一種注塑成型過程迭代建模與優化的制品重量控制方法
【技術領域】
[0001] 本發明涉及注塑成型制品重量控制領域，特別地，涉及一種注塑成型過程迭代建 模與優化的制品重量控制方法。
【背景技術】
[0002] 注塑成型是一種常用的、重要的塑料加工成型方法。而成型制品的重量是注塑制 品的一項重要質量性能指標。注塑成型制品的重量控制對于制品質量控制有重要意義。然 而，注塑成型過程是一個復雜的、多階段、多變量的和非線性的間歇生產過程。影響注塑制 品重量的因素眾多，造成注塑成型制品的重量控制實現困難，成本高昂。
[0003] 從產品質量控制的角度，目前在注塑成型重量控制領域，常用的重量控制方法包 括：第一，試湊法，它通過操作人員根據經驗反復調節來獲得一個較優的控制工作點，這種 方法雖然簡單易行，但是非常費時、低效，且嚴重依賴于操作人員的個人經驗；第二，試驗設 計法，該方法通過實驗設計來確定試驗方案，實施試驗并采集各個試驗點重量信息，再對數 據進行分析或擬合，通過近似的擬合模型來預測最優工作點實現制品重量控制；該方法的 優點在于通過精心設計的試驗可以減少試驗次數，并且可以給出一個近似的質量模型；其 缺陷在于，試驗設計法仍然需要較多的經驗輔助、在線實施困難，也只能找到近似的局部最 優工作點，因此該方法的控制精度不高；第三，基于模型的重量控制方法；該方法需要有一 個先驗模型作為基礎，根據其模型不同可以分為機理模型和基于試驗數據的辨識回歸模型 兩大類。該方法在已有模型的基礎上雖然具備實施簡單，可以離線進行等優點；但是由于注 塑成型過程的復雜性，塑料制品的重量表征難以實現，制品重量與各工藝參數之間的機理 模型無法準確建立。而基于數據的回歸模型一般都需要通過大量的實驗獲得，往往工作量 大，并且模型的外推性也不理想；因此模型是該方法的一大瓶頸。與此同時，注塑成型過程 具有工作點變化頻繁的特點，在工業生產過程中經常需要改變材料、模具和一些工作條件。 在這些要素發生改變的情況下，原模型精度根本無法適用于新的生產過程。第四，基于單純 形方法的無模型重量控制方法；由于注塑過程具有單位生產成本低、快速、易重復的特點， 該方法利用單純形方法來迭代產生控制工作點序列，并利用在線試驗的思想避免了對過程 模型的依賴。該方法雖然能在一定程度上減少重量控制的試驗開銷、縮短控制時間；但仍然 需要一定量的試驗成本和控制時間，且方法的效率取決于其核心無模型算法的效率，具有 較難的收斂性。
[0004] 本發明結合注塑過程的快速、低成本以及過程的可重復性，并借鑒傳統方法中基 于模型與無模型控制方法各自的優點，提出了一種迭代建模和在線優化的方法，即局部建 模、信賴域優化、在線試驗相結合的方法。其具有較高的優化效率和較低的實驗成本，一定 程度上解決建模過程中的模型失配問題，并且具有一定的收斂性。這對于提高注塑成型過 程的重量控制效率和在工業生產過程中具體落實節能減排有重要意義。
【發明內容】
[0005] 本發明的目的在于針對現有注塑成型制品重量控制與優化方法的不足，提供一種 與現有方法不同思路的、更高效的重量控制方法。本發明結合已有方法中各自的優點，提出 了一套邊建模邊優化的優化控制方法，包括迭代建模策略和信賴域優化。其具有較高的優 化效率和較低的實驗成本，一定程度上解決建模過程中的模型失配問題，并且具有一定的 收斂性。
[0006] 本發明為實現上述發明目的采用了如下的技術方案：一種注塑成型過程迭代建模 與優化的制品重量控制方法，該方法包括以下步驟：
[0007] (1)數據采集及初始化參數：設置參數集Ω = [Wtg, τ，k, N, U, C, ω ; {Ρ，λ，ε，μ}]Τ，其中，Wtg為制品重量控制指標設定值，τ為重量目標值的偏差容限， k為試驗迭代次數，N為建模數據集中數據個數，U為建模數據集中數據個數的上限，C為 模型殘差容限，ω為采樣半徑預設容限，{ρ，λ， ε，μ}為信賴域優化中信賴域更新策 略的相關參數，其中ε >1，λ>1，〇〈ρ〈1，〇〈μ〈1 ;設有η個工藝參數，將其分別定義為： x(l),. . .，χ(η);令xk= [X k(l),. . .，xk(n)]T表征上一次優化求解得到的注塑過程控制點， 即第k次工藝參數的工作點；令f (Xk)表征未知的注塑過程模型，Hlk(Xk)表征第k次迭代時 由采集數據回歸得到的代理模型；令y k= [xk，f Uk)]表征在工作點Xk處采集得到的實驗數 據；令Yk= {y ο, ...，yk}表征第k次迭代時用于建模的數據集；隨機給定初始設定值Xci= [X 0 (1)，· · ·，X0 (η) ]Τ;設置迭代次數 k = 0 ;
[0008] (2)初始狀態判斷及數據集更新：首先進行初始狀態判斷，即當前迭代次數判斷， 若當前迭代次數k = 0,則為初始狀態，數據集保持為初始狀態；若當前迭代次數k>0,則進 行數據集的更新；數據集的更新與當前數據集大小有關，若當前數據集數據個數小于預設 上限，即N〈U，則將上一次迭代中的實驗數據加入數據集，即Y k=YlrtU {yk};若當前數據集 數據個數等于預設上限，即N = U，則將上一次迭代中的實驗數據加入數據集，并且剔除離 當前迭代點最遠的數據，即Yk= Yk-i u {y J \ {yfarthest}，其中，定義farthest = arg maxli； K N| Ixi-XneJ I，當前迭代點，Xnew為上一次迭代產生的實驗點；
[0009] (3)模型結構選擇及回歸建模：數據集更新后，針對當前數據集，進行模型結構選 擇以獲得最合適的回歸模型；模型結構選擇策略通過2層法實現：第一層，設置模型基個 數；第二層，在當前模型基個數下，通過遍歷模型基組合和均方差準則，找出模型基的最優 組合；最后通過比較不同模型基個數下各自最優的模型基組合，確定模型結構；為了盡可 能多的用數學方程表達過程對象信息，從而將盡可能多的模型基選入模型結構，因此，當建 模數據量少，不足以得到完整二次多項式的模型時，第一層的模型基個數設置為建模數據 個數N，否則，設置為U ;在當前模型基個數下，第二層通過比較不同組合的模型結構，得到 最優模型基組合，確定模型結構；
[0010] (4)模型殘差校驗：模型殘差校驗通過數據集的更新，使得回歸模型在采樣點上 的殘差控制在一個適當的范圍內，具體為：定義模型殘差M/?= (叫(A)-/(AO2，即 為代理模型和真實過程模型在建模數據點上的殘差；如果殘差大于預設的容限C，即MR>C， 則距離當前迭代點最遠的數據將被刪除，即Yk= Yk\{yfarthest};否則，數據集保持不變；在一 次迭代中，此過程不斷重復，直到當前模型殘差降低至預設的容限C ;
[0011] (5)模型惟一性判斷及臨界校驗：隨著迭代過程的進行，模型精度得到提高；模型 精度達到模型殘差容限C以后，即使構建模型的數據集不完全一致，所構建的模型保持不 變，信賴域優化的結果同樣保持不變；因此，當遠離當前迭代點的數據點被新得到的數據點 替換以后，用于建模的有效數據減少；當有效數據減小到不足以得到一個唯一的模型時，模 型臨界校驗將通過插值的方法，產生新的數據實驗點，通過注塑過程實驗，可得到新的實驗 數據，由此來保證模型的惟一性；
[0012] (6)信