【技術實現步驟摘要】
本專利技術涉及一種注塑制品成型質量優化方法，具體是一種基于wca-kelm和mosoa的塑料合金制品注塑質量優化方法，屬于注塑加工。
技術介紹
1、塑料合金是利用物理共混或化學接枝的方法而獲得的高性能、功能化、專用化的一類新材料。塑料合金能改善或提高現有塑料的性能并降低成本，已成為塑料工業中最為活躍的品種之一。塑料合金包括通用塑料合金(如：pvc、pe、pp等)、工程塑料合金(如：ptfe、pa、pbt等)和pc/abs塑料合金，pc/abs塑料合金是由聚碳酸酯(pc)和聚丙烯腈(abs)混合而成的熱可塑性塑膠，其結合了兩種材料的優異特性，abs材料的成型性和pc的機械性、沖擊強度和耐溫、抗紫外線(uv)等性質，廣泛使用在汽車內部零件、事務機器、通信器材、家電用品及照明設備上。近年來，pc/abs塑料合金的產量每年都以10％左右的速度增長，目前pc/abs塑料合金化研究已經成為高分子塑料合金研究熱點。
2、注塑成型是pc/abs塑料合金產品的主要成型方式。與其他工藝不同，注塑成型是一個復雜的非線性動態過程，涉及機器參數、材料性能和工藝變量的相互作用，注射過程受到多種因素的影響：材料的性能、模具的磨損、溫度波動、工藝參數等。翹曲和體積收縮是pc/abs塑料合金產品注塑成型過程中兩種常見的質量缺陷。
3、注塑制品的成型質量很大程度上取決于工藝參數。傳統的工藝參數優化方法需要進行反復試模，造成時間成本的浪費。近年來，研究者們開始利用數學代理模型，構建質量目標與工藝參數之間的關系，然后通過搜索類優化算法得到工藝參
4、此外，由于通常存在多個缺陷，多目標優化一直是許多研究人員關注的焦點。從多個目標的角度來看，所有目標都是相互制約的，可能會以犧牲其他目標為代價來改善一個目標。對于注塑成型工藝參數優化領域的多目標問題，通常是應用多種綜合評價方法將多目標問題轉化為單目標問題，然后挑選出最優解。如：li?s等人應用基于模糊集理論的多準則模糊決策方法；li?c等人采用nsga-ii算法對模型進行求解，得到了pareto最優前沿，并采用熵權topsis方法對pareto最優前沿進行評價，得到最優解；liu?x等人使用mofa找到pareto最優前沿，并使用gra-topsis方法從pareto最優前沿找到最優解。目前在注塑工藝參數多目標優化研究中，研究人員往往根據工程經驗和反復試驗來確定最終的pareto最優解，因此針對pc/abs塑料合金塑件的注射成型工藝參數優化，如何確定最優的權衡方案以達到最佳的綜合目的，目前仍是業內的難題。
技術實現思路
1、針對上述問題，本專利技術提供一種塑料合金制品注塑質量優化方法，能夠實現有效降低pc/abs塑料合金注塑成型產品的翹曲變形量和體積收縮率，進而獲得高質量的pc/abs塑料合金塑件產品，可以為獲取pc/abs塑料合金注塑成型最優工藝參數優組合提供理論依據和數據支持。
2、為實現上述目的，本塑料合金制品注塑質量優化方法具體包括以下步驟：
3、step1，將翹曲變形量和體積收縮率作為優化目標，選擇注塑工藝參數及其取值范圍作為優化設計變量，根據各工藝參數取值范圍進行試驗設計，并進行注塑模擬仿真，獲得仿真試驗結果；
4、step2，基于仿真試驗結果對kelm進行改進：
5、elm包含三層：n個輸入層、l個隱含層、m個輸出層，對于n個不同的樣例(xi,yi)∈rn×rm，(i＝1,2,…,n)，若輸出記為t，則elm的輸出表示為：
6、
7、β＝h+t
8、h+＝ht(hht)-1
9、式中：h為隱含層輸出矩陣；h+為h的廣義逆矩陣；k為隱含層神經元數目；g(·)為激活函數；β為隱含層神經元與輸出層神經元的連接權值；ω為輸入層神經元與隱含層神經元的權向量；b為隱含層神經元的偏置；
10、引入核函數來度量樣本之間的相似度，根據mercer條件定義kelm的核矩陣，表示如下：
11、
12、式中：k(xi,xj)為核函數，設定為rbf核，則核函數表示如下：
13、k(xi,xj)＝exp{-||xi-xj||/2σ2}
14、式中：σ為核函數參數；
15、kelm模型輸出函數的表達式為：
16、
17、式中：h為隱含層輸出矩陣；i為單位矩陣；c為正則化系數；t表示期望輸出；
18、利用wca不斷迭代來搜索最優的kelm核函數參數σ和kelm正則化系數c，構建wca-kelm預測模型；
19、step3，在wca-kelm預測模型上利用mosoa迭代尋優，獲得pareto最優前沿；
20、step4，使用灰色關聯評價從pareto最優前沿中獲得最優解。
21、進一步的，step3中，mosoa迭代尋優的選擇以適應度為原則，保留適應度高的個體，淘汰適應度低的個體。
22、進一步的，step4中，灰色關聯評價具體過程如下：
23、①判斷原始數據類型，假設有n個評價的對象、m個評價指標，xij表示為第i個評估方案中第j個指標的原始值，則原始矩陣記為zij，翹曲變形量與體積收縮率均屬于極小型指標，將原始矩陣進行正向化處理得到正向化矩陣，使翹曲變形量與體積收縮率均轉為極大型指標；
24、②對正向化后的矩陣進行預處理，公式如下：
25、
26、式中：k為序列長度；i為矩陣行數；
27、③將預處理后的矩陣的每行取出最大值構成虛構的母序列：
28、參考數列記為：x'0(k)＝{x0(1)，x0(2)，…，x0(k)}
29、比較數列記為：x'i(k)＝{xi(1)，xi(2)，…，xi(k)}
30、④計算兩極最小差a與兩極最大差b，公式如下：
31、
32、式中：a為兩極最小差；b為兩極最大差；
33、⑤計算子序列中各個指標與母序列的關聯系數，公式如下：
34、
35、式中：ρ為分辨系數，在(0，1)之間取值；
36、⑥計算各個指標與母序列的灰色關聯度，公式如下：
37、
38、式中：n為評價的對象個數；
39、⑦計算各個指標的權重，公式如下：...
【技術保護點】
1.一種塑料合金制品注塑質量優化方法，其特征在于，具體包括以下步驟：
2.根據權利要求1所述的塑料合金制品注塑質量優化方法，其特征在于，Step3中，MOSOA迭代尋優的選擇以適應度為原則，保留適應度高的個體，淘汰適應度低的個體。
3.根據權利要求1所述的塑料合金制品注塑質量優化方法，其特征在于，Step4中，灰色關聯評價具體過程如下：
4.根據權利要求3所述的塑料合金制品注塑質量優化方法，其特征在于，步驟⑤中ρ的取值為0.5。
5.根據權利要求1所述的塑料合金制品注塑質量優化方法，其特征在于，Step1中，試驗設計采用正交試驗。
【技術特征摘要】
1.一種塑料合金制品注塑質量優化方法，其特征在于，具體包括以下步驟：
2.根據權利要求1所述的塑料合金制品注塑質量優化方法，其特征在于，step3中，mosoa迭代尋優的選擇以適應度為原則，保留適應度高的個體，淘汰適應度低的個體。
3.根據權利要求1所述的塑料合金制品...
【專利技術屬性】
技術研發人員：化君益，范希營，郭永環，季廣中，
申請(專利權)人：江蘇師范大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。