一种塑料合金制品注塑质量优化方法

本发明涉及一种注塑制品成型质量优化方法，具体是一种基于wca-kelm和mosoa的塑料合金制品注塑质量优化方法，属于注塑加工。

背景技术：

1、塑料合金是利用物理共混或化学接枝的方法而获得的高性能、功能化、专用化的一类新材料。塑料合金能改善或提高现有塑料的性能并降低成本，已成为塑料工业中最为活跃的品种之一。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)混合而成的热可塑性塑胶，其结合了两种材料的优异特性，abs材料的成型性和pc的机械性、冲击强度和耐温、抗紫外线(uv)等性质，广泛使用在汽车内部零件、事务机器、通信器材、家电用品及照明设备上。近年来，pc/abs塑料合金的产量每年都以10％左右的速度增长，目前pc/abs塑料合金化研究已经成为高分子塑料合金研究热点。

2、注塑成型是pc/abs塑料合金产品的主要成型方式。与其他工艺不同，注塑成型是一个复杂的非线性动态过程，涉及机器参数、材料性能和工艺变量的相互作用，注射过程受到多种因素的影响：材料的性能、模具的磨损、温度波动、工艺参数等。翘曲和体积收缩是pc/abs塑料合金产品注塑成型过程中两种常见的质量缺陷。

3、注塑制品的成型质量很大程度上取决于工艺参数。传统的工艺参数优化方法需要进行反复试模，造成时间成本的浪费。近年来，研究者们开始利用数学代理模型，构建质量目标与工艺参数之间的关系，然后通过搜索类优化算法得到工艺参数优组合，从而大幅缩短研究时间，提高生产效率。如：cao y等人采用随机森林(rf)算法建立回归模型，利用遗传算法搜索rf建立的回归模型的最小值，找到提高塑料件质量、降低能耗的最佳工艺参数；chu h等人采用kriging模型拟合浇注系统翘曲量与结构参数之间的关系，并采用遗传算法对最小翘曲量进行优化，得到最佳结构参数；hazwan mhm等人在研究中采用响应面法(rsm)，遗传算法(ga)和萤火虫群优化(gso)等优化方法实现最大限度地减少丙烯腈-丁二烯-苯乙烯(abs)成型的前面板外壳翘曲的目标。

4、此外，由于通常存在多个缺陷，多目标优化一直是许多研究人员关注的焦点。从多个目标的角度来看，所有目标都是相互制约的，可能会以牺牲其他目标为代价来改善一个目标。对于注塑成型工艺参数优化领域的多目标问题，通常是应用多种综合评价方法将多目标问题转化为单目标问题，然后挑选出最优解。如：li s等人应用基于模糊集理论的多准则模糊决策方法；li c等人采用nsga-ii算法对模型进行求解，得到了pareto最优前沿，并采用熵权topsis方法对pareto最优前沿进行评价，得到最优解；liu x等人使用mofa找到pareto最优前沿，并使用gra-topsis方法从pareto最优前沿找到最优解。目前在注塑工艺参数多目标优化研究中，研究人员往往根据工程经验和反复试验来确定最终的pareto最优解，因此针对pc/abs塑料合金塑件的注射成型工艺参数优化，如何确定最优的权衡方案以达到最佳的综合目的，目前仍是业内的难题。

技术实现思路

1、针对上述问题，本发明提供一种塑料合金制品注塑质量优化方法，能够实现有效降低pc/abs塑料合金注塑成型产品的翘曲变形量和体积收缩率，进而获得高质量的pc/abs塑料合金塑件产品，可以为获取pc/abs塑料合金注塑成型最优工艺参数优组合提供理论依据和数据支持。

2、为实现上述目的，本塑料合金制品注塑质量优化方法具体包括以下步骤：

3、step1，将翘曲变形量和体积收缩率作为优化目标，选择注塑工艺参数及其取值范围作为优化设计变量，根据各工艺参数取值范围进行试验设计，并进行注塑模拟仿真，获得仿真试验结果；

4、step2，基于仿真试验结果对kelm进行改进：

5、elm包含三层：n个输入层、l个隐含层、m个输出层，对于n个不同的样例(xi,yi)∈rn×rm，(i＝1,2,…,n)，若输出记为t，则elm的输出表示为：

6、

7、β＝h+t

8、h+＝ht(hht)-1

9、式中：h为隐含层输出矩阵；h+为h的广义逆矩阵；k为隐含层神经元数目；g(·)为激活函数；β为隐含层神经元与输出层神经元的连接权值；ω为输入层神经元与隐含层神经元的权向量；b为隐含层神经元的偏置；

10、引入核函数来度量样本之间的相似度，根据mercer条件定义kelm的核矩阵，表示如下：

11、

12、式中：k(xi,xj)为核函数，设定为rbf核，则核函数表示如下：

13、k(xi,xj)＝exp{-||xi-xj||/2σ2}

14、式中：σ为核函数参数；

15、kelm模型输出函数的表达式为：

16、

17、式中：h为隐含层输出矩阵；i为单位矩阵；c为正则化系数；t表示期望输出；

18、利用wca不断迭代来搜索最优的kelm核函数参数σ和kelm正则化系数c，构建wca-kelm预测模型；

19、step3，在wca-kelm预测模型上利用mosoa迭代寻优，获得pareto最优前沿；

20、step4，使用灰色关联评价从pareto最优前沿中获得最优解。

21、进一步的，step3中，mosoa迭代寻优的选择以适应度为原则，保留适应度高的个体，淘汰适应度低的个体。

22、进一步的，step4中，灰色关联评价具体过程如下：

23、①判断原始数据类型，假设有n个评价的对象、m个评价指标，xij表示为第i个评估方案中第j个指标的原始值，则原始矩阵记为zij，翘曲变形量与体积收缩率均属于极小型指标，将原始矩阵进行正向化处理得到正向化矩阵，使翘曲变形量与体积收缩率均转为极大型指标；

24、②对正向化后的矩阵进行预处理，公式如下：

25、

26、式中：k为序列长度；i为矩阵行数；

27、③将预处理后的矩阵的每行取出最大值构成虚构的母序列：

28、参考数列记为：x'0(k)＝{x0(1)，x0(2)，…，x0(k)}

29、比较数列记为：x'i(k)＝{xi(1)，xi(2)，…，xi(k)}

30、④计算两极最小差a与两极最大差b，公式如下：

31、

32、式中：a为两极最小差；b为两极最大差；

33、⑤计算子序列中各个指标与母序列的关联系数，公式如下：

34、

35、式中：ρ为分辨系数，在(0，1)之间取值；

36、⑥计算各个指标与母序列的灰色关联度，公式如下：

37、

38、式中：n为评价的对象个数；

39、⑦计算各个指标的权重，公式如下：

40、wn＝yn(x0,x1)/(y1(x0,x1)+y2(x0,x2)+…+yn(x0,xn))

41、式中：wn为权重；

42、⑧计算第k个评价对象的得分，公式如下：

43、

44、式中：sk为第k个评价对象的得分；m为评价的指标个数，m＝2。

45、进一步的，步骤⑤中ρ的取值为0.5。

46、进一步的，step1中，试验设计采用正交试验。

47、与现有技术相比，本塑料合金制品注塑质量优化方法以pc/abs塑料合金注塑制品的翘曲变形量和体积收缩率为质量优化目标，首先基于cae仿真和正交试验设计获取试验方案结果，然后利用wca不断迭代来搜索最优的kelm核函数参数σ和kelm正则化系数c，构建基于水循环算法wca优化的核极限学习机wca-kelm预测模型，然后利用多目标海鸥优化算法mosoa找到pareto最优前沿，最后使用灰色关联评价方法从pareto最优前沿中获得最优解，能够实现有效降低pc/abs塑料合金注塑成型产品的翘曲变形量和体积收缩率，进而获得高质量的pc/abs塑料合金塑件产品，模拟验证表明，wca-kelm预测模型对翘曲变形量、体积收缩率的预测误差控制在5％以内，模型预测准确性较好，且pc/abs塑料合金塑件优化后的翘曲变形量、体积收缩率分别比优化前的仿真结果均有明显降低，可以为获取pc/abs塑料合金注塑成型最优工艺参数优组合提供理论依据和数据支持。