塑成型质量进行多目标优化。以塑件的翘曲变形量、缩痕指数为优化目标,以影响塑件成型质量的模具温度、熔体温度、保压时间、保压压力、注射时间、冷却时间等注塑工艺参数为试验影响因素,应用最优拉丁超立方试验设计方法结合模流分析(MFI分析)建立分析样本,基于Isight参数优化软件构建优化目标与影响因素之间的Kriging代理模型,基于MOPSO算法在代理模型内进行全局寻优,获得了一组使塑件翘曲变形量和缩痕指数最小的最优工艺参数组合并给出了优化目标的预测值。结果表明,Kriging代理模型的预测值与模拟试验结果基本吻合,优化后的翘曲变形量降低15. 3%、缩痕指数降低19. 7%,本文提出的方法能有效、快速实现注塑成型质量的多目标优化,为工程实践提供了有益的参考价值。     

基于Polyflow仿真和Isight汽车油箱多目标工艺优化研究

为减小吹塑制件壁厚不均导致的翘曲问题,采用Polyflow软件对汽车油箱吹塑成型过程进行了模拟仿真,但是由于软件仿真计算过程极为缓慢,因此通过Isight软件首先对制件采用最优拉丁超立方抽样法随机采样,随后建立Kriging代理模型,减少软件仿真模拟时间,提高计算效率,并且通过模拟退火算法对代理模型进行全局寻优,对制件吹胀压力、吹胀时间、初始型坯温度以及初始型坯壁厚进行了多目标优化,以最终壁厚均匀性函数值为响应目标,从而获得一组最佳的工艺参数组合。结果表明:代理模型R2为0.977 75,预测值与模拟值基本一致,模拟退火算法优化后最佳的成型工艺参数吹胀压力为0.304 MPa,吹胀时间为3.008 s,型坯初始温度为199.020oC,型坯初始壁厚为4.998 mm。为改善制件翘曲提供了一定的参考。     

ABS自动化设备电子元器件外壳注塑成型工艺优化研究

为解决注塑制件成型过程翘曲变形问题,采用Moldflow软件对自动化设备电子元器件外壳注塑过程进行模流分析,但是模拟分析需要的样本数量较多,整个模拟过程缓慢。为了解决这一问题,采用拉丁超立方抽样方法对制件进行随机取样,建立RBF神经网络代理模型。通过模拟退火算法对代理模型进行全局寻优,对制件模具温度、熔体温度、保压压力以及冷却时间进行多目标优化,以制件的翘曲变形量为响应目标,获得最佳的工艺参数组合。结果表明：代理模型R²为0.920 98,模拟值与预测值基本一致,误差为0.84%。通过模拟退火算法优化后,最佳的成型工艺参数保压压力为59 MPa,冷却时间为18 s,模具温度为50℃,熔体温度为240℃,此时制件翘曲量最小为0.538 5 mm,通过该方法为改善制件翘曲变形提供参考。     

基于智能优化算法的注塑成型缺陷多目标优化

通过以注塑成型过程中的最大熔接线相遇角和最小翘曲变形为目标函数,以熔体温度、模具温度、注射时间、保压压力、保压时间和冷却时间等工艺参数为设计变量,建立了优化注塑成型缺陷的多目标优化模型。采用基于混合人工神经网络代理模型和改进多目标粒子群优化的优化方法对多目标优化模型进行求解。以打印机上盖为例,采用正交试验方法和Moldflow软件获得的试验结果训练混合神经网络代理模型,并对其成型缺陷进行了优化。所有结果表明,所给出的优化方法能够得到合理的多目标优化Pareto解,并同时优化了注塑制品的熔接线相遇角和翘曲变形。将得到的优化工艺参数进行Moldflow实验,可知上述2种缺陷分别优化了17.2%和13.6%。     

基于灰色关联和Kriging模型的汽车饰件注塑工艺优化

为减小某汽车内饰件注塑成型质量缺陷,提出了基于灰色关联分析和Kriging代理模型的注塑成型质量多目标优化方法。以塑件的Z方向翘曲变形值、体积收缩率、缩痕指数为优化目标,影响了塑件成型质量的熔体温度、模具温度、保压压力、保压时间等注塑工艺参数,应用最优拉丁超立方试验设计方法结合模流分析进行数据采样,基于灰色关联分析(GRA),将多目标优化问题转化为单目标优化问题,利用层次分析法(AHP)确定各优化目标对灰色关联度的影响权重,建立灰色关联度与各工艺参数之间的Kriging代理模型,采用自适应粒子群算法(APSO)在代理模型内进行全局寻优,得到最佳工艺参数组合。结果表明,Kriging代理模型的预测值与实际结果基本吻合,优化后,Z方向翘曲变形值、体积收缩率、缩痕指数分别为0.268 6 mm、2.235%、0.397 1%,与优化前相比,分别降低了1.21%、30.11%、68.53%,因此,提出的方法能实现注塑成型质量多目标优化。     

基于Kriging代理模型的气辅注射成型工艺优化

针对气辅成型工艺设定及控制的复杂性,使用Kriging代理模型近似拟合气辅成型工艺参数与气体穿透长度之间的非线性函数关系,建立起Kriging代理模型与APSO算法相结合的优化策略。应用所建立的优化方案,以气体的穿透深度为优化的目标,模拟了某汽车后视镜的气辅成型工艺优化过程。算例表明,基于Kriging代理模型与APSO算法耦合的优化策略可以在小样本情况下获取较高的求解精度和较快的收敛速度。     

基于代理模型和NLPQL算法的注塑成型质量控制与预测

为快速求得满足塑件成型质量要求的一组最优注塑工艺参数组合,减少注塑生产时操作人员的调试次数,提高塑件成型质量以及生产效率,提出基于多元二阶响应面代理模型和非线性序列二次规划(NLPQL)算法对注塑成型质量进行控制与预测。以某型无线对讲机的塑料外壳为分析对象,应用拉丁超立方抽样法并结合模流分析建立试验样本,构建试验优化目标同试验因素之间的二阶响应面代理模型,基于NLPQL算法在代理模型内进行全局寻优,求得了一组满足塑件成型质量的最优工艺参数组合,NLPQL算法给出了该塑件翘曲量和缩合指数的预测值。试验结果证明了提出方法的有效性,为其他塑件的注塑成型质量控制提供了一套有益的理论方法。     

基于响应面模型和遗传算法的注塑工艺多目标优化

结合Taguchi试验设计,利用注塑成型计算机辅助工程（CAE）模拟软件Moldflow对不同工艺参数下的注射成型进行模拟分析,对成型塑件体积收缩率、翘曲变形及缩痕指数3个目标进行综合评判;建立综合评分与工艺参数关系的代理模型——响应面模型,然后结合遗传算法进行全局多目标优化寻优,获得最优工艺组合,并进行模拟验证。结果表明,建立的响应面模型是可靠的,利用响应面模型进行注塑工艺多目标优化是一种有效的方法。     

RBF-CSR-EHCGA模型及其在脉冲萃取中的应用

径向基函数-循环子空间回归（RBF-CSR）是一种有效的非线性网络模型,以高斯条为基函数,性能更优,但其参数多,且难以选定,将显著影响模型性能.为此,本文提出基于优进策略的混合编码遗传算法（EHCGA）,以不同的方式为各类参数编码,并引入确定性的Powell算子,提高全局搜优效率.EHCGA算法以模型预报性能为目标,优选参数,以此建立RBF-CSR-EHCGA模型,它的预报精度高、稳定性良好.已成功应用于回收己内酰胺的脉冲萃取过程建模,效果良好,明显优于其他网络模型,也优于近似机理模型.     

基于改进的快速搜索聚类算法和高斯过程回归的催化重整脱氯前氢气纯度多模型建模方法

氢气是催化重整反应的重要副产物之一,建立氢气纯度软测量模型有助于指导生产。针对催化重整过程工况复杂多变、单一软测量模型难以满足精度要求,提出了一种基于改进的快速搜索聚类算法和高斯过程回归的多模型软测量建模方法。首先,针对快速搜索聚类算法中截断距离是由人为设定的问题,提出了一种截断距离确定方法。并用该改进算法对历史数据进行自动分类,建立各个数据子集的高斯过程回归模型,使各子模型在最大程度上反映不同工况点。然后,针对聚类后得到的带有类别标签的历史数据,建立类别辨识模型,与各子模型相结合,形成开关模式的组合模型。最后,将该建模方法应用于连续催化重整装置,建立了脱氯前氢气纯度的在线计算模型。结果表明,该多模型建模方法具有较高的预测精度,优于传统的单一模型,有一定的实用价值。     

乙烯生产装置遗传网络模型的建立

建立一种乙烯生产装置人工神经网络模型结构,设计一种遗传算法进行该模型参数的组合优化建模。示例表明:建好后的网络模型可对乙烯生产装置进行快速工艺参数优化,获得较优的操作数据。     

基于BP 神经网络的塑料齿轮玩具注射成型优化分析

以某塑料拼插齿轮玩具为研究对象,采用自然平衡法设计1模144腔注塑模具。对有限元模型进行合理简化,并采用Moldflow软件进行塑料齿轮注射成型过程中的流动和翘曲分析。针对初始方案中出现的熔接痕和翘曲等缺陷,建立齿轮玩具BP 人工神经网络模型,通过BP神经网络算法训练各工艺参数,并对体积收缩率和总翘曲量进行预测。将训练后较优的工艺参数组合应用于注射成型后,使得该塑料齿轮熔接痕分布改变,翘曲变形量明显降低。     

基于神经网络和遗传算法的塑料热压成型多目标优化

论述了人工神经网络和遗传算法在塑料热压成型工艺优化中的应用,首先利用人工神经网络建立热压成型工艺参数与零件性能之间关系的数学模型,然后用遗传算法对工艺参数优化。根据多目标函数优化问题的单目标化思想,对优化后的单目标进行分解,得到最优工艺参数条件下的塑料热压产品性能,从而为建立和控制塑料热压成型工艺参数提供了一种行之有效的方法。     

基于Vague集和响应面模型的注塑工艺多目标优化

针对注塑工艺多目标优化问题,以塑件的翘曲变形量、顶出时体积收缩率和缩痕深度作为优化目标,选取熔体温度、模具温度、注射时间、保压压力、保压时间等工艺参数为试验因素,采用中心复合试验设计结合模流分析建立试验样本,利用Vague集方法计算各优化目标相似度,通过指标相关性的指标权重确定(CRITIC)法确定各优化目标影响权重,得到综合相似度;建立综合相似度与各工艺参数之间的响应面模型,运用灰狼算法进行工艺参数寻优,得到最优工艺参数组合。结果表明,将Vague集和响应面模型相结合的优化结果显著,为实际生产过程提供了有益参考。     

注射成型工艺与塑件流动残余应力的函数关系研究

在塑料尺注射成型工艺参数优化的基础上,建立了塑件的注射成型工艺参数与流动残余应力的函数关系。借助回归分析方法,建立了工艺参数与流动残余应力的显式函数关系。采用人工神经网络方法,建立了工艺参数与流动残余应力的隐式函数关系。最后采用模拟退火算法,对借助回归分析方法建立的显式函数关系进行了工艺参数的优化分析,并与正交优化结果比较,验证其合理性。建立的两种函数关系对研究工艺参数与流动残余应力的影响,预测塑件的流动残余应力具有重要意义。     

粒子群算法优化的人工神经网络预测Ni-Fe合金镀层的性能

建立了粒子群算法优化的人工神经网络预测模型。以工艺参数为输入变量,以单因素试验得到的Ni-Fe合金镀层的性能指标为输出变量,将粒子群算法优化的人工神经网络预测模型的预测结果与传统BP神经网络预测模型的预测结果进行了比较。结果表明:粒子群算法优化的人工神经网络预测模型具有更高的预测精度。通过建立模型得到了各个工艺参数对Ni-Fe合金镀层性能指标的评价指标权重。当电流密度为1.0～1.5A/dm2、镀液温度为45℃、搅拌速率为1 000～1 200r/min时,Ni-Fe合金镀层的表面粗糙度和腐蚀速率均处于较低水平。     

多目标质量压气机实验叶片注射成型工艺参数优化

为获得综合质量较高的发动机低速实验台所用树脂叶片,提出并研究了叶片多目标质量优化方法。以叶片翘曲量、收缩率、残余应力为优化目标,模具温度、熔体温度、注射时间、保压时间、保压压力、冷却时间为优化变量,模拟叶片成型过程,获得不同参数组合下的翘曲量、收缩率以及残余应力数据,并基于回归分析建立工艺参数与各质量目标间的映射关系;然后通过层次分析法计算各质量目标的权重,进而建立叶片注射成型多目标质量优化数学模型,最后基于遗传算法对叶片注塑工艺参数进行优化。实验验证表明,优化的工艺参数可显著提高叶片成型质量。     

DMOS优化软件及其在化工过程优化中的应用

DMOS软件综合运用了模式识别、支持向量机、人工神经网络、遗传算法、线性和非线性回归等多种数据挖掘技术,能有效解决复杂工业过程系统优化中普遍存在的多因子、高噪声、非线性、非高斯分布和非均匀分布的难题。将DMOS工业优化软件成功地应用于柴油加氢精制装置及丙烯腈反应装置的生产优化。根据装置DCS系统采集的生产数据,研究了装置优化操作的主要工艺参数,采用模式识别方法建立了装置生产优化操作的定性模型,并最终建立了优化目标的数学模型。     

基于高斯过程的稳健工艺优化在注射成型过程中的应用

提出一种注射成型的稳健工艺优化方法,在高斯建模的同时采用自适应典型相关分析方法把工艺参数分类为主要参数和次要参数,再针对主要参数建立稳健优化模型;分别对目标函数和约束条件加入波动量,同时优化均值和方差2个目标得到稳健的工艺参数组合,减少了噪声因素的影响。最后,选择某汽车装配件作为案例,验证了提出方法的有效性。结果表明,该稳健工艺优化方法能够有效地提高产品合格率。     

基于多工况混合模型的故障监控方法研究

针对多工况过程建立了一个多工况高斯混合模型(Gaussian Mixture Model,GMM),并利用EM(Expectation Maximization)算法对该GMM参数进行估计。通过引入贝叶斯阴阳算法(Bayesian YingYang,BYY),实现了GMM中混合工况数目的自动估计。然后,通过在所建GMM的每个分量中构建PCA模型,建立一个多工况故障监控混合模型。最后利用TE过程研究证明了所建模型在过程监控中的有效性。