CN101168283A - 注射模制控制方法 - Google Patents
注射模制控制方法 Download PDFInfo
- Publication number
- CN101168283A CN101168283A CNA2007101679221A CN200710167922A CN101168283A CN 101168283 A CN101168283 A CN 101168283A CN A2007101679221 A CNA2007101679221 A CN A2007101679221A CN 200710167922 A CN200710167922 A CN 200710167922A CN 101168283 A CN101168283 A CN 101168283A
- Authority
- CN
- China
- Prior art keywords
- value
- injection
- molded
- pressure
- measuring
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000001746 injection moulding Methods 0.000 title claims abstract description 7
- 238000002347 injection Methods 0.000 claims abstract description 109
- 239000007924 injection Substances 0.000 claims abstract description 109
- 238000012360 testing method Methods 0.000 claims abstract description 20
- 238000005259 measurement Methods 0.000 claims abstract description 19
- 238000010438 heat treatment Methods 0.000 claims description 18
- 238000012423 maintenance Methods 0.000 claims description 18
- 230000007935 neutral effect Effects 0.000 claims description 15
- 230000036760 body temperature Effects 0.000 claims description 13
- 238000010923 batch production Methods 0.000 claims description 5
- 238000006467 substitution reaction Methods 0.000 claims description 5
- 238000004519 manufacturing process Methods 0.000 abstract description 11
- 238000000465 moulding Methods 0.000 abstract description 3
- 238000013528 artificial neural network Methods 0.000 abstract description 2
- 239000011347 resin Substances 0.000 description 8
- 229920005989 resin Polymers 0.000 description 8
- 239000004743 Polypropylene Substances 0.000 description 4
- 229920001155 polypropylene Polymers 0.000 description 4
- 230000006835 compression Effects 0.000 description 3
- 238000007906 compression Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000012937 correction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- -1 polypropylene Polymers 0.000 description 2
- 102100036848 C-C motif chemokine 20 Human genes 0.000 description 1
- 101000713099 Homo sapiens C-C motif chemokine 20 Proteins 0.000 description 1
- 101000911772 Homo sapiens Hsc70-interacting protein Proteins 0.000 description 1
- 101001139126 Homo sapiens Krueppel-like factor 6 Proteins 0.000 description 1
- 101000710013 Homo sapiens Reversion-inducing cysteine-rich protein with Kazal motifs Proteins 0.000 description 1
- 101000661807 Homo sapiens Suppressor of tumorigenicity 14 protein Proteins 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000001143 conditioned effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000005755 formation reaction Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 108090000237 interleukin-24 Proteins 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000001915 proofreading effect Effects 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
- B29B—PREPARATION OR PRETREATMENT OF THE MATERIAL TO BE SHAPED; MAKING GRANULES OR PREFORMS; RECOVERY OF PLASTICS OR OTHER CONSTITUENTS OF WASTE MATERIAL CONTAINING PLASTICS
- B29B17/00—Recovery of plastics or other constituents of waste material containing plastics
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
- B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
- B29C45/00—Injection moulding, i.e. forcing the required volume of moulding material through a nozzle into a closed mould; Apparatus therefor
- B29C45/17—Component parts, details or accessories; Auxiliary operations
- B29C45/76—Measuring, controlling or regulating
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
- B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
- B29C45/00—Injection moulding, i.e. forcing the required volume of moulding material through a nozzle into a closed mould; Apparatus therefor
- B29C45/17—Component parts, details or accessories; Auxiliary operations
- B29C45/76—Measuring, controlling or regulating
- B29C45/7613—Measuring, controlling or regulating the termination of flow of material into the mould
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
- B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
- B29C2945/00—Indexing scheme relating to injection moulding, i.e. forcing the required volume of moulding material through a nozzle into a closed mould
- B29C2945/76—Measuring, controlling or regulating
- B29C2945/76929—Controlling method
- B29C2945/76979—Using a neural network
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02W—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO WASTEWATER TREATMENT OR WASTE MANAGEMENT
- Y02W30/00—Technologies for solid waste management
- Y02W30/50—Reuse, recycling or recovery technologies
- Y02W30/62—Plastics recycling; Rubber recycling
Abstract
公开了一种使用神经网络的注射模制控制方法。该控制方法根据预测函数、第一值和第二值,来确定注射条件。预测函数是在测试模制中实现的,而第一值和第二值是在有时间裕量的测量步骤中实现的。在注射步骤前确定为批量生产模制而预测的注射条件,因此,消除了在注射步骤期间对计算的需要。
Description
技术领域
本发明涉及一种用于通过使用包括神经网络的控制装置来控制注模机(injection molding machine)的方法。
背景技术
在用于通过进行塑化/测量过程(以下简称测量过程)和注射/压力保持过程(以下简称注射过程)来生产产品的注模机中所获得的产品质量取决于注射条件,因此重要的是调节注射条件,以便获得令人满意的产品。
注射条件包括V-P切换控制,用于将螺杆控制(screw control)从速度控制切换到压力控制,在JP2005-335078 A中公开了用于通过校正V-P切换位置来获得合格产品的技术。
在上述注射模制期间的注射条件将在下文中参考关于此的图18的曲线图进行描述。
在图18中,横轴指示螺杆位置,而纵轴指示注射压力或注射速率。
附图标记Ps表示在获得合格产品时注射压力的曲线,P表示在某次发射(shot)中注射压力的曲线,而V1到V3表示显示注射速率的线。
用“A”来表示当压力曲线Ps转变为螺杆位置校正检测压力Pm时的螺杆位置,用“a”表示当某次发射中压力曲线P转变为螺杆位置校正检测压力Pm时的螺杆位置,而α(其中α=A-a)的偏差存在于两个位置之间。
此时,在与B位置(两个位置)偏移等于α的量的b位置(2个位置)中,螺杆的速度从V1切换到V2(或从V2到V3)。然后,在与C位置偏移等于α的量的c位置中,将速度控制切换到压力保持控制。
由于可以通过以等于α的量校正螺杆位置使某次发射的压力曲线P来模拟生产合格产品的压力曲线P,因此在某次发射中也能获得合格产品。
在图18中,在注射过程内执行该一系列操作,凭借该系列操作,在St(注射过程的开始点)之后检测到偏差α,并且以等于偏差α的量校正速度切换点或速度-压力保持切换点。
在最近的高速模制方法中,从注射过程的开始St到压力保持控制的开始c消逝大约0.1秒。在这样短的时间内难以进行上述操作系列,并且即便能够进行这些操作,也需要高灵敏度的传感器或能够进行高速计算的控制单元,进而增加了装置成本。
在JP 2005-335078 A中,仅仅管理注射压力和螺杆之间的关系。在该配置中,当加热缸体的温度、周期时间和其它因子发生波动时,很难获得合格产品。具体而言,必须考虑多个波动因子,以便获得合格产品。
发明内容
因此,本发明的目的是提供一种能够高速模制、并且能够考虑多个波动因子的注射模制方法。
根据本发明,提供了一种用于利用神经网络来控制注射模制的方法,其中,注射模制控制方法包括以下步骤:采集在测试注射模制期间测量步骤中的测量监测值,和注射步骤中的注射监测值,指定所获得的测量监测值为输入项,而注射监测值为输出项,并且利用神经网络来确定预测函数;通过将在批量生产注射模制期间完成测量步骤时采集的测量监测值代入预测函数中,来预测对应于注射监测值的第一值;根据预测的第一值,确定构成注射条件的第二值;以及根据包括第二值的注射条件,实现注射控制和压力保持控制。
在如此配置的本发明中,注射条件是通过预测函数确定步骤、第一值预测步骤以及第二值预测步骤来确定的,不过,预测函数确定步骤是通过测试模制来实现的,而第一值预测步骤和第二值预测步骤是通过测量步骤来实现的。
具体而言,在注射步骤之前,确定为批量生产模制而预测的注射条件。由于在注射步骤中没有对计算的需要,因此注射能够以高速进行。伴随第一值预测步骤和第二值预测步骤的计算是在有时间裕量的测量步骤中进行的。因此,不需要增加计算速度,进而能够防止增加控制装置的成本。结果,本发明能够通过一种安装在常规注模机中的控制装置来实现,并且能够防止增加注射模制注模机的成本。
通过使用利用神经网络的预测函数,还能够将多个测量监测值指定为输入因子。具体而言,反映多个波动因子的注射条件能够得到确定。结果,能够容易地改善所制造产品的质量。
测试注射模制和批量生产注射模制中的测量监测值优选地包括如下若干项中的至少一个:测量开始位置,即在测量开始时的螺杆位置;测量时间,即从测量开始到测量结束的时间;测量转矩,即施加到所述螺杆的扭转力矩;周期时间,即从某次测试模制中测量的开始到随后的测试模制中测量的开始的单周期时间;测量停止位置,即在测量结束时的螺杆位置;以及加热缸体温度,即测量中加热缸体温度的平均值。因此,反映多个波动因子的注射条件能够得到确定,并且因此,能够容易地改善所制造产品中的质量。
注射监测值优选是螺杆的注射开始位置。螺杆的注射开始位置在注射步骤中极为重要。所制造产品的质量是通过为螺杆预测这种注射开始位置得到改善的。
注射监测值优选是在螺杆到达预指定(prescribed)位置时的注射压力测量值。当向螺杆提供止回阀时,注射压力直到止回阀关闭才稳定。因此,注射监测值是当螺杆到达指定位置时的注射压力测量值,并且该压力稳定增加。
第二值优选是V-P切换位置,在该位置将螺杆的速度控制切换到压力保持控制。V-P切换位置在注射步骤中极为重要。所制造产品的质量是通过预测这种V-P切换位置来改善的。
第二值优选是用于压力保持控制的保持的压力。保持的压力在注射步骤中极为重要。所制造产品的质量是通过预测这种保持压力来改善的。
优选地,控制方法进一步包括以下步骤:将预测的第一值与在批量生产注射模制期间注射步骤结束时采集的注射监测值进行比较,并且确认值之间的差是否在允许范围内。本发明旨在预测注射条件,从而获得令人满意的产品,但由于涉及预测,因此存在发生不合格产品的可能性。因此,通过将预测的第一值与在注射步骤结束时采集的注射监测值进行比较,来监测注射条件的精确度。
附图说明
本发明的某些优选实施例将在下文中参考附图仅用举例的方式进行详细的说明,其中:
图1是示出根据本发明的注模机连同其控制装置的方框图;
图2是示出螺杆位置和注射压力之间关系的图;
图3是示出用于确定测试模制中预测函数的方法的流程图;
图4是示出本发明中所使用的神经网络的简图;
图5是用于确定批量生产模制中第一值的流程图;
图6是示出批量生产模制中神经网络的简图;
图7是示出用于确定批量生产模制中V-P切换位置的方法的流程图;
图8是示出批量生产模制中确认步骤的流程图;
图9是示出螺杆位置和注射压力之间关系的曲线图;
图10是示出加热缸体温度和注射压力之间关系的图;
图11是示出对树脂压缩量进行测量的示意图;
图12是示出保持的压力和压缩量之间关系的图;
图13是示出加热缸体温度和保持的压力之间关系的曲线图;
图14是示出根据注射压力计算保持的压力的曲线图;
图15是示出在批量生产模制中确定作为第一值的注射压力预测值的流程图;
图16是示出在批量生产模制中确定作为第二值的保持的压力,以及在该注射条件下执行注射步骤的流程图;
图17是示出批量生产模制中确认步骤的流程图;以及
图18是示出关于常规注射模制中相对于螺杆位置的注射速率和注射压力之间关系的曲线图。
具体实施方式
如图1所示,注模机10基本上由用于夹住模具(die)11的锁模装置12以及用于将树脂注射入模具11中的注射装置13构成。注模机10配备有包括神经网络的控制装置20。
控制装置20包括神经网络21,用于对测量监测值和注模机10进行的测试模制的注射监测值进行合并并且产生预测函数;第一计算单元22,用于根据由神经网络21产生的预测函数,和注模机10所进行的批量生产模制的测量监测值,来计算第一值;第二计算单元23,用于根据由第一计算单元22计算出的第一值来计算对应于注射条件的第二值;比较单元24,用于比较第一值和注模机10所进行的批量生产模制的注射监测值;以及报警生成单元25,用于在比较单元24的比较值不正常时产生警告信号。
接下来将基于示出螺杆位置和注射压力之间关系的图2所示的曲线图,对上述第一值和第二值的具体实例进行描述。在图2中,螺杆在横轴上从右向左向前移动。在获得合格产品时出现向右下降的压力曲线。
即使当螺杆在a点开始向前移动时,压力直到b点也几乎没有增加。这是因为止回阀(backflow prevention valve)并没有完全关闭。止回阀在b点附近完全关闭,并且注射压力线性地增加到c点。由于注射压力在b点和c点之间的d点处稳定且并不增加(12MPa),因此将d点定义为注射开始位置S0。注射开始位置S0对应于本发明的“第一值”。
然后,合格产品是在进行V-P切换控制的e点处获得的。e点对应于本发明的“第二值”。附图标记La是在注射开始位置S0为原点时螺杆向前移动的量。
接下来将对具有上述配置的注模机的操作进行描述。
图3是示出用于确定测试模制中预测函数的方法的流程图。
在步骤(以下简称ST)01中,在注模机的控制装置中设置塑化/测量条件和注射/压力保持条件。
在ST02中,进行测试模制中的测量步骤。
在ST03中,从安装在注射模制注模机中的传感器采集测量监测值。
在ST04中,进行测试模制中的注射步骤。
在ST05中,从安装在注射模制注模机中的传感器采集注射监测值。
在ST06中,操作神经网络。该操作描述于图4中。
在图4中,在测试模制期间,将通过由传感器对注模机的工作状态的检测所获得测量监测值,例如,测量开始位置(在测量开始时的螺杆位置)、测量时间(从测量开始到测量结束的时间)、测量转矩(施加到螺杆的转矩)、周期时间(从在某次测试模制中测量的开始到随后的测试模制中测量的开始的单周期时间)、测量停止位置(在测量结束时的螺杆位置)以及加热缸体温度(测量中所述加热缸体温度的平均值),指定为输入因子31、32、33、34、35、36。
中间层41的值是通过利用阈值和为每个输入而确定的加权系数对输入因子31、32、33、34、35、36进行处理来确定的。中间层42的值是通过利用另一个阈值和为每个输入而确定的加权系数对输入因子31、32、33、34、35、36进行处理来确定的。以相同的方式确定中间层43到46的值。
输出因子51、52是通过利用另一个阈值和为每个输入而确定的加权系数对中间层41到46的值进行处理来确定的。输出因子51、52是测试模制期间由传感器对注射模制注模机的工作状态进行检测所获得注射监测值,例如,注射开始位置测量值(见图2中的d点)或者注射压力测量值(在注射步骤结束时所确定的螺杆位置处的注射压力(随后参考图9和14讨论))。
由于神经网络是一种函数,因此能够将输入因子31到36和输出因子51、52指定为已知值,而能够将函数中的加权系数和阈值指定为未知值。
具体而言,将测量监测值应用于输入因子31到36,并且将注射监测值应用于输出因子51、52。在调整加权系数和阈值的同时由计算机重复计算,直到输出因子51、52与注射监测值匹配。当输出因子51、52与注射监测值实现满意的匹配时,确定加权系数和阈值。
返回图3,在ST07中确定用于注射开始位置的NN(神经网络的简称;下同)函数,而在ST08中确定注射压力的NN函数。
在测试模制中进行上述的操作流程。
接下来将描述批量生产模制中的操作流程。
图5是示出用于确定批量生产模制中第一值的方法的流程图。
在ST11中,读取用于注射开始位置的NN函数。当图3和5是连续的时能够略去该步骤。同样的做法适用于连续的流程图。
在ST12中,为批量生产模制设置塑化/测量条件。
在ST13中,进行用于批量生产模制的测量步骤。
在ST14中,在测量步骤结束时采集测量监测值。
在ST15中,将测量监测值代入用于注射开始位置的NN函数。该步骤描述于图6中。
图6是示出用于在批量生产模制中利用神经网络的方法的图。将批量生产模制中所获得的测量监测值输入作为输入因子31到36。由于中间层41到46的值得到确定,因此能够计算出输出因子53(作为第一值的注射开始位置预测值)。
返回图5,在ST16中确定第一值(注射开始位置预测值;见图2中的d点)。
图7是示出用于确定批量生产模制中V-P切换位置的方法的流程图。
在ST21中,读取第一值(注射开始位置预测值)。注射开始位置预测值将被称为Sa。该Sa对应于图2中的S0。
在ST22中,读取螺杆的向前移动量La(见图2)。
在ST23中,从Sa和La确定第二值(V-P切换位置,其对应于图2中的e点)。
在ST24中,将第二值(V-P切换位置)添加到注射条件。在V-P切换位置中进行V-P切换控制时,进行注射步骤(ST25)。
批量生产模制中的测量步骤是在上述图5中进行的,而批量生产模制中的注射步骤是在图7中进行的,但是并不进行重复计算和其它耗时计算。因此,批量生产模制能够以高速进行。
图8是示出批量生产模制中的确认步骤的流程图。
当在ST31中完成注射步骤时,在ST32中采集注射监测值,并且在ST33中从注射监测值之中采集注射开始位置测量值Sb。
在ST34中,读取注射开始位置预测值Sa(第一值)。
在ST35中计算Sa和Sb之间的差,并且估计差是否在允许偏差内。当差在允许偏差内时,过程进入ST36,并且进行“令人满意的显示”。当差超出允许偏差时,过程进入ST37,进行“不令人满意的显示”,进而在ST38中产生报警。
通过比较预测的第一值与在注射步骤完成时采集的注射监测值来监测注射条件的精确度。
第一值是上述的实例中的注射开始位置预测值,但是第一值也可以是另一个注射条件。接下来将对第一值是注射压力预测值的情况的实例进行描述。
首先对用于实现该实例所需要的曲线图进行描述。
图9是示出螺杆位置和注射压力之间关系的曲线图。当将加热缸体温度设置到200℃、215℃或230℃时,并且保持其它条件为常数的同时检查注射压力时,获得三条曲线。树脂是聚丙烯(PP)。
由于在横轴上7mm附近发生拐点,因此在该点处对三条曲线进行比较并不是优选地。因此,选择10mm作为不受拐点影响的位置,并且将三条曲线在10mm的点处进行比较。
将一条在10mm点处平行于纵轴所画的线与曲线相交的点指定为t200、t215和t230,并且为每个点读取纵轴的刻度(注射压力)。
图10是示出加热缸体温度和注射压力之间关系的曲线图。标绘出图9中所获得的点t200、t215和t230,以创建显示加热缸体温度和注射压力之间关系的曲线图。
图11是用于测量压缩量的实验模型的图。准备具有加热器56和温度传感器57的加热缸体58(堵住加热缸体58的管口),将加热缸体58设置到200℃、215℃或230℃,保持其它条件为常数,并且通过活塞61来压缩塑化的树脂59。用20到60MPa的保持的压力进行该压缩。树脂是聚丙烯(PP)。
假定,在保持的压力下,将压缩前长度为L的树脂59压缩等于ΔL的量。当横截面积为常数时,可以计算压缩量(压缩比)为(ΔL/L)×100(%)。在图12的曲线图中示出了在实验中计算出的压缩量。
图12是示出保持的压力和压缩量之间关系的曲线图。在200℃时树脂的压缩量小,而在230℃时树脂的压缩量大。还发现用于图2和9的实验的压缩量。结果,明显的是,当压缩量为5%时,获得合格产品。因此,将5%的线(虚线)代入图12,以找到与三条线相交的点T200、T215和T230。
图13是示出加热缸体温度和保持的压力之间关系的曲线图。标绘出图12中所获得的点T200、T215和T230,以创建示出加热缸体温度和注射压力之间关系的曲线图。
图14是凭借其从注射压力能够计算出保持的压力的曲线图。图14(a)对应于图10,而图14(b)对于于图13。
当注射压力为52 MPa时,通过画一条连接j、k、l和m点的线,能够获得32.7 MPa的保持的压力。
52 MPa的注射压力对应于第一值,而32.7 MPa的保持的压力对应于第二值。
下面对利用图14进行批量生产模制的操作流程进行描述。
图15是示出用于确定批量生产模制中第一值的方法的流程图。
在ST41中,读取在ST08(图3)中确定的用于注射压力的NN函数。
在ST42中,为批量生产模制设置塑化/测量条件。
在ST43中,进行批量生产模制的测量步骤。
在ST44中,在测量步骤结束时采集测量监测值。
在ST45中,将测量监测值代入用于注射压力的NN函数。该步骤描述于图16中。
在ST46中,确定第一值(注射压力预测值;见图14中的j点)。
图16是示出用于确定批量生产模制中保持的压力的方法的流程图。
在ST51中,读取第一值(注射压力预测值)。
在ST52中,基于图14确定第二值(保持的压力;见图14A中的m点)。
在ST53中,将第二值(保持的压力)添加到注射条件。注射步骤(ST54)是在将压力保持在保持的压力时进行的。
批量生产模制中的测量步骤是在上述的图15中进行的,而批量生产模制中的注射步骤是在图16中进行的,但是并不进行重复计算和其它耗时计算。因此,批量生产模制能够以高速进行。
图17是示出批量生产模制中确认步骤的流程图。
当在ST61完成注射步骤时,在ST62中采集注射监测值,并且在ST63中,从注射监测值之中采集注射压力测量值Pb。
在ST64中,读取注射压力预测值Pa(第一值)。
在ST65中计算Pa和Pb之间的差,并且评估差是否在允许偏差内。当差在允许偏差内时,过程进入到ST66,并且进行“令人满意的显示”。当差超出允许偏差时,过程进入ST67,进行“不令人满意的显示”,进而在ST68中产生报警。
通过比较预测的第一值与在注射步骤完成时采集的注射监测值来监测注射条件的精确度。
根据如上述的本发明,在注射步骤之前,确定为批量生产模制而预测的注射条件(V-P切换位置、保持的压力和其它条件)。由于在注射步骤中没有对计算的需要,因此注射能够以高速进行。伴随第一值预测步骤和第二值预测步骤的计算是在测量步骤(有时间裕量)中进行的,因此,不需要增加计算速度,进而能够防止控制装置的成本增加。结果,本发明能够通过一种安装在常规注模机中的控制装置来实现,并且能够防止增加注射模制注模机的成本。
通过使用利用神经网络的预测函数,还能够将多个测量监测值指定为输入因子。具体而言,反映多个波动因子的注射条件能够得到确定。结果,能够容易地改善所制造产品中的质量。
测量监测值包括测量开始位置、测量时间、测量转矩、周期时间、测量停止位置以及加热缸体温度的至少一个。反映多个波动因子的注射条件能够得到确定。结果,能够容易地改善所制造产品的质量。
注射监测值优选是螺杆的注射开始位置。螺杆的注射开始位置在注射步骤中极为重要。所制造产品的质量是通过为螺杆预测这种注射开始位置来改善的。
本发明的第二值优选是V-P切换位置,在该位置螺杆的速度控制切换到压力控制。V-P切换位置在注射步骤中极为重要。所制造产品的质量是通过预测这种V-P切换位置来改善的。
注射监测值可以是在螺杆到达预指定位置时的注射压力测量值。当向螺杆提供止回阀时,注射压力直到止回阀关闭才稳定。因此,注射监测值是当螺杆到达预指定位置时的注射压力测量值,并且该压力稳定增加。
本发明的第二值可以是用于压力保持控制的保持的压力。保持的压力在注射步骤中极为重要。所制造产品的质量是通过预测这种保持的压力来改善的。
可以从注模机所使用的条件或值中适当地选择测量监测值、注射监测值和预测的注射条件,并且这些值不受上述实例的限制。
Claims (7)
1.一种用于利用神经网络来控制注射模制的方法,所述注射模制控制方法包括以下步骤:
采集在测试注射模制期间测量步骤中的测量监测值(31、32、33、34、35、36),和注射步骤中的注射监测值(51、52),指定所获得的测量监测值为输入项,而所述注射监测值为输出项,并且利用所述神经网络(21)来确定预测函数;
通过将在批量生产注射模制期间完成测量步骤时采集的所述测量监测值代入所述预测函数中,预测对应于所述注射监测值的第一值;
根据所述预测的第一值,确定构成注射条件的第二值;以及
根据包括所述第二值的所述注射条件,实现注射控制和压力保持控制。
2.根据权利要求1所述的控制方法,其中,所述测试注射模制和所述批量生产注射模制中的所述测量监测值包括以下的至少一个:测量开始位置,即在测量开始时的螺杆位置;测量时间,即从测量开始到测量结束的时间;测量转矩,即施加到所述螺杆的扭转力矩;周期时间,即从某次测试模制中测量的开始到随后的测试模制中测量的开始的单周期时间;测量停止位置,即在测量结束时的螺杆位置;以及加热缸体温度,即测量中加热缸体温度的平均值。
3.根据权利要求1所述的控制方法,其中,所述注射监测值是所述螺杆的注射开始位置。
4.根据权利要求1所述的控制方法,其中,所述注射监测值是在所述螺杆到达预指定位置时测量得到的注射压力测量值。
5.根据权利要求1所述的控制方法,其中,所述第二值是V-P切换位置,在该位置将所述螺杆的速度控制切换到压力保持控制。
6.根据权利要求1所述的控制方法,其中,所述第二值是用于所述压力保持控制的保持的压力。
7.根据权利要求1所述的控制方法,进一步包括以下步骤:将所述预测的第一值与在所述批量生产注射模制期间所述注射步骤结束时采集的所述注射监测值进行比较,并且确认所述值之间的差是否在允许范围内。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP293065/2006 | 2006-10-27 | ||
JP2006293065A JP4177399B2 (ja) | 2006-10-27 | 2006-10-27 | 射出成形機の制御方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101168283A true CN101168283A (zh) | 2008-04-30 |
CN101168283B CN101168283B (zh) | 2012-12-19 |
Family
ID=39329167
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2007101679221A Expired - Fee Related CN101168283B (zh) | 2006-10-27 | 2007-10-26 | 注射模制控制方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US8060240B2 (zh) |
JP (1) | JP4177399B2 (zh) |
CN (1) | CN101168283B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103085249A (zh) * | 2013-03-01 | 2013-05-08 | 山东大学 | 一种可视化聚合物熔体注塑充模流动系统 |
CN106393622A (zh) * | 2015-07-31 | 2017-02-15 | 发那科株式会社 | 注射成形机的异常诊断装置 |
CN108237669A (zh) * | 2016-12-23 | 2018-07-03 | 恩格尔奥地利有限公司 | 用于调节成型机的方法 |
CN110920009A (zh) * | 2018-09-19 | 2020-03-27 | 发那科株式会社 | 状态判定装置以及状态判定方法 |
CN115283649A (zh) * | 2022-10-10 | 2022-11-04 | 中信戴卡股份有限公司 | 一种车轮铸造过程模具温度闭环控制方法及系统 |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102338705B (zh) * | 2011-07-25 | 2014-01-29 | 上海戈冉泊精模科技股份有限公司 | 一种精密注塑模具的试模方法 |
EP3041656B1 (en) * | 2013-09-05 | 2021-06-30 | Husky Injection Molding Systems Limited | A method and system for generating, processing and displaying an indicator of performance of an injection molding machine |
JP6177712B2 (ja) * | 2014-02-28 | 2017-08-09 | 住友重機械工業株式会社 | 射出成形機 |
WO2016090274A1 (en) | 2014-12-04 | 2016-06-09 | Extrude To Fill, LLC | Injection molding system and method of fabricating a component |
US9517582B2 (en) | 2014-12-04 | 2016-12-13 | Extrude To Fill, LLC | Method of molding a part |
US20160158985A1 (en) * | 2014-12-04 | 2016-06-09 | Extrude To Fill, LLC | Control system for injection molding |
KR102490958B1 (ko) | 2014-12-04 | 2023-01-19 | 익스트루드 투 필, 인크. | 사출 몰딩 시스템 및 구성요소를 제조하는 방법 |
JP6514622B2 (ja) * | 2015-10-30 | 2019-05-15 | 日精樹脂工業株式会社 | 射出成形機の成形支援方法 |
JP6529183B2 (ja) * | 2015-12-28 | 2019-06-12 | 日精樹脂工業株式会社 | 射出成形機の成形最適化方法 |
JP6603260B2 (ja) * | 2017-04-27 | 2019-11-06 | ファナック株式会社 | 数値制御装置 |
WO2019194974A1 (en) * | 2018-04-04 | 2019-10-10 | iMFLUX Inc. | Method of determining melt flow front travel using injection melt pressure and screw position to generate an output and continuously monitor check ring repeatability |
JP7460428B2 (ja) * | 2020-03-31 | 2024-04-02 | 住友重機械工業株式会社 | 射出成形機の段取支援装置及び段取支援方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5671335A (en) * | 1991-05-23 | 1997-09-23 | Allen-Bradley Company, Inc. | Process optimization using a neural network |
JPH06114908A (ja) * | 1992-10-08 | 1994-04-26 | Sumitomo Heavy Ind Ltd | 射出成形機 |
US5914884A (en) * | 1997-01-02 | 1999-06-22 | General Electric Company | Method for evaluating moldability characteristics of a plastic resin in an injection molding process |
DE10119853A1 (de) * | 2001-04-24 | 2003-01-09 | Bayer Ag | Hybridmodell und Verfahren zur Bestimmung von mechanischen Eigenschaften und von Verarbeitungseigenschaften eines Spritzgiessformteils |
DE10120476A1 (de) * | 2001-04-25 | 2002-11-21 | Bayer Ag | Hybridmodell und Verfahren zur Bestimmung von Eigenschaften hinsichtlich der Herstellung eines Spritzgießformteils |
JP3910974B2 (ja) | 2004-05-24 | 2007-04-25 | 株式会社日本製鋼所 | 射出成形機の射出制御方法およびその装置 |
JP4499601B2 (ja) * | 2005-04-01 | 2010-07-07 | 日精樹脂工業株式会社 | 射出成形機の制御装置 |
-
2006
- 2006-10-27 JP JP2006293065A patent/JP4177399B2/ja not_active Expired - Fee Related
-
2007
- 2007-10-18 US US11/975,282 patent/US8060240B2/en not_active Expired - Fee Related
- 2007-10-26 CN CN2007101679221A patent/CN101168283B/zh not_active Expired - Fee Related
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103085249A (zh) * | 2013-03-01 | 2013-05-08 | 山东大学 | 一种可视化聚合物熔体注塑充模流动系统 |
CN106393622A (zh) * | 2015-07-31 | 2017-02-15 | 发那科株式会社 | 注射成形机的异常诊断装置 |
US10618202B2 (en) | 2015-07-31 | 2020-04-14 | Fanuc Corporation | Failure cause diagnostic device for injection molding machine |
CN108237669A (zh) * | 2016-12-23 | 2018-07-03 | 恩格尔奥地利有限公司 | 用于调节成型机的方法 |
US11000982B2 (en) | 2016-12-23 | 2021-05-11 | Engel Austria Gmbh | Methods of setting a shaping machine |
CN110920009A (zh) * | 2018-09-19 | 2020-03-27 | 发那科株式会社 | 状态判定装置以及状态判定方法 |
CN110920009B (zh) * | 2018-09-19 | 2022-05-27 | 发那科株式会社 | 状态判定装置以及状态判定方法 |
CN115283649A (zh) * | 2022-10-10 | 2022-11-04 | 中信戴卡股份有限公司 | 一种车轮铸造过程模具温度闭环控制方法及系统 |
CN115283649B (zh) * | 2022-10-10 | 2022-12-13 | 中信戴卡股份有限公司 | 一种车轮铸造过程模具温度闭环控制方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN101168283B (zh) | 2012-12-19 |
US8060240B2 (en) | 2011-11-15 |
US20080099943A1 (en) | 2008-05-01 |
JP2008110485A (ja) | 2008-05-15 |
JP4177399B2 (ja) | 2008-11-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101168283B (zh) | 注射模制控制方法 | |
EP1439046B1 (en) | Automated molding technology for thermoplastic injection molding | |
JP4499601B2 (ja) | 射出成形機の制御装置 | |
CN102398356B (zh) | 一种注塑机多段料筒温度控制方法及系统 | |
US6600961B2 (en) | Intelligent control method for injection machine | |
CN100478654C (zh) | 用于控制容器吹塑机以校正材料分布异常的方法 | |
CN101890792A (zh) | 塑料注塑和挤出过程中的能量分配与消耗控制方法 | |
KR102538009B1 (ko) | 사출-성형 프로세스에서 사출-성형가능한 화합물의 실제 체적을 판정하기 위한 방법 | |
CN103038048A (zh) | 注塑成型机的控制装置及控制方法 | |
WO2008081108A3 (fr) | Procede de fabrication d'un recipient a partir d'une ebauche, avec retroaction en fonction du point de developpement de l'ebauche | |
CN101491935A (zh) | 注塑机料桶温度同步控制系统及方法 | |
Wong et al. | Development of a transducer for in-line and through cycle monitoring of key process and quality variables in injection molding | |
Kelly et al. | Comparison of injection molding machine performance | |
JPH05329864A (ja) | オンライン樹脂粘度測定方法及び成形品良否判別方法 | |
Kazmer et al. | Control of Polymer Processing | |
Johnston et al. | Online simulation‐based process control for injection molding | |
US20180319058A1 (en) | Shooting Pot Refill Control | |
Fung et al. | Application of a capacitive transducer for online part weight prediction and fault detection in injection molding | |
Kazmer et al. | Validation of three on‐line flow simulations for injection molding | |
JP2021024230A (ja) | 成形品の品質異常予測システム | |
Maderthaner et al. | Part mass estimation strategy for injection molding machines | |
CN101863115A (zh) | 一种圆形棒材挤出机成型控制装置及控制方法 | |
Cátia et al. | In-cavity pressure measurements for failure diagnosis in the injection moulding process and correlation with numerical simulation | |
Mohamed et al. | Smart Energy Consumption Control System While Respecting the Quality of the Injection Molded Product | |
Buschhaus et al. | Rethinking the injection molding process with thermosets and rubber |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20121219 |