CN102773981B - 一种注塑机节能优化系统的实现方法 - Google Patents
一种注塑机节能优化系统的实现方法 Download PDFInfo
- Publication number
- CN102773981B CN102773981B CN201210243230.1A CN201210243230A CN102773981B CN 102773981 B CN102773981 B CN 102773981B CN 201210243230 A CN201210243230 A CN 201210243230A CN 102773981 B CN102773981 B CN 102773981B
- Authority
- CN
- China
- Prior art keywords
- product
- optimized
- energy consumption
- module
- parameter
- 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.)
- Active
Links
Classifications
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P80/00—Climate change mitigation technologies for sector-wide applications
- Y02P80/10—Efficient use of energy, e.g. using compressed air or pressurized fluid as energy carrier
Landscapes
- Injection Moulding Of Plastics Or The Like (AREA)
Abstract
本发明提供了一种注塑机节能优化系统的实现方法，属于橡塑加工领域。该方法通过设置单产品参数优化子系统和多产品优化调度子系统，单产品参数优化子系统包括：性能指标与优化变量选择模块，试验设计模块，产品质量和生产能耗的系统建模模块，基于遗传算法的质量-能耗双目标优化模块和参数测试模块；多产品优化调度子系统包括：多产品性能指标与优化变量选择模块，多产品切换的试验设计模块，产品质量、生产能耗和产品切换过渡能耗的系统建模模块，基于遗传算法的质量优化模块，基于遗传算法和旅行商算法的节能调度模块和多产品调度参数测试模块。该方法可提高企业生产资源的使用效率，降低生产能耗，增加企业竞争力。
Description
技术领域
本发明提供了一种注塑机节能优化系统的实现方法，属于橡塑加工领域。
背景技术
注塑机节能是橡塑加工行业的关注焦点。注塑机能耗，本质上就是动力系统输出的能量。加工同样的塑料制品，输出能量越少越节能。注塑能耗不仅和橡塑材料的熔融效率有关，也和熔体注射、保压定型、模具运动、合模压力等要素密切相关。单件制品的能耗和成型周期呈显著反比关系。注塑成型周期主要包括：充模时间、保压时间和冷却时间。注塑生产中，应在保证质量的前提下，选择合理过程参数，缩短成型周期中各部分时间，提高效率、节约能源。对于小批量多产品任务的注塑机，不仅要考虑单产下的能耗，还需考虑不同产品切换过渡的能耗。这需要并行确定各单产状态下的最优参数以及多产品生产的最优切换顺序。
根据注塑节能的各种要素，现有成果集中在三个方面：节能注射成型工艺，节能执行机构和节能动力驱动机构（参考文献：张友根，注塑机节能技术的分析研究，橡塑技术与装备，2008,34卷，第3期，52-65）。
节能成型工艺是指运用群腔热流道、微发泡、振动成型、介质辅助等先进技术，提高注射速度、降低注射压力、减小锁模力、缩短成型周期，降低制品成型的能耗。譬如，日本专利（05-237901）通过控制注射压力提高质量降低能耗；日本专利（2011-140149）通过安装液压变量泵控制液压液的排放压力，然后控制操作条件降低液压回路的压力而实现节能。美国专利（7,422,426）、日本专利（2010-162845,2008-201016，2003-231164，2001-165388，11-156906，08-252849）均通过合模控制或合模装置的改进实现节能。欧洲专利（US19970862518）定义了最短冷却时间，在超出最短冷却时间的冷却段关闭主驱动电机实现节能。
节能执行机构又细分为节能合模机构（譬如：肘杆合模、卡式合模、无拉杆合模、两模板合模技术等）和节能注射塑化机构（包括：单缸一线式注射塑化机构、后双缸注射机构、节能螺杆、低速高扭矩液压马达螺杆驱动机构等），这方面尚未检索到公开的发明专利。
注塑动力驱动系统的节能技术集中在液压驱动系统的改进以及全电动驱动系统的开发、应用与推广。根据1980-2010年公开的美国、欧洲、日本和中国专利，驱动系统节能相关的专利有24个，占注塑机节能相关专利的42%。
上述技术成果必须通过注塑机的整体或局部软硬件改造才能实现注塑节能，这对于新一代节能注塑机的研发具有重要价值，但对于已购买低端注塑机并形成一定生产规模的注塑企业来说，要采纳这些技术实现生产节能则需要大量的改造费用。
发明内容
本发明提供了一种注塑机节能优化系统的实现方法，可以避免注塑机的硬件改造，易于嵌入到注塑机的控制系统中，适用于注塑机在大批量生产某单一产品时的最优参数设定，以及小批量生产多规格相似产品时的最优参数设定与生产调度。
本发明为解决其技术问题采用如下技术方案：
一种注塑机节能优化系统的实现方法，在注塑机节能优化系统中设置单产品参数优化子系统和多产品优化调度子系统，所述的单产品参数优化子系统包括性能指标与优化变量选择模块、试验设计模块、质量和生产能耗的系统建模模块、基于遗传算法的质量-能耗双目标优化模块和参数测试模块；
所述的性能指标与优化变量选择模块是通过给定一种注塑加工产品的质量要求，确定待考察质量指标向量 ，其中，表示第个质量指标，为待考察质量指标的个数，生产能耗指标和待优化过程变量的参数设定值向量，其中，表示第 个待优化过程变量，或者表示第个待优化过程变量的参数设定值，为待优化过程变量的个数；
所述的试验设计模块，采用多变量均匀试验设计方法，将待优化过程变量的参数设定值，i=1,2,…,n作为试验因素，得到K次试验方案，即待优化过程变量参数设定值向量的集合，其中k为试验序号，k=1,2,…,K，集合元素的表达式为；将待考察质量指标，j=1,2,…,m和生产能耗指标作为试验结果，每次试验以为待优化变量的参数设定值，进行注塑生产试验，得到K次试验方案的质量指标测量值集合，和生产能耗指标测量值集合，；
所述的质量和生产能耗系统建模模块，基于试验设计的结果——过程参数设定值向量集合、质量指标测量值集合和生产能耗指标测量值集合，通过人工神经网络，建立 y 和 x 以及e和 x 之间的映射关系，该映射关系为非解析形式的非线性模型，
（1-1）
（1-2）
所述的基于遗传算法的质量-能耗双目标优化模块的操作方法,包括以下步骤：
步骤1：写出第一层优化目标和约束条件的数学表达式，其通用形式为：
（2）
式中：为待优化过程变量的参数设定值；
为质量性能指标 y 的自定义函数，其中；
Min 表示求最小值；
分别为待优化过程变量的参数设定值的上下限；
步骤2：基于步骤1中公式（2）所描述的优化问题，选择遗传算法进行优化，优化结果为满足质量指标要求的过程变量设定值向量的集合，其中表示第c个可行解，C为可行解个数；
步骤3：基于步骤2得到的第一层优化问题可行解集合以及生产能耗模型，写出第二层优化目标和约束条件的数学表达式，其通用形式为：
（3）
式中：为待优化过程变量的参数设定值；
为生产能耗性能指标e的自定义函数，其中；
Min 表示求最小值；
分别为待优化过程变量的参数设定值的上下限；
为质量性能指标的松弛因子，代表用户可容忍的质量范围；
将第一层优化问题转换为第二层优化问题的约束条件，即第二层优化问题的解必须满足第一层优化目标；
步骤4：基于步骤3中公式（3）所描述的优化问题，选择遗传算法进行优化，优化结果为同时满足质量指标和能耗指标要求的一个最优参数设定值向量；
所述的参数测试模块, 采用基于遗传算法的质量-能耗双目标优化模块得到的最优参数设定，进行注塑生产验证性试验，如果过程稳定且质量、能耗皆满足要求则可进入批量生产阶段；否则，启动更新机制，重复运行单参数优化子系统的质量和生产能耗系统建模模块和基于遗传算法的质量-能耗双目标优化模块；
所述的多产品优化调度子系统，适用于单台注塑机生产相似多产品的生产任务，包括多产品性能指标与优化变量选择模块，多产品切换的试验设计模块，产品质量、生产能耗和产品切换过渡能耗的系统建模模块，基于遗传算法的质量优化模块，基于遗传算法和旅行商算法的优化调度模块，多产品调度参数测试模块；
所述的多产品性能指标与优化变量选择模块，通过给定P（P≥2）个相似的注塑加工产品的质量要求，确定每种产品的待考察质量指标向量和每种产品的待优化过程变量的参数设定值向量，其中，p为产品序号，p=1,…,P，i为过程变量序号，i=1,2,…,n，j为质量指标序号，j=1,2,…,m；
所述的多产品切换的试验设计模块，首先，采用单产品参数优化子系统中的试验设计模块，分别为每个产品的稳态生产进行试验设计；然后，将待优化变量x i 的设定值变化量δx i 作为试验因素，得到L次产品切换的试验方案，l为试验序号，l=1,2,…,L， 集合元素描述了第l次试验中产品操作条件的切换信息，，其中，表示第l次产品切换试验中第i个优化变量的参数设置初值，为对应的参数变化量取值；将过渡能耗指标作为试验结果，每次试验中变量x i 的设定值从调整到+，进行注塑过程操作条件的切换调整，得到对应切换过程的过渡能耗测量值集合，l=1,2,…,L；
所述的产品质量、生产能耗和产品切换过渡能耗的系统建模模块，首先，采用单产品参数优化子系统中的质量和生产能耗系统建模模块，建立第p个产品，p=1,…,P的质量指标、生产能耗和过程变量参数设定值向量之间的系统模型：
（4-1）
（4-2）
然后，基于多产品切换试验设计中得到的过程变量设定值调整方案集合和过渡能耗测量值集合，l=1,2,…,L，通过偏最小二乘回归方法建立过渡能耗指标和参数变化量的映射关系，该映射关系可表示为可解析表达的非线性回归方程：
（5）
所述的基于遗传算法的质量优化模块的操作方法,包括以下步骤：
步骤1：针对每个产品，写出质量优化目标和约束条件的数学表达式，其通用形式为：
（6）
式中：为待优化过程变量的参数设定值；
为第p个产品的质量性能指标自定义函数，其中；
Min 表示求最小值；
分别为待优化过程变量的参数设定值的上下限；
步骤2：基于步骤1中公式（6）所描述的优化问题，选择遗传算法进行优化，优化结果为每个产品的可行参数设定值组合的集合，，，其中，为一组可行的待优化变量设定值向量，p代表产品序号，c为集合中可行解的序号，C为集合大小；
所述的基于遗传算法和旅行商算法的优化调度模块的操作方法,包括以下步骤：
步骤1：基于所有产品的可行解集合，采取随机选择策略，从每个中随机选择一组参数组合，构建有P个节点的完备有向图，其中，节点属性为第p个产品以为优化变量设定值时的生产能耗，支路箭头方向表示产品的切换顺序，支路权重为过程在两个节点所代表的操作参数之间切换所需要的过渡能耗，，和代表前后两个产品的序号；
步骤2：写出多产品调度问题的优化目标和约束条件的数学表达式，其通用形式为：
（7）
式中：为第p个产品的参数设定值向量；
为P个产品的平稳生产总能耗，其中，，为第p个产品的生产数量；
为产品切换过渡总能耗，其中，，；
为多产品过程的生产总能耗；
步骤3：步骤2中公式（7）描述的优化问题是典型的旅行商问题，选择基于遗传算法的旅行商求解方法进行优化，优化结果为每个产品的最优参数设定值和最优的产品切换顺序；
所述的多产品调度参数测试模块, 采用基于遗传算法和旅行商算法的优化调度模块得到的最优参数设定值和最优的产品切换顺序，进行注塑生产过程的验证性试验，如果各个产品生产状态稳定且质量满足要求则可进入批量生产阶段；否则，启动更新机制，重复运行多产品优化调度子系统的产品质量、单产平稳能耗和产品切换过渡能耗的系统建模模块和基于遗传算法和旅行商算法的优化调度模块。
本发明的有益效果如下：
（1）不需要对现有注塑机进行硬件改造，成本低，风险小。
（2）本系统易于嵌入到注塑机控制系统中，通用性强。
（3）本系统只需要采集注塑机过程数据，不涉及复杂的数学或过程机理，容易理解、方便实施。
（4）具体实施案例中，和基于田口试验法的传统参数优化方法相比，实施单产品参数优化子系统的节能效益可达5%；对于多产品注塑生产过程，相比于实际生产中常用的依据机筒温度设定值的上升或下降安排生产次序的方法，多产品优化调度子系统的节能效益可达到4%。
附图说明
图1为本发明在注塑机上实施的原理示意图。
图2为本发明包含的两个子系统。
图3为本发明单产品参数优化子系统的实施流程方块图。
图4为本发明多产品优化调度子系统的实施流程方块图。
图5为本发明多产品优化调度子系统中基于遗传算法的旅行商问题求解流程图。
具体实施方式
下面结合附图对本发明创造做进一步的详细说明。
如图1所示，本发明利用注塑机的生产过程数据，离线获得既能保证产品质量又能降低生产能耗的最优过程参数设定和多产品最优切换顺序。
本发明提出的注塑机节能优化系统的实现方法设置了单产品参数优化子系统和多产品优化调度子系统，如图2，其中，多产品优化调度子系统需要调用单产品参数优化子系统中部分模块。
实施例1：
震雄MJ55注塑机单产品参数优化子系统的技术方案，如图3所示，包括以下过程：
1. 性能指标与优化变量选择模块中，选择制品重量（PW）作为质量指标y，以单件制品所消耗的平均能耗（ECC）作为能耗指标e，选择保压时间（PT）、注射速率（IV）、保压压力（PP）和机筒温度（BT）作为待优化过程变量；
2. 试验设计模块中，利用田口试验设计方法，获得12组正交试验数据，利用析因分析试验设计方法，补充27组试验数据，共计39组试验数据；
3. 质量和生产能耗的系统建模模块中，采用人工神经网络建模方法，随机选择33组作为训练数据，剩余6组作为测试数据，以保压时间、注射速度、保压压力以及机筒温度的设定值作为网络的输入，制品重量以及单产能耗作为网络的输出，建立三层反向传播神经网络模型
； （8）
其中，网络的隐含层节点数的选择依据是：
式中，为隐含层节点数，为输入层节点数，为输出层节点数。
然后根据训练时间和训练精度选网络隐含层节点数为8，隐含层中的神经元可采用双曲正切S型（tansig）激活函数，输出层神经元可采用线性传递函数（purelin）。
4. 基于遗传算法的质量-能耗双目标优化模块中，采用分层优化的思想，先优化制品重量，得到满足质量指标要求的可行参数集合，并在此参数集合的基础上优化能耗，从而得到既能保证产品质量又使能耗最优的最优参数。
第一层优化问题可描述为
（9）
式中，为产品质量的性能指标；（公式8），即参数设定向量为时的产品重量的模型预测值；是产品重量的设定值。
本实施案例分析了8种重量规格下的节能效益，分别取值20.85, 20.90, 20.95, 21.00, 21.05, 21.10, 21.15, 和 21.20 克。
采用遗传算法对此优化问题进行优化，种群大小设为70，交叉概率为0.6，变异概率(Pm)为0.02。停止准则选为，为用户容忍的质量控制限，此处设为0.01。当所有个体的适应度值小于0.1时，则停止训练，得到可行解集（），并将其作为第二层优化的初始种群。
第二层优化问题可描述如下：
（10）
式中：为能耗性能指标，（公式8），即参数设定值为时稳态能耗e的模型预测值。
采用遗传算法对第二层优化问题进行优化，优化过程与第一层优化类似，不同的地方是:将质量目标函数转换为约束条件；停止准则选为最大迭代次数（100）。第二层优化的最终结果即为同时满足产品质量和能耗的最优操作参数组合，见表1，其中方法A为经典的基于田口分析法得到的优化变量设定值，方法B为本发明中提供的单产品参数优化方法。
5. 参数测试模块中，对得到的优化结果进行试验验证，若不符合质量性能指标或未达到节能目标，则可用验证试验的数据更新建模数据集，重新训练质量、生产能耗的人工神经网络模型，重新实施质量-能耗双目标优化算法，直到得到满足要求的优化结果。本实施案例中，对于表1中得到的参数设定值进行试验验证，均可实现平稳生产，节能效果见表1，平均节能效益大于5%。
实施例2：
震雄MJ55注塑机多产品优化调度子系统的技术方案，如图4所示，包括以下过程：
1. 多产品性能指标与优化变量选择模块中：
（1）选择制品重量（PW）作为质量指标；选择保压时间（PT）、注射速率（IV）、保压压力（PP）和机筒温度（BT）作为待优化过程变量，；
（2）加工4种产品，4个产品的模具和加工材料相同，重量指标分别为（20.9g,21.0g,21.1g,21.2g），每种产品的产量为100件；
（3） 以单件制品所消耗的平均电能消耗（ECC）作为稳态能耗指标，e=ECC；
（4） 过渡能耗指标et定义为，从为新产品设定好被控变量的设定值开始，至产品质量进入并稳定在质量容许范围内这段时间的电能消耗;
（5） 经理论分析及试验验证，注塑过渡能耗主要决定于机筒温度的调整周期，以机筒温度设定值的变化量作为过渡能耗模型的输入量。
2. 为每种产品，应用实施例1中的试验设计、基于神经网络的质量和生产能耗的系统建模过程、以及质量-能耗双目标优化算法中的第一层优化步骤，得到各个产品平稳生产状态下的质量模型、稳态能耗模型以及满足产品质量要求的可行参数集合，其中每个产品的可行解集大小为50。
3. 多产品切换的试验设计模块中，采用均匀试验设计方法，以机筒温度作为试验因素，机筒温度的可行区间范围为190o至220o，机筒温度分别上升和下降10度、20度和30度（如果条件允许还可将温度变化幅度细化），共采集12组过渡过程的试验数据。
4. 产品质量、生产能耗和产品切换过渡能耗的系统建模模块中，采用偏最小二乘建模方法，模型结果为
（11）
式中，为温度上升过程能耗；为温度下降过程能耗；为机筒温度设定值的变化幅度，。
5. 调用基于遗传算法和旅行商算法的优化调度模块,具体过程包括以下步骤：
步骤1：基于每个产品的可行过程参数设定值组合的集合，，采取随机选择策略，从每个中随机选择一组参数组合，构建有4个节点的完备有向图；
步骤2：写出优化问题的目标函数（即遗传算法的适应度函数）：
（12）
步骤3：采用基于遗传算法的旅行商方法求解公式（12）所描述的优化问题，算法流程如图5，其中，
（1） 外循环层为节点选择层，这里取最大循环次数为100；采用Grefenstette编码方法初始化种群，种群大小为20；
（2）采用常规的选择、交叉和变异算子，选择算法采用轮盘赌选择法，交叉算法采用常规单点交叉法，对个体进行变异操作的依据是：如果两个个体太相似时就进行变异操作，并随机产生一个染色体替换两个个体中较差者；
（3） GA的停止准则选用最大迭代次数法（100）；
（4） 优化结果为每个产品的最优参数设定值和最优的产品切换顺序，如表2所示，其中方法A为本发明中提供的多产品优化调度方法，方法B为本发明中提供的单产品参数调度方法。
表2 实施案例2的参数优化结果
6. 多产品调度参数测试模块中，对得到的优化结果进行试验验证，若不符合质量性能指标或未达到节能目标，则可用验证试验的数据更新建模数据集，重新训练质量、能耗人工神经网络模型，重新计算过渡能耗PLS模型参数，重复基于遗传算法和旅行商算法的优化节能调度算法，直到得到满足要求的优化结果。本实施案例中，对于表2中得到的参数设定值和切换顺序进行试验验证，可实现平稳的生产和切换过渡，结果见表3。由于方法B只能给出使各个产品稳态能耗最少的过程参数，实际生产过程通常按机筒温度设定值上升或下降的方向设定生产顺序。因此，表3第二组试验的生产顺序为，第三组试验的生产顺序为。由表3，多产品优化调度的节能效益可达到4%。
表3 实施案例2的节能效果
上述实施例不以任何形式限制本发明，凡采用等同替换或等效变换的方式所获得的技术方案，均落在本发明的保护范围内。
Claims (1)
1.一种注塑机节能优化系统的实现方法，其特征在于，在注塑机节能优化系统中设置单产品参数优化子系统和多产品优化调度子系统，所述的单产品参数优化子系统包括性能指标与优化变量选择模块、试验设计模块、质量和生产能耗的系统建模模块、基于遗传算法的质量-能耗双目标优化模块和参数测试模块；
所述的性能指标与优化变量选择模块是通过给定一种注塑加工产品的质量要求，确定待考察质量指标向量 ，其中，表示第个质量指标，为待考察质量指标的个数，生产能耗指标和待优化过程变量的参数设定值向量，其中，表示第 个待优化过程变量，或者表示第个待优化过程变量的参数设定值，为待优化过程变量的个数；
所述的试验设计模块，采用多变量均匀试验设计方法，将待优化过程变量的参数设定值，i=1,2,…,n作为试验因素，得到K次试验方案，即待优化过程变量参数设定值向量的集合，其中k为试验序号，k=1,2,…,K，集合元素的表达式为；将待考察质量指标，j=1,2,…,m和生产能耗指标作为试验结果，每次试验以为待优化变量的参数设定值，进行注塑生产试验，得到K次试验方案的质量指标测量值集合，和生产能耗指标测量值集合，；
所述的质量和生产能耗系统建模模块，基于试验设计的结果——待优化过程变量的参数设定值向量的集合、质量指标测量值集合和生产能耗指标测量值集合，通过人工神经网络，建立 y 和 x 以及e和 x 之间的映射关系，该映射关系为非解析形式的非线性模型，
（1-1）
（1-2）
所述的基于遗传算法的质量-能耗双目标优化模块的操作方法,包括以下步骤：
步骤1：写出第一层优化目标和约束条件的数学表达式，其通用形式为：
（2）
式中：为待优化过程变量的参数设定值；
为质量性能指标 y 的自定义函数，其中；
Min 表示求最小值；
分别为待优化过程变量的参数设定值的上下限；
步骤2：基于步骤1中公式（2）所描述的优化问题，选择遗传算法进行优化，优化结果为满足质量指标要求的过程变量设定值向量的集合，其中表示第c个可行解，C为可行解个数；
步骤3：基于步骤2得到的第一层优化问题可行解集合以及生产能耗模型，写出第二层优化目标和约束条件的数学表达式，其通用形式为：
（3）
式中：为待优化过程变量的参数设定值；
为生产能耗性能指标e的自定义函数，其中；
Min 表示求最小值；
分别为待优化过程变量的参数设定值的上下限；
为质量性能指标的松弛因子，代表用户可容忍的质量范围；
将第一层优化问题转换为第二层优化问题的约束条件，即第二层优化问题的解必须满足第一层优化目标；
步骤4：基于步骤3中公式（3）所描述的优化问题，选择遗传算法进行优化，优化结果为同时满足质量指标和能耗指标要求的一个最优参数设定值向量；
所述的参数测试模块, 采用基于遗传算法的质量-能耗双目标优化模块得到的最优参数设定值向量，进行注塑生产验证性试验，如果过程稳定且质量、能耗皆满足要求则可进入批量生产阶段；否则，启动更新机制，重复运行单产品参数优化子系统的质量和生产能耗系统建模模块和基于遗传算法的质量-能耗双目标优化模块；
所述的多产品优化调度子系统，适用于单台注塑机生产相似多产品的生产任务，包括多产品性能指标与优化变量选择模块，多产品切换的试验设计模块，产品质量、生产能耗和产品切换过渡能耗的系统建模模块，基于遗传算法的质量优化模块，基于遗传算法和旅行商算法的优化调度模块，多产品调度参数测试模块；
所述的多产品性能指标与优化变量选择模块，通过给定P（P≥2）个相似的注塑加工产品的质量要求，确定每种产品的待考察质量指标向量和每种产品的待优化过程变量的参数设定值向量，其中，p为产品序号，p=1,…,P，i为过程变量序号，i=1,2,…,n，j为质量指标序号，j=1,2,…,m；
所述的多产品切换的试验设计模块，首先，采用单产品参数优化子系统中的试验设计模块，分别为每个产品的稳态生产进行试验设计；然后，将待优化过程变量x i 的设定值变化量δx i 作为试验因素，得到L次产品切换的试验方案，l为试验序号，l=1,2,…,L， 集合元素描述了第l次试验中产品操作条件的切换信息，，其中，表示第l次产品切换试验中第i个待优化变量的参数设置初值，为对应的参数变化量取值；将过渡能耗指标作为试验结果，每次试验中待优化过程变量x i 的设定值从调整到+，进行注塑过程操作条件的切换调整，得到对应切换过程的过渡能耗测量值集合，l=1,2,…,L；
所述的产品质量、生产能耗和产品切换过渡能耗的系统建模模块，首先，采用单产品参数优化子系统中的质量和生产能耗系统建模模块，建立第p个产品，p=1,…,P的质量指标、生产能耗和过程变量参数设定值向量之间的系统模型：
（4-1）
（4-2）
然后，基于多产品切换试验设计中得到的过程变量设定值调整方案集合和过渡能耗测量值集合，l=1,2,…,L，通过偏最小二乘回归方法建立过渡能耗指标和参数变化量的映射关系，该映射关系可表示为可解析表达的非线性回归方程：
（5）
所述的基于遗传算法的质量优化模块的操作方法,包括以下步骤：
步骤1：针对每个产品，写出质量优化目标和约束条件的数学表达式，其通用形式为：
（6）
式中：为待优化过程变量的参数设定值；
为第p个产品的质量性能指标自定义函数，其中；
Min 表示求最小值；
分别为待优化过程变量的参数设定值的上下限；
步骤2：基于步骤1中公式（6）所描述的优化问题，选择遗传算法进行优化，优化结果为每个产品的待优化过程变量参数设定值向量的可行解集合，，，其中，为第p个产品的待优化过程变量参数设定值向量的可行解，p代表产品序号，c为集合中可行解的序号，C为集合大小；
所述的基于遗传算法和旅行商算法的优化调度模块的操作方法,包括以下步骤：
步骤1：基于所有产品的可行解集合，采取随机选择策略，从每个中随机选择一组参数组合，构建有P个节点的完备有向图，其中，节点属性是以为第p个产品的待优化过程变量的参数设定值向量时的生产能耗，支路箭头方向表示产品的切换顺序，支路权重为过程在两个节点所代表的操作参数之间切换所需要的过渡能耗，，p f 和p c 代表前后两个产品的序号，这两个产品对应的待优化过程变量的参数设定值向量分别为和；
步骤2：写出多产品调度问题的优化目标和约束条件的数学表达式，其通用形式为：
（7）
式中：为第p个产品的待优化过程变量的参数设定值向量；
为P个产品的平稳生产总能耗，其中，，为第p个产品的生产数量；
为产品切换过渡总能耗，其中，，；
为多产品过程的生产总能耗；
步骤3：步骤2中公式（7）描述的优化问题是典型的旅行商问题，选择基于遗传算法的旅行商求解方法进行优化，优化结果为每个产品的最优参数设定值和最优的产品切换顺序；
所述的多产品调度参数测试模块, 采用基于遗传算法和旅行商算法的优化调度模块得到的最优参数设定值和最优的产品切换顺序，进行注塑生产过程的验证性试验，如果各个产品生产状态稳定且质量满足要求则可进入批量生产阶段；否则，启动更新机制，重复运行多产品优化调度子系统的产品质量、生产能耗和产品切换过渡能耗的系统建模模块和基于遗传算法和旅行商算法的优化调度模块。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201210243230.1A CN102773981B (zh) | 2012-07-16 | 2012-07-16 | 一种注塑机节能优化系统的实现方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201210243230.1A CN102773981B (zh) | 2012-07-16 | 2012-07-16 | 一种注塑机节能优化系统的实现方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN102773981A CN102773981A (zh) | 2012-11-14 |
| CN102773981B true CN102773981B (zh) | 2014-10-29 |
Family
ID=47119192
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201210243230.1A Active CN102773981B (zh) | 2012-07-16 | 2012-07-16 | 一种注塑机节能优化系统的实现方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN102773981B (zh) |
Families Citing this family (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102966629A (zh) * | 2012-11-16 | 2013-03-13 | 无锡汇虹机械制造有限公司 | 一种负载敏感变量泵仿真模型的建模方法 |
| CN103737878B (zh) * | 2013-12-27 | 2014-12-31 | 华中科技大学 | 一种注塑缺陷在线修正方法及注塑机 |
| CN104552887B (zh) * | 2015-01-30 | 2017-01-11 | 江南大学 | 基于自适应粒子群算法的塑料片材机能耗优化方法 |
| CN106738736B (zh) * | 2016-11-29 | 2019-03-29 | 延锋彼欧仪征汽车外饰系统有限公司 | 汽车保险杠制造溯源修正方法 |
| CN108447737B (zh) * | 2018-05-18 | 2019-06-14 | 厦门理工学院 | 一种基于单纯形搜索的继电器底座质量优化系统 |
| CN109255488A (zh) * | 2018-09-27 | 2019-01-22 | 南京塑维网络科技有限公司 | 一种注塑工单优化系统及方法 |
| CN109472361B (zh) * | 2018-11-13 | 2020-08-28 | 钟祥博谦信息科技有限公司 | 神经网络优化方法 |
| US20220001586A1 (en) * | 2018-11-16 | 2022-01-06 | Covestro Intellectual Property Gmbh & Co. Kg | Method and system for improving a physical production process |
| US11580275B1 (en) * | 2018-12-18 | 2023-02-14 | X Development Llc | Experimental discovery processes |
| CN111985841B (zh) * | 2020-08-31 | 2023-10-24 | 华中科技大学 | 一种基于改进遗传算法的注塑车间调度方法及系统 |
| CN113858566B (zh) * | 2021-09-27 | 2023-08-08 | 乐创达投资(广东)有限公司 | 一种基于机器学习的注塑机能耗预测方法及系统 |
| CN115113596B (zh) * | 2022-07-13 | 2023-09-08 | 浙江高裕家居科技股份有限公司 | 一种基于质量监测的聚氨酯材料生产参数调节方法及系统 |
| CN115439019B (zh) * | 2022-10-25 | 2023-04-07 | 埃克斯工业有限公司 | 基于约束规划的多目标生产调度方法、设备及存储介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE10222700B4 (de) * | 2002-05-22 | 2005-10-27 | Bayerische Motoren Werke Ag | Computergestütztes Verfahren zur Massen- und/oder Funktionsoptimierung von Fahrzeugkomponenten und -strukturen |
| JP2007500379A (ja) * | 2003-07-25 | 2007-01-11 | ヤマハ発動機株式会社 | インテリジェント制御システムのソフト演算最適化装置 |
| CN101788788A (zh) * | 2010-01-05 | 2010-07-28 | 华北电力大学 | 基于电网状态识别的多目标机组组合智能优化系统 |
-
2012
- 2012-07-16 CN CN201210243230.1A patent/CN102773981B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE10222700B4 (de) * | 2002-05-22 | 2005-10-27 | Bayerische Motoren Werke Ag | Computergestütztes Verfahren zur Massen- und/oder Funktionsoptimierung von Fahrzeugkomponenten und -strukturen |
| JP2007500379A (ja) * | 2003-07-25 | 2007-01-11 | ヤマハ発動機株式会社 | インテリジェント制御システムのソフト演算最適化装置 |
| CN101788788A (zh) * | 2010-01-05 | 2010-07-28 | 华北电力大学 | 基于电网状态识别的多目标机组组合智能优化系统 |
Non-Patent Citations (1)
| Title |
|---|
| 赵朋，周华民，李阳，李德群.《注塑机工艺参数的智能设计与优化》.《化工学报》.2009,第2854-2861页. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN102773981A (zh) | 2012-11-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102773981B (zh) | 一种注塑机节能优化系统的实现方法 | |
| Ogorodnyk et al. | Monitoring and control for thermoplastics injection molding a review | |
| CN103522526B (zh) | 一种多层共挤模头智能温度控制系统及其控制方法 | |
| Luo et al. | Optimum tooling design for resin transfer molding with virtual manufacturing and artificial intelligence | |
| Zhai et al. | A study of gate location optimization of plastic injection molding using sequential linear programming | |
| CN105751470A (zh) | 一种注塑机温度实时控制方法 | |
| CN102333631B (zh) | 注塑多模腔模具热流道温度同步控制 | |
| CN104932263A (zh) | 一种多阶段间歇过程的最小运行时间控制方法 | |
| CN103901773B (zh) | 一种针对输入时滞的2d混杂控制器设计方法 | |
| CN103713521A (zh) | 一种针对注塑过程区间时滞的2d控制器设计方法 | |
| CN103888044A (zh) | 一种模糊pid控制器的参数自整定方法 | |
| CN105607591A (zh) | 一种控制器异步切换的间歇过程最小运行时间控制方法 | |
| Kong et al. | Quality control via model-free optimization for a type of batch process with a short cycle time and low operational cost | |
| CN112659498B (zh) | 一种注塑机深度神经网络实时最优控制方法 | |
| JP2023538885A (ja) | 少なくとも１つの射出成形プロセスを制御及び／又は監視するためのコンピュータ実装方法 | |
| CN109254531B (zh) | 具有时滞和干扰的多阶段间歇过程的最优成本控制方法 | |
| CN109049582A (zh) | 一种分区加热方法、系统、装置和存储介质 | |
| CN104772878A (zh) | 一种注塑成型过程迭代建模与优化的制品重量控制方法 | |
| Huang et al. | Investigation on the machine calibration effect on the optimization through design of experiments (DOE) in injection molding parts | |
| CN100458802C (zh) | 塑料注射成型过程中注射时间参数的确定方法 | |
| Restrepo et al. | Development of adaptive injection flow rate and pressure control algorithms for resin transfer molding | |
| Dong | A modified rule of mixture for the vacuum-assisted resin transfer moulding process simulation | |
| CN206633366U (zh) | 一种注塑制品缺陷自愈调控装置 | |
| CA3112861A1 (en) | Method for controlling a machine for processing plastics | |
| Hou et al. | Numerical Simulation and Multi-objective Optimization for Curing Process of Thermosetting Prepreg |
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 | ||
| C41 | Transfer of patent application or patent right or utility model | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20151229 Address after: 523651 Jinlong Industrial Zone, third village, Qingxi Town, Guangdong, Dongguan Patentee after: Dongguan Fuli Environmental Protection Co., Ltd. Address before: Yudaojie Baixia District of Nanjing City, Jiangsu Province, No. 29 210016 Patentee before: Nanjing University of Aeronautics and Astronautics |
|
| CP03 | Change of name, title or address |
Address after: 523000 Xinglong Road, Qingxi Town, Dongguan, Guangdong Province, No. 3 Patentee after: Guangdong Fuli environmental protection and energy saving Polytron Technologies Inc Address before: 523651 Jinlong Industrial Area, three middle village, Qingxi Town, Dongguan, Guangdong Patentee before: Dongguan Fuli Environmental Protection Co., Ltd. |
|
| CP03 | Change of name, title or address | ||
| CP03 | Change of name, title or address |
Address after: 523000 Xinglong Road, Qingxi Town, Dongguan, Guangdong Province, No. 3 Patentee after: Guangdong Fuli environmental protection and energy saving Polytron Technologies Inc Address before: 523651 Jinlong Industrial Zone, Qingxi Town, Dongguan, Guangdong Patentee before: Dongguan Fuli Environmental Protection Co., Ltd. |
|
| CP03 | Change of name, title or address |