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启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BP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。

目录

文摘

英文文摘

声明

第一章绪论

1.1注塑成型工艺特性

1.2研究注塑成型过程质量控制的重要性

1.3注塑成型过程及质量控制的研究现状

1.4课题来源和本论文主要工作

1.4.1课题来源

1.4.2本论文主要工作

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

2.1.2拟解决的关键技术问题

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

2.2.2实验方案

2.3系统的流程图

2.4系统实现所用的工具

2.5本章小结

第三章实验建模分析技术研究

3.1塑料制品质量指标的影响因素与关联分析

3.2 MoldFlow在注塑成型变形分析中的应用

3.3正交试验设计方法概述

3.3.1正交试验设计方法简介

3.3.2正交表的选用

3.4正交试验在本系统的应用

3.5正交试验在注塑成型自适应控制系统中的一个研究实例

3.5.1试验选题

3.5.2分析注塑成型翘曲变形的成因

3.5.3产品造型及浇口定位分析

3.5.4材料和工艺参数选择

3.5.5试验因子的水平设置

3.5.6手机外壳翘曲正交试验结果及分析

3.6本章小结

第四章基于BP人工神经网络的控制模型研究

4.1神经网络的发展趋势及其分类

4.1.1神经网络的发展趋势

4.1.2人工神经网络的分类

4.2神经网络的数据处理优势

4.3 BP人工神经网络(BPNN)概述

4.3.1正向计算

4.3.2计算误差

4.3.3反向计算

4.3.4对网络计算精度进行评价

4.4 BP网络的设计及改进研究

4.4.1传递函数的选择

4.4.2隐含层数及隐含层节点数的设计

4.4.3训练误差的确定

4.4.4改进BP人工神经网络——加入了动量项

4.5 BP网络模型的C语言实现

4.6 BPNN在注塑成型自适应控制系统中的一个研究实例

4.7进一步工作的展望

4.8本章小结

第五章注塑成型自适应控制系统及其实现研究

5.1自适应控制

5.1.1自适应控制的定义

5.1.2自适应控制的发展趋势

5.1.3自适应控制系统的主要类型

5.2注塑成型自适应控制系统(IMRAS)的实现研究

5.2.1整体结构设计

5.2.2反馈调整算法设计

5.2.3系统主要界面设计

5.3本章小结

第六章全文总结和对未来工作的展望

6.1全文总结

6.2对未来工作的展望

参考文献

致谢

在学研究成果