CN109624187B - 一种记忆海绵发泡过程的质量监控方法 - Google Patents
一种记忆海绵发泡过程的质量监控方法 Download PDFInfo
- Publication number
- CN109624187B CN109624187B CN201811344141.XA CN201811344141A CN109624187B CN 109624187 B CN109624187 B CN 109624187B CN 201811344141 A CN201811344141 A CN 201811344141A CN 109624187 B CN109624187 B CN 109624187B
- Authority
- CN
- China
- Prior art keywords
- foaming
- parameters
- memory sponge
- sponge
- quality
- 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
Images
Classifications
-
- 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
- B29C44/00—Shaping by internal pressure generated in the material, e.g. swelling or foaming ; Producing porous or cellular expanded plastics articles
- B29C44/34—Auxiliary operations
- B29C44/60—Measuring, controlling or regulating
Landscapes
- Casting Or Compression Moulding Of Plastics Or The Like (AREA)
- Investigating Strength Of Materials By Application Of Mechanical Stress (AREA)
Abstract
本发明涉及一种记忆海绵发泡过程的质量监控方法,其特征在于:所述方法包括如下步骤:设置一在线参数采集系统,在线参数采集系统包括设置在记忆海绵发泡设备的各机构上的数据采集通讯模块,在线参数采集系统通过数据采集模块采集海绵发泡设备的记忆海绵发泡过程工艺参数;采集某发泡批次中记忆海绵发泡过程工艺参数,设置一质检系统,通过质检系统检测海绵发泡设备生产出的记忆海绵性能参数;将所述发泡过程参数X和当前记忆海绵质量参数Y建立在线实时监控模型Y=F(X);利用在线实时监控模型进行实时质量监控并进行工艺调整。
Description
技术领域
本发明涉及一种海绵发泡方法,特别涉及一种记忆海绵发泡过程的质量监控方法。
背景技术
记忆海绵是聚氨酯泡沫塑料的一种,属于软质聚氨酯泡沫塑料,因其有多孔状蜂窝的结构,所以具有优良的柔软性、弹性、吸水性、耐水性的特点,被广泛应用于沙发、床垫、服装及软包装等行业。传统记忆海绵发泡可以通过机器自动发泡和手工发泡,不管哪种发泡方式,都会因参数无法预先知道而控制不精确,导致生产记忆海绵材料密度低、弹性小、强度不大,多采用实验的办法,来寻找最佳参数,不仅造成原材料浪费且效率低。
记忆海绵发泡过程参数繁多且相互影响,主要参数包括环境参数、注射参数、发泡参数、操作参数和原料配比参数等, 由于各个参数之间关系错综复杂,所以有时不敢轻易地修改参数,或一旦修改,要经过很多实验磨合,调整其他参数,才能将结果调到比较稳定的状态,不仅造成原材料浪费,而且效率低。因此,快速、准确找到发泡过程的最佳参数具有很高的工程应用价值,降低生产成本,提高企业竞争力。
发明内容
本发明要解决的技术问题是提供一种能够可以高效为记忆海绵发泡过程提供最佳参数且计算速度快的记忆海绵发泡过程的质量监控方法。
为解决上述技术问题,本发明的技术方案为:一种记忆海绵发泡过程的质量监控方法,其特征在于:所述方法包括如下步骤:
(1)设置一在线参数采集系统,在线参数采集系统包括设置在记忆海绵发泡设备的各机构上的数据采集通讯模块,在线参数采集系统通过数据采集通讯模块采集海绵发泡设备的记忆海绵发泡过程工艺参数;
(2)采集某发泡批次中记忆海绵发泡过程工艺参数,工艺参数包括环境参数组、注射工艺参数组、发泡工艺参数组、原料参数组;
环境参数组包括X e1外界温度、X e2外界湿度,环境参数组标记为X en,X en=[X e1, X e2];
注射工艺参数组包括X H1注射压力、X H2循环压力、X H3循环温度、X H4注射流量、X H5注射时间、X H6搅拌头旋转速度、X H7搅拌头规格、X H8混合腔规格、X H9注射高度、X H10注射位置和X H11模具旋转速度,注射工艺参数组记为X H,X H=[X H1, X H2, X H3, X H4, X H5, X H6, X H7, X H8,X H9, X H10, X H11];
发泡工艺参数组包括X S1加热温度、X S2加热时间、X S3熟化温度和X S4熟化时间,发泡工艺参数组标记为X S,X S=[X S1,X S2,X S3,X S4]
原料参数组包括X T1原料配比、X T2原料指标,原料参数组标记为X T,X T=[X T1,X T2];
工艺参数记作X,X=[X f,X H,X S,X T];
(3)设置一质检系统,通过质检系统检测海绵发泡设备生产出的记忆海绵性能参数;
采集与步骤(2)中相同发泡批次中记忆海绵发泡的性能参数,性能参数包括Y d密度、Y s密度分布、Y l拉伸强度及Y v透气率,性能参数记作Y,Y=[Y d,Y s,Y l,Y v];
(4)将所述工艺参数X和当前性能参数Y建立在线实时监控模型Y=F(X);
(5)进行实时质量监控:
采集新发泡批次中记忆海绵发泡过程工艺参数,记作x new,将参数x new传输给在线实时监控模型Y=F(X),根据F:x→y,输出得到记忆海绵发泡质量值y new ;
并将该记忆海绵发泡质量值y new 传输给质检系统,当所述质检系统获得记忆海绵发泡质量值y new 后,根据与记忆海绵发泡质量预设值y0范围的对比,对后面批次的记忆海绵发泡过程进行相应的工艺调整;根据产品等级设定记忆海绵发泡质量预设值y0范围,优等品预设值范围为预设值y0±5%。
优选的,所述记忆海绵发泡过程的质量监控模型具体为:
(4.1)首先采集多批次已发泡完成记忆海绵的过程参数,建立数据库,原始参数包括发泡工艺参数和环境参数,且规定参数对应的自变量X={x i,1,x i,2, x i,3,··, x i,j} k ,其中k=1:n,i为所有参数数量,即为环境参数组、注射工艺参数组、发泡工艺参数组、原料参数组所有参数数量总和,n为建立模型所需样本数;
(4.2)采集已发泡完成的记忆海绵的质量参数,原始参数包括密度、密度分布、拉伸强度及透气率等主要参数,且规定记忆海绵的质量参数Y={y 1, y 2, y 3,··,y j } k ,其中k=1:n,j为参数种类数量,n表示建模所需样本数量;
(4.3)先对原始样本(X, Y)进行归一化处理,得到(X 0, Y 0);
(4.4)通过偏最小二乘回归的方法进行潜变量U和T的提取,同时也对原始样本中包含的噪声信息进行剔除;通过对所述潜变量U和T进行非线性回归,得到模型U=F(T);
其中,采用偏最小二乘回归算法在X 0, Y 0之间建立模型:
偏最小二乘回归算法建立模型是基于X,Y的主成分分解,其形式:
由于自变量X是T的线性组合,因变量Y是T的线性组合,根据所述获得的模型U=F(T),获取所述记忆海绵发泡过程的在线实时监控模型Y=F(X)。
优选的,当有一组新的数据(X ns, Y ns)可用时,其中ns=1,2,3,…,对新的数据(X ns,Y ns)进行归一化处理,将归一化处理后的数据添加到原始样本中,对更新后的原始样本进行归一化处理,重新执行步骤(4)。
本发明的优点在于:
(1)应用本发明可以实现快速、准确地确认记忆海绵发泡过程的参数,这样大大的缩短了样本分析的时间,可以根据所得结果及时的对原料配比及工艺过程进行调整,降低次品率,从而降低生产成本;
(2)由于该方法的应用,大大提高原料的利用率,节省了大量人工成本,减少工人的劳动力量,效率高速度快;且该发明所用的算法充分考虑自变量相互之间、自变量和因变量之间的非线性关系,使得计算结果更加准确。
附图说明
图1为本发明质量监控方法的流程图。
具体实施方式
如图1所示,本发明的记忆海绵发泡过程的质量监控方法包括如下步骤:
(1)设置一在线参数采集系统,在线参数采集系统包括设置在记忆海绵发泡设备的各机构上的数据采集通讯模块,在线参数采集系统通过数据采集通讯模块采集海绵发泡设备的记忆海绵发泡过程工艺参数;
(2)采集某发泡批次中记忆海绵发泡过程工艺参数,工艺参数包括环境参数组、注射工艺参数组、发泡工艺参数组、原料参数组;
环境参数组包括X e1外界温度、X e2外界湿度,环境参数组标记为X e,X e=[X e1, X e2];
注射工艺参数组包括X H1注射压力、X H2循环压力、X H3循环温度、X H4注射流量、X H5注射时间、X H6搅拌头旋转速度、X H7搅拌头规格、X H8混合腔规格、X H9注射高度、X H10注射位置和X H11模具旋转速度,注射工艺参数组记为X H,X H=[X H1, X H2, X H3, X H4, X H5, X H6, X H7, X H8,X H9, X H10, X H11];
发泡工艺参数组包括X S1加热温度、X S2加热时间、X S3熟化温度和X S4熟化时间,发泡工艺参数组标记为X S,X S=[X S1,X S2,X S3,X S4]
原料参数组包括X T1原料配比、X T2原料指标,原料参数组标记为X T,X T=[X T1,X T2];
工艺参数记作X,X=[X f,X H,X S,X T];
(3)设置一质检系统,通过质检系统检测海绵发泡设备生产出的记忆海绵性能参数;
采集与步骤(2)中相同发泡批次中记忆海绵发泡的性能参数,性能参数包括Y d密度、Y s密度分布、Y l拉伸强度及Y v透气率,性能参数记作Y,Y=[Y d,Y s,Y l,Y v];
(4)将所述工艺参数X和当前性能参数Y建立在线实时监控模型Y=F(X);
(5)进行实时质量监控:
采集新发泡批次中记忆海绵发泡过程工艺参数,记作x new,将参数x new传输给在线实时监控模型Y=F(X),根据F:x→y,输出得到记忆海绵发泡质量值y new ;
并将该记忆海绵发泡质量值y new 传输给质检系统,当所述质检系统获得记忆海绵发泡质量值y new 后,根据与记忆海绵发泡质量预设值y0范围的对比,对后面批次的记忆海绵发泡过程进行相应的工艺调整;根据产品等级设定记忆海绵发泡质量预设值y0范围,优等品预设值范围为预设值y0±5%。当然,具体范围可以根据实际情况进行调整。
其中,记忆海绵发泡过程的质量监控模型具体为:
(4.1)首先采集已发泡完成记忆海绵的过程参数,建立数据库,原始参数包括发泡工艺参数和环境参数,且规定参数对应的自变量X={x i,1,x i,2, x i,3,··, x i,j} k ,其中k=1:n,i为所有参数数量,即为环境参数组、注射工艺参数组、发泡工艺参数组、原料参数组等所有参数数量总和,n为建立模型所需样本数;
(4.2)采集已发泡完成的记忆海绵的质量参数,原始参数包括密度、密度分布、拉伸强度及透气率,且规定记忆海绵的质量参数Y={y 1, y 2, y 3,··,y j } k ,其中k=1:n,j为参数种类数量,n表示建模所需样本数量;
(4.3)先对原始样本(X, Y)进行归一化处理,得到(X 0, Y 0);
(4.4)通过偏最小二乘回归的方法进行潜变量U和T的提取,同时也对原始样本中包含的噪声信息进行剔除;通过对所述潜变量U和T进行非线性回归,得到模型U=F(T);
其中,采用偏最小二乘回归算法在X 0, Y 0之间建立模型:
偏最小二乘回归算法建立模型是基于X,Y的主成分分解,其形式:
由于自变量X是T的线性组合,因变量Y是T的线性组合,根据所述获得的模型U=F(T),获取所述记忆海绵发泡过程的在线实时监控模型Y=F(X)。
当有一组新的数据(X ns, Y ns)可用时,其中ns=1,2,3,…,对新的数据(X ns, Y ns)进行归一化处理,将归一化处理后的数据添加到原始样本中,对更新后的原始样本进行归一化处理,重新执行步骤(4)。
Claims (3)
1.一种记忆海绵发泡过程的质量监控方法,其特征在于:所述方法包括如下步骤:
(1)设置一在线参数采集系统,在线参数采集系统包括设置在记忆海绵发泡设备的各机构上的数据采集通讯模块,在线参数采集系统通过数据采集模块采集海绵发泡设备的记忆海绵发泡过程工艺参数;
(2)采集某发泡批次中记忆海绵发泡过程工艺参数,工艺参数包括环境参数组、注射工艺参数组、发泡工艺参数组、原料参数组;
环境参数组包括X e1外界温度、X e2外界湿度,环境参数组标记为X en,X en=[X e1, X e2];
注射工艺参数组包括X H1注射压力、X H2循环压力、X H3循环温度、X H4注射流量、X H5注射时间、X H6搅拌头旋转速度、X H7搅拌头规格、X H8混合腔规格、X H9注射高度、X H10注射位置和X H11模具旋转速度,注射工艺参数组记为X H,X H=[X H1, X H2, X H3, X H4, X H5, X H6, X H7, X H8, X H9,X H10, X H11];
发泡工艺参数组包括X S1加热温度、X S2加热时间、X S3熟化温度和X S4熟化时间,发泡工艺参数组标记为X S,X S=[X S1,X S2,X S3,X S4]
原料参数组包括X T1原料配比、X T2原料指标,原料参数组标记为X T,X T=[X T1,X T2];
工艺参数记作X,X=[X en,X H,X S,X T];
(3)设置一质检系统,通过质检系统检测海绵发泡设备生产出的记忆海绵性能参数;
采集与步骤(2)中相同发泡批次中记忆海绵发泡的性能参数,性能参数包括Y d密度、Y s密度分布、Y l拉伸强度及Y v透气率,性能参数记作Y,Y=[Y d,Y s,Y l,Y v];
(4)将所述工艺参数X和当前性能参数Y建立在线实时监控模型Y=F(X);
(5)进行实时质量监控:
采集新发泡批次中记忆海绵发泡过程工艺参数,记作x new,将参数x new传输给在线实时监控模型Y=F(X),根据F:x→y,输出得到记忆海绵发泡质量值y new ;
并将该记忆海绵发泡质量值y new 传输给质检系统,当所述质检系统获得记忆海绵发泡质量值y new 后,根据与记忆海绵发泡质量预设值y0范围的对比,对后面批次的记忆海绵发泡过程进行相应的工艺调整;根据产品等级设定记忆海绵发泡质量预设值y0范围,优等品预设值范围为预设值y0±5%。
2.根据权利要求1所述的记忆海绵发泡过程的质量监控方法,其特征在于:所述记忆海绵发泡过程的质量监控模型具体为:
(4.1)首先采集多批次已发泡完成记忆海绵的过程参数,建立数据库,原始参数包括发泡工艺参数和环境参数,且规定参数对应的自变量X={x i,1,x i,2, x i,3,··, x i,j} k ,其中k=1:n,i为所有参数数量,即为环境参数组、注射工艺参数组、发泡工艺参数组、原料参数组所有参数数量总和,n为建立模型所需样本数;
(4.2)采集已发泡完成的记忆海绵的质量参数,原始参数包括密度、密度分布、拉伸强度及透气率主要参数,且规定记忆海绵的质量参数Y={y 1, y 2, y 3,··,y j } k ,其中k=1:n,j为参数种类数量,n表示建模所需样本数量;
(4.3)先对原始样本(X, Y)进行归一化处理,得到(X 0, Y 0);
(4.4)通过偏最小二乘回归的方法进行潜变量U和T的提取,同时也对原始样本中包含的噪声信息进行剔除;通过对所述潜变量U和T进行非线性回归,得到模型U=F(T);
其中,采用偏最小二乘回归算法在X 0, Y 0之间建立模型:
偏最小二乘回归算法建立模型是基于X,Y的主成分分解,其形式:
由于自变量X是T的线性组合,因变量Y是T的线性组合,根据所述获得的模型U=F(T),获取所述记忆海绵发泡过程的在线实时监控模型Y=F(X)。
3.根据权利要求1所述的记忆海绵发泡过程的质量监控方法,其特征在于:当有一组新的数据(X ns, Y ns)可用时,其中ns=1,2,3,…,对新的数据(X ns, Y ns)进行归一化处理,将归一化处理后的数据添加到原始样本中,对更新后的原始样本进行归一化处理,重新执行步骤(4)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811344141.XA CN109624187B (zh) | 2018-11-13 | 2018-11-13 | 一种记忆海绵发泡过程的质量监控方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811344141.XA CN109624187B (zh) | 2018-11-13 | 2018-11-13 | 一种记忆海绵发泡过程的质量监控方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109624187A CN109624187A (zh) | 2019-04-16 |
CN109624187B true CN109624187B (zh) | 2021-03-05 |
Family
ID=66067762
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811344141.XA Active CN109624187B (zh) | 2018-11-13 | 2018-11-13 | 一种记忆海绵发泡过程的质量监控方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109624187B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117067491B (zh) * | 2023-10-16 | 2024-01-30 | 广州亚伊汽车零部件有限公司 | 一种慢回弹发泡材料及其制备方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1460057A (zh) * | 2001-03-29 | 2003-12-03 | 铃木工业株式会社 | 发泡成型体的制造装置及制造方法和所获得的发泡成型体 |
CN1810485A (zh) * | 2004-12-11 | 2006-08-02 | 拜尔材料科学股份公司 | 用于在连续发泡工艺中生产泡沫材料的方法和设备 |
CN101365571A (zh) * | 2005-11-30 | 2009-02-11 | 东丽株式会社 | 薄片制造方法及薄片制造装置 |
CN101932625A (zh) * | 2009-01-14 | 2010-12-29 | 东洋橡胶工业株式会社 | 发泡法硬质聚氨酯泡沫的制造装置 |
CN205704979U (zh) * | 2016-05-10 | 2016-11-23 | 广东瑞森联信科技有限公司 | 一种新型塑料发泡挤出成型自动控制系统 |
-
2018
- 2018-11-13 CN CN201811344141.XA patent/CN109624187B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1460057A (zh) * | 2001-03-29 | 2003-12-03 | 铃木工业株式会社 | 发泡成型体的制造装置及制造方法和所获得的发泡成型体 |
CN1810485A (zh) * | 2004-12-11 | 2006-08-02 | 拜尔材料科学股份公司 | 用于在连续发泡工艺中生产泡沫材料的方法和设备 |
CN101365571A (zh) * | 2005-11-30 | 2009-02-11 | 东丽株式会社 | 薄片制造方法及薄片制造装置 |
CN101932625A (zh) * | 2009-01-14 | 2010-12-29 | 东洋橡胶工业株式会社 | 发泡法硬质聚氨酯泡沫的制造装置 |
CN205704979U (zh) * | 2016-05-10 | 2016-11-23 | 广东瑞森联信科技有限公司 | 一种新型塑料发泡挤出成型自动控制系统 |
Also Published As
Publication number | Publication date |
---|---|
CN109624187A (zh) | 2019-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE112006002918B4 (de) | Verfahren, System sowie computerlesbare Programmspeichereinrichtung für eine produktbezogene Rückkopplung für Prozesssteuerung | |
CN109624187B (zh) | 一种记忆海绵发泡过程的质量监控方法 | |
CN103737878B (zh) | 一种注塑缺陷在线修正方法及注塑机 | |
US5216617A (en) | Group management system for injection molding machines | |
Dulieu‐Barton et al. | Mechanical properties of a typical stereolithography resin | |
CN105494033B (zh) | 一种基于作物需求的智能节水灌溉方法 | |
CN106843172A (zh) | 基于jy‑kpls的复杂工业过程在线质量预测方法 | |
CN109063275A (zh) | 基于feap的三维多晶微观结构材料模型的构建方法 | |
CN105987775A (zh) | 一种基于bp神经网络的温度传感器非线性校正方法及系统 | |
CN105807632A (zh) | 一种基于改进大林算法的加热炉温度控制器设计方法 | |
CN103294844B (zh) | 用于流体混炼状态的模拟方法 | |
CN111898265B (zh) | 塑胶产品注塑工艺参数的确定方法及其系数库的建立方法 | |
CN113021818A (zh) | 一种具有自动脱料功能的注射模具的控制系统 | |
CN108919752B (zh) | 一种胎面制品压出生产线的数据分析处理系统和方法 | |
CN109189112A (zh) | 一种张紧辊带钢张力滑模控制方法及控制装置 | |
CN113349267A (zh) | 一种智能调节红茶发酵室环境的方法及系统 | |
CN111024929A (zh) | 一种基于径向基神经网络的自密实混凝土强度预测方法 | |
CN106909130A (zh) | 一种乳胶浸渍制品自动化生产线及生产工艺 | |
CN208581642U (zh) | 一种作物的全生长周期肥水灌溉系统装置 | |
CN112497693A (zh) | 一种覆膜垫板的制备方法及系统 | |
EP1253492B1 (de) | Hybridmodell und Verfahren zur Bestimmung von Eigenschaften hinsichtlich der Herstellung eines Spritzgiessformteils | |
CN108424614A (zh) | 一种用于3d打印的糊状代木材料及其3d打印方法 | |
CN108327450A (zh) | 一种立体沙画的制作方法 | |
CN116739351B (zh) | 一种基于人工智能的硅藻泥管理系统及其方法 | |
CN107239608B (zh) | 一种基于数学模型的高强度琼胶生产方法及其应用 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |