[发明专利]一种注塑成型过程迭代建模与优化的制品重量控制方法

摘要

本发明公开了一种注塑成型过程迭代建模与优化的制品重量控制方法，本发明针对注塑成型生产过程中存在的操作参数变化频繁、过程建模困难、模型精度有限等问题，利用注塑成型生产过程的低成本和批次可重复的特性，实现迭代建模与优化的快速产品重量控制。本发明有助于避免过程建模、减少制品重量控制过程的试验开销、缩短控制时间；本发明对于提高注塑成型过程的重量控制效率，实现注塑成型工业生产过程中的节能减排有重要意义。

主权项

一种注塑成型过程迭代建模与优化的制品重量控制方法，其特征在于，该方法包括以下步骤：(1)数据采集及初始化参数：设置参数集Ω＝[W_tg,τ,k,N,U,C,ω；{ρ,λ,ε,μ}]^T，其中，W_tg为制品重量控制指标设定值，τ为重量目标值的偏差容限，k为试验迭代次数，N为建模数据集中数据个数，U为建模数据集中数据个数的上限，C为模型残差容限，ω为采样半径预设容限，{ρ,λ,ε,μ}为信赖域优化中信赖域更新策略的相关参数，其中ε>1,λ>1,0<ρ<1,0<μ<1；设有n个工艺参数，将其分别定义为：x(1),...,x(n)；令x_k＝[x_k(1),...,x_k(n)]^T表征上一次优化求解得到的注塑过程控制点，即第k次工艺参数的工作点；令f(x_k)表征未知的注塑过程模型，m_k(x_k)表征第k次迭代时由采集数据回归得到的代理模型；令y_k＝[x_k,f(x_k)]表征在工作点x_k处采集得到的实验数据；令Y_k＝{y₀,...,y_k}表征第k次迭代时用于建模的数据集；随机给定初始设定值x₀＝[x₀(1),...,x₀(n)]^T；设置迭代次数k＝0；(2)初始状态判断及数据集更新：首先进行初始状态判断，即当前迭代次数判断，若当前迭代次数k＝0，则为初始状态，数据集保持为初始状态；若当前迭代次数k>0，则进行数据集的更新；数据集的更新与当前数据集大小有关，若当前数据集数据个数小于预设上限，即N<U，则将上一次迭代中的实验数据加入数据集，即Y_k＝Y_k‑1∪{y_k}；若当前数据集数据个数等于预设上限，即N＝U，则将上一次迭代中的实验数据加入数据集，并且剔除离当前迭代点最远的数据，即Y_k＝Y_k‑1∪{y_k}\{y_farthest}，其中，定义farthest＝arg max_1≤i≤N||x_i‑x_new||，x_i为当前迭代点，x_new为上一次迭代产生的实验点；(3)模型结构选择及回归建模：数据集更新后，针对当前数据集，进行模型结构选择以获得最合适的回归模型；模型结构选择策略通过2层法实现：第一层，设置模型基个数；第二层，在当前模型基个数下，通过遍历模型基组合和均方差准则，找出模型基的最优组合；最后通过比较不同模型基个数下各自最优的模型基组合，确定模型结构；为了尽可能多的用数学方程表达过程对象信息，从而将尽可能多的模型基选入模型结构，因此，当建模数据量少，不足以得到完整二次多项式的模型时，第一层的模型基个数设置为建模数据个数N，否则，设置为U；在当前模型基个数下，第二层通过比较不同组合的模型结构，得到最优模型基组合，确定模型结构；(4)模型残差校验：模型残差校验通过数据集的更新，使得回归模型在采样点上的残差控制在一个适当的范围内，具体为：定义模型残差即为代理模型和真实过程模型在建模数据点上的残差；如果残差大于预设的容限C，即MR>C，则距离当前迭代点最远的数据将被删除，即Y_k＝Y_k\{y_farthest}；否则，数据集保持不变；在一次迭代中，此过程不断重复，直到当前模型残差降低至预设的容限C；(5)模型惟一性判断及临界校验：随着迭代过程的进行，模型精度得到提高；模型精度达到模型残差容限C以后，即使构建模型的数据集不完全一致，所构建的模型保持不变，信赖域优化的结果同样保持不变；因此，当远离当前迭代点的数据点被新得到的数据点替换以后，用于建模的有效数据减少；当有效数据减小到不足以得到一个唯一的模型时，模型临界校验将通过插值的方法，产生新的数据实验点，通过注塑过程实验，可得到新的实验数据，由此来保证模型的惟一性；(6)信赖域优化及迭代点更新：信赖域由信赖域中心和信赖域半径组成，信赖域中心即为当前迭代点x_k+1＝x_new；信赖域半径大小表征了当前代理模型可在此范围内“被信赖”，进而进行优化，信赖域半径记为表示第k次迭代时的半径大小；求解信赖域优化子问题的过程中，若出现由于代理模型精度不足导致的不可解问题，通过罚函数的方法对原问题进行相应的转化；(7)注塑实验：在信赖域优化子问题求解结果x_new处进行注塑过程实验，得到相应输出的制品重量f(x_new)，从而得到新数据y_k+1，用于下一次迭代中的数据集更新；(8)信赖域半径更新：m_k(x_k+1)是当前代理模型在x_k+1处的函数预测值，f(x_k+1)是目标函数在x_k+1处通过在线实验得到的函数值；如果代理模型和目标函数在新迭代点处的函数值差值的绝对值大于一个预设的容限ε，即|m_k(x_k+1)‑f(x_k+1)|>ε，那么信赖域半径将在下一次优化中减小到原来的ρ倍，即如果代理模型和目标函数在新迭代点处的函数值差值的绝对值小于一个预设的容限μ，即|m_k(x_k+1)‑f(x_k+1)|<μ，那么信赖域半径将在下一次优化中增加到原来的λ倍，即否则，信赖域半径保持不变，即(9)终止判断：将数据集中数据的分布区域大小作为终止准则的判据；数据的分布区域半径是衡量算法终止的量化指标，即为第k次迭代时的采样半径；采样半径通过计算各个采样点到当前迭代点的距离，取其中最大值得到，记为如果分布区域半径达到采样半径预设容限ω，则算法终止，得到注塑成型过程的最优控制解，将其用于注塑过程，实现制品质量的控制，否则返回步骤(2)。