CN114986833B - 一种动态调控的注塑方法、系统、装置及介质 - Google Patents
一种动态调控的注塑方法、系统、装置及介质 Download PDFInfo
- Publication number
- CN114986833B CN114986833B CN202210630885.8A CN202210630885A CN114986833B CN 114986833 B CN114986833 B CN 114986833B CN 202210630885 A CN202210630885 A CN 202210630885A CN 114986833 B CN114986833 B CN 114986833B
- Authority
- CN
- China
- Prior art keywords
- injection molding
- parameters
- parameter
- condition
- determining
- 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
- 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
- B29C45/80—Measuring, controlling or regulating of relative position of mould parts
-
- 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
- B29C45/78—Measuring, controlling or regulating of temperature
-
- 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
- B29C2945/76344—Phase or stage of measurement
-
- 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
- B29C2945/76451—Measurement means
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Mechanical Engineering (AREA)
- Injection Moulding Of Plastics Or The Like (AREA)
Abstract
本说明书实施例提供一种动态调控的注塑方法、系统、装置及介质,该方法包括:以模具参数和材料参数为条件参数确定条件向量,通过向量距离确定参考条件向量,并以参考条件向量对应的第一注塑参数为目标注塑参数进行试注,从而确定生产注塑参数。
Description
技术领域
本说明书涉及注塑机及其调控方法领域,特别涉及一种动态调控的注塑方法、系统、装置及介质。
背景技术
注塑是一种常见的工业生产技术,通常用于对热塑性材料或热固性材料塑化熔融后经成型模具加工成各种塑料制品。随着注塑制品在生活中的广泛使用,注塑行业的不断发展以及注塑制品的推陈出新,人们开始更加关注制品的质量。注塑加工时,材料特性、模具温度、注塑温度等注塑条件有时会发生变化,为了确保注塑制品的质量,相应地,注塑参数也需要及时调整。
因此,希望提供一种动态调控的注塑方法、系统、装置及介质,以实现动态调控注塑参数,提高注塑制品的质量。
发明内容
本说明书一个或多个实施例提供一种动态调控的注塑方法,所述方法包括:基于条件参数,确定目标注塑参数,所述条件参数包括模具参数和材料参数;基于所述目标注塑参数进行试注,基于试注结果确定生产注塑参数。
在一些实施例中,所述确定目标注塑参数包括:基于所述条件参数确定条件向量;基于所述条件向量通过向量距离确定参考条件向量;基于所述参考条件向量对应的第一注塑参数确定所述目标注塑参数。
本说明书一个或多个实施例提供一种动态调控的注塑系统,所述系统包括:目标注塑参数确定模块和生产注塑参数模块。所述目标注塑参数确定模块用于基于条件参数,确定目标注塑参数,所述条件参数包括模具参数和材料参数;所述生产注塑参数模块用于基于所述目标注塑参数进行试注,基于试注结果确定生产注塑参数。
在一些实施例中,所述确定目标注塑参数包括:基于所述条件参数确定条件向量;基于所述条件向量通过向量距离确定参考条件向量;基于所述参考条件向量对应的第一注塑参数确定所述目标注塑参数。
本说明书一个或多个实施例提供了一种动态调控的注塑装置,所述装置包括至少一个储存介质和至少一个处理器,所述至少一个储存介质用于储存计算机指令;所述至少一个处理器用于执行所述计算机指令以实现如前述的动态调控的注塑方法。
本说明书一个或多个实施例提供一种计算机可读存储介质,所述存储介质存储计算机指令,当计算机读取存储介质中的计算机指令后,计算机执行如前述的动态调控的注塑方法。
附图说明
本说明书将以示例性实施例的方式进一步说明,这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的,在这些实施例中,相同的编号表示相同的结构,其中:
图1是根据本说明书一些实施例所示的动态调控的注塑系统的应用场景示意图;
图2是根据本说明书一些实施例所示的动态调控的注塑系统的示例性框图;
图3是根据本说明书一些实施例所示的动态调控的注塑方法的示例性流程图;
图4是根据本说明书一些实施例所示的确定目标注塑参数方法的示例性流程图;
图5是根据本说明书一些实施例所示的更新目标注塑参数方法的示例性流程图。
具体实施方式
为了更清楚地说明本说明书实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地,下面描述中的附图仅仅是本说明书的一些示例或实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明,图中相同标号代表相同结构或操作。
应当理解,本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而,如果其他词语可实现相同的目的,则可通过其他表达来替换所述词语。
如本说明书和权利要求书中所示,除非上下文明确提示例外情形,“一”、“一个”、“一种”和/或“该”等词并非特指单数,也可包括复数。一般说来,术语“包括”与“包含”仅提示包括已明确标识的步骤和元素,而这些步骤和元素不构成一个排它性的罗列,方法或者设备也可能包含其它的步骤或元素。
本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是,前面或后面操作不一定按照顺序来精确地执行。相反,可以按照倒序或同时处理各个步骤。同时,也可以将其他操作添加到这些过程中,或从这些过程移除某一步或数步操作。
图1是根据本说明书一些实施例所示的动态调控的注塑系统的应用场景示意图。
如图1所示,在一些实施中,应用场景100可以包括服务器110、网络120、数据采集装置130、注塑机140和存储设备150。
在一些实施例中,应用场景100可以通过实施本说明书中披露的动态调控的注塑方法和/或系统来确定生产注塑参数。例如,在一个典型的应用场景中,当需要确定生产注塑参数时,通过数据采集装置130获取条件参数。然后将条件参数发送服务器110。服务器110基于所述条件参数确定条件向量。服务器110基于条件向量通过向量距离确定参考条件向量。服务器110基于参考条件向量对应的第一注塑参数确定目标注塑参数。服务器110基于目标注塑参数进行试注,基于试注结果确定生产注塑参数。从而从大量数据中找到与当前生产中的注塑模具和塑性材料更加匹配的第一注塑参数,用于后续模型预测精确预测目标注塑参数,进而快速精确确定生产注塑参数,用于注塑制品生产,省去了大量的试注过程,保证注塑制品的质量以及效率。
在一些实施例中,服务器110可以用于处理与应用场景100有关的信息和/或数据。例如,服务器110可以基于条件参数,确定目标注塑参数,所述条件参数包括模具参数和材料参数。又例如,服务器110可以基于目标注塑参数进行试注,基于试注结果确定生产注塑参数。又例如,服务器110可以基于条件参数确定条件向量。基于条件向量通过向量距离确定参考条件向量。基于参考条件向量对应的第一注塑参数确定所述目标注塑参数。在一些实施例中,服务器110可以是单一服务器或服务器组。该服务器组可以是集中式或分布式的,可以是专用的也可以由其他设备或系统同时提供服务。在一些实施例中,服务器110可以是区域的或者远程的。在一些实施例中,服务器110可以在云平台上实施,或者以虚拟方式提供。
在一些实施例中,服务器110可以包括处理设备。处理设备可以处理从其他设备或系统组成部分中获得的数据和/或信息。处理设备可以基于这些数据、信息和/或处理结果执行程序指令,以执行本申请中描述的一个或多个功能。
在一些实施例中,网络120可以促进信息和/或数据的交换。在一些实施例中,应用场景100的一个或以上组件(例如,服务器110、网络120、数据采集装置130、注塑机140和存储设备150)可以经由网络120将信息和/或数据发送至应用场景100的其他组件。例如,注塑机140可以从服务器110上获取生产注塑参数。
在一些实施例中,数据采集装置130可以用于采集数据。数据采集装置130可以包括但不限于照相机130-1、缝隙粘度计130-2、温度采集装置130-3、阻力采集装置、压力采集装置等。在一些实施例中,照相机130-1可以获取已生产完成塑料制品的图像。缝隙粘度计130-2可以用于采集塑性材料在不同温度下的粘性。温度采集装置130-3可以用于采集模具外壁温度。在一些实施例中,温度采集装置130-3可以包括温度计、红外温度传感器、热电阻、热电偶等设备。阻力采集装置可以用于采集注塑模具内塑性材料的阻力,以反映塑性材料的流动性。在一些实施例中,阻力采集装置可以为喷嘴传感器。压力采集装置可以用于采集注塑模具内塑性材料的压力。压力采集装置可以为压力传感器。
注塑机140为将热塑性塑料或热固性塑料利用塑料成型模具制成各种形状的塑料制品的仪器。在一些实施例中,注塑机140可以获取服务器110输出的生产注塑参数,如模具参数、材料参数等。注塑机140可以根据上述生产注塑参数进行工作,生产出满足要求的塑料制品,确保注塑制品的质量。
在一些实施例中,存储设备150可以用于存储数据和/或指令。在一些实施例中,存储设备150可以存储从数据采集装置130获取的数据。在一些实施例中,存储设备150可以存储注塑机的相关信息。例如,注塑机上模具的壁厚、模具的材料等数据。在一些实施例中,存储设备150可以储存服务器110用来执行或使用来完成本申请中描述的示例性方法的数据及/或指令。在一些实施例中,存储设备150可在云平台上实现。
在一些实施例中,存储设备150可连接到网络120,以与应用场景100的一个或以上组件(例如,服务器110、网络120、数据采集装置130和注塑机140)通信。应用场景100的一个或以上组件可以经由网络120访问存储设备150中存储的数据或指令。在一些实施例中,存储设备150可以与应用场景100的一个或以上组件直接连接或者进行通信。在一些实施例中,存储设备160可以是服务器110的一部分。
图2是根据本说明书一些实施例所示的动态调控的注塑系统的示例性框图。
本说明书中的一些实施例提出了一种动态调控的注塑系统,如图2所示,包括目标注塑参数确定模块210和生产注塑参数模块220。
目标注塑参数确定模块210可以用于基于条件参数,确定目标注塑参数,所述条件参数包括模具参数和材料参数。
在一些实施例中,确定目标注塑参数可以用于基于所述条件参数确定条件向量;基于所述条件向量通过向量距离确定参考条件向量;基于所述参考条件向量对应的第一注塑参数确定所述目标注塑参数。
在一些实施例中,目标注塑参数确定模块210可以用于基于多个第二注塑参数中每个第二注塑参数,结合所述条件参数,通过第一预测模型预测飞边参数和短射率参数,以确定用于试注的所述目标注塑参数。
在一些实施例中,第一预测模型为机器学习模型。
多个第二注塑参数可以通过多种方式确定。在一些实施例中,多个第二注塑参数基于所述第一注塑参数确定。在一些具体实施例中,多个第二注塑参数由所述第一注塑参数通过正交法确定。
生产注塑参数模块220可以用于基于所述目标注塑参数进行试注,基于试注结果确定生产注塑参数。
在一些实施例中,生产注塑参数模块220可以基于部分试注结果,更新所述目标注塑参数。
应当理解,图2所示的系统及其模块可以利用各种方式来实现。需要注意的是,以上对于动态调控的注塑系统及其模块的描述,仅为描述方便,并不能把本说明书限制在所举实施例范围之内。可以理解,对于本领域的技术人员来说,在了解该系统的原理后,可能在不背离这一原理的情况下,对各个模块进行任意组合,或者构成子系统与其他模块连接。在一些实施例中,图2中披露的目标注塑参数确定模块和生产注塑参数模块可以是一个系统中的不同模块,也可以是一个模块实现上述的两个或两个以上模块的功能。例如,各个模块可以共用一个存储模块,各个模块也可以分别具有各自的存储模块。诸如此类的变形,均在本说明书的保护范围之内。
图3是根据本说明书一些实施例所示的动态调控的注塑方法的示例性流程图。
在一些实施例中,流程300可以由系统200或服务器110执行。如图3所示,流程300包括下述步骤。
步骤310,基于条件参数,确定目标注塑参数,所述条件参数包括模具参数和材料参数。在一些实施例中,步骤310可以由目标注塑参数确定模块210执行。
条件参数是指与生产塑料制品相关的参数。在一些实施例中,条件参数可以包括模具参数和材料参数。
模具参数可以是指用于生产塑料制品的模具参数。在一些实施例中,模具参数可以包括模具的壁厚、模具的材料等中的一种或多种。
材料参数可以是指塑性材料在不同温度以及受到不同压力时的粘性。在一些实施例中,模具参数和材料参数可以通过数据采集装置130或者存储设备150获取。
注塑参数可以指注塑生产时所采用的工艺参数,如,注塑参数可以包括:熔融温度、模具温度、填充速度、填充压力、填充时间等。目标注塑参数是指预测的能够生产出满足预设质量指标的合格塑料制品的注塑参数。
质量指标可以是指合格塑料制品需要满足的质量要求,例如,预设质量指标可以包括塑料制品的飞边率、短射率需要满足的预设指标。飞边率是指生产完成的预设数量的塑料制品中出现飞边的塑料制品的数量占预设数量的塑料制品的比值。飞边可以是指塑料制品出现溢边、披锋、毛刺等现象。短射率是指生产完成的预设数量的塑料制品中出现短射的塑料制品的数量占预设数量的塑料制品的比值。短射可以是指塑料制品出现欠注、充填不足、制件不满等现象。
在一些实施例中,目标注塑参数确定模块210可以通过多种方式实现基于条件参数,确定目标注塑参数。
在一些实施例中,目标注塑参数确定模块210可以先基于条件参数确定条件向量,再基于条件向量与已知注塑参数对应的已知条件向量间的向量匹配,以确定与条件向量最近似的已知条件向量,并基于已知条件向量对应的已知注塑参数确定目标注塑参数。
条件向量是指基于条件参数构建的向量,例如,基于条件参数(x,y,m,n,k)构建的条件向量p,其中,条件参数(x,y,m,n,k)可以表示待生产的塑料制品的模具的壁厚为x、模具的材料为y,其塑性材料在温度为m摄氏度且受到的压力为n帕时粘性为k。
在一些实施例中,目标注塑参数确定模块210可以将待确定目标注塑参数的条件向量作为待测条件向量,然后将待测条件向量与模型库中存储条件向量进行比较或匹配。
模型库是指存储有一个或多个不同塑料制品在不同条件参数下对应的最佳注塑参数的数据库,其中,不同条件参数可以基于不同的条件向量进行表示,最佳注塑参数可以理解为满足预设要求的注塑参数,如生产出满足质量要求的塑料制品的前提下,生产速度最快的注塑参数或能耗最低的注塑参数等。模型库可以通过人工收集一个或多个不同塑料制品在不同条件向量下对应的所有最佳注塑参数,从而建立模型库。
仅作为示例的,目标注塑参数确定模块210基于待生产的塑料制品对应的条件参数a可以构建对应的待测条件向量为c,且模型库中存储有已知对应的注塑参数的已知条件向量b和d,则可以将待测条件向量c与已知条件向量b和d进行比较。
在一些实施例中,目标注塑参数确定模块210可以基于待测条件向量,通过获取待测条件向量与已知条件向量的向量距离确定参考条件向量,并基于参考条件向量对应的第一注塑参数确定目标注塑参数。
参考条件向量是指可以作为确定目标注塑参数的参照的已知条件向量。
在一些实施例中,目标注塑参数确定模块210可以基于待生产的塑料制品对应的待测条件向量,计算该待测条件向量与模型库中的一个或多个已知条件向量的向量距离,然后将计算获得的模型库中与待测条件向量的距离最短的已知条件向量确定为参考条件向量,并基于该参考条件向量对应的第一注塑参数确定目标注塑参数。例如,若待测条件向量c与已知条件向量b和d对应的向量距离分别为cb和cd,且cb小于cd,则可以确定已知条件向量b为参考条件向量,且已知条件向量b对应的注塑参数即为第一注塑参数。基于第一注塑参数可以确定目标注塑参数。
第一注塑参数是指模型库中与参考条件向量对应的塑料制品的注塑参数。例如,第一注塑参数可以包括熔融温度、模具温度、填充速度、填充压力、填充时间等参数。
在一些实施例中,目标注塑参数确定模块210可以将第一注塑参数直接作为目标注塑参数。
在一些实施例中,目标注塑参数确定模块210还可以对第一注塑参数进行适应性处理后,并将处理得到的注塑参数作为目标注塑参数,具体说明请参见图4、5及其描述。
步骤320,基于目标注塑参数进行试注,基于试注结果确定生产注塑参数。在一些实施例中,步骤310可以由生产注塑参数模块220执行。
试注结果是指采用目标注塑参数作为注塑参数对塑性材料进行试注后获得的塑料制品的质量结果。生产注塑参数是指用于实际生产塑料制品时所用的注塑参数。
在一些实施例中,生产注塑参数模块220可以基于试注结果是否满足塑料制品的质量指标,来确定生产注塑参数。例如,如果试注结果满足塑料制品的质量指标,则可以将目标注塑参数作为生产注塑参数。
在本说明书的一些实施例中,基于条件参数确定的条件向量在模型库中检索,确定向量距离最近的参考条件向量,从而从大量数据中找到与当前生产中的模具和材料更加匹配的第一注塑参数,用于后续模型预测精确预测目标注塑参数,进而快速精确确定生产注塑参数,并将生产注塑参数用于注塑制品生产,省去了大量的试注过程,保证注塑制品的质量以及生产效率。
应当注意的是,上述有关流程300的描述仅仅是为了示例和说明,而不限定本说明书的适用范围。对于本领域技术人员来说,在本说明书的指导下可以对流程300进行各种修正和改变。然而,这些修正和改变仍在本说明书的范围之内。
图4是根据本说明书一些实施例所示的确定目标注塑参数方法的示例性流程图。
在一些实施例中,流程400可以由目标注塑参数确定模块210或服务器110执行。
在一些实施例中,目标注塑参数确定模块210可以基于多个第二注塑参数中每个第二注塑参数,结合条件参数,通过第一预测模型预测第一飞边参数和第一短射率参数,以确定用于试注的所述目标注塑参数。在一些实施例中,第一预测模型为机器学习模型。在一些实施例中,多个第二注塑参数可以基于第一注塑参数确定。
第二注塑参数可以是指基于第一注塑参数确定的注塑参数。
在一些实施例中,目标注塑参数确定模块210可以对第一注塑参数进行左右扩大或缩小预设值,确定第二注塑参数。例如,在第一注塑参数的熔融温度的±5摄氏度范围内,每±1摄氏度对应产生一组第二注塑参数。
在一些实施例中,多个第二注塑参数可以由第一注塑参数通过正交法确定。
正交法是指使用已经建好的表格(正交表)来安排实验并进行数据分析的方法。
在一些实施例中,目标注塑参数确定模块210可以确定第一注塑参数对应的条件向量,然后将该条件向量与模型库中存储的条件向量进行比较,选取满足预设条件的模型库中存储的条件向量对应的n组注塑参数,然后将n组注塑参数中包含的模具的壁厚、模具的材料以及塑性材料的粘性之间进行组合,得到3n组不同的实验注塑参数,作为正交表,建立实验方案,其中,正交表的每一行依次代表模具的不同壁厚、模具的不同材料以及塑性材料的不同粘性,正交表的每一列代表一组注塑参数。预设条件可以是指第一注塑参数对应的条件向量与模型库中存储的条件向量之间的向量距离小于预设阈值。例如,预设条件可以是指第一注塑参数对应的条件向量与模型库中存储的条件向量之间的向量距离小于3厘米。目标注塑参数确定模块210可以采用模流分析软件进行注塑仿真,模拟正交表中的各组实验值,得到每组实验值对应的短射率和飞边率,生成多组实验数据。目标注塑参数确定模块210可以将各组实验值对应的短射率和飞边率中满足预设条件的短射率和飞边率对应的多个条件参数作为多个第二注塑参数。
在本说明书的一些实施例中,通过正交法可由少量数据获得大量的数据样本,以解决训练数据不足的问题。
第一飞边参数是指基于第二注塑参数和条件参数预测获得的基于该第二注塑参数对应生产出的产品的飞边率。第一短射率参数是指基于第二注塑参数和条件参数预测获得的基于该第二注塑参数对应生产出的产品的短射率。
第一预测模型可以用于预测第一飞边参数和第一短射率参数。在一些实施例中,第一预测模型可以包括卷积神经网络(Convolutional Neural Networks,CNN)、深度神经网络(Deep Neural Networks,DNN)或其组合得到的模型等。
在一些实施例中,第一预测模型为机器学习模型,第一预测模型可以通过训练获取。训练过程可以通过服务器110执行,其训练可以基于以下方法实现。
获取第一预测模型的训练样本及其标签。第一预测模型的训练样本可以为历史条件参数和多个历史注塑参数,标签可以为历史条件参数和多个历史注塑参数对应的历史飞边参数和历史短射率参数。在一些实施例中,标签可以通过网络从存储有历史条件参数和多个历史注塑参数对应的历史飞边参数和历史短射率参数的存储器150获取。在一些实施例中,标签也可以基于人工根据历史生产情况进行标定。
将多个带有标签的训练样本分别输入对应的初始第一预测模型。通过训练迭代更新初始第一预测模型的参数。当训练的模型满足预设条件时,训练结束,获取训练好的第一预测模型。在一些实施例中,预设条件可以是损失函数小于阈值、收敛,或训练周期达到阈值。
在一些实施例中,可以将多个第二注塑参数中每个第二注塑参数和对应的条件参数输入第一预测模型,第一预测模型输出第一飞边参数和第一短射率参数。
在一些实施例中,目标注塑参数确定模块210可以根据第一飞边参数和第一短射率参数是否满足预设条件,以确定用于试注的目标注塑参数。例如,若第一飞边率和第一短射率满足预设条件,则将第一飞边率和第一短射率对应的第二注塑参数作为用于试注的目标注塑参数。
在本说明书的一些实施例中,基于第一预测模型的预测结果,选择第一飞边参数和第一短射率参数满足预设条件的结果对应的第二注塑参数进行试注,可以减少试注次数,更快的确定适合当前注塑生产的生产注塑参数。
图5是根据本说明书一些实施例所示的更新目标注塑参数方法的示例性流程图。
在一些实施例中,流程500可以由生产注塑参数模块220或服务器110执行。
在一些实施例中,生产注塑参数模块220可以基于部分试注结果,更新目标注塑参数。例如,每试注一次,则更新一次目标注塑参数。
更新是指对目标注塑参数进行修正的过程,在一些实施例中,可以基于多次的试注结果,对目标注塑参数进行迭代更新。
在一些实施例中,生产注塑参数模块220可以基于预设关系对照表,更新目标注塑参数,其中,预设关系对照表记录有各种试注结果对应的目标注塑参数的调整方案,则可以基于每次的试注结果对照对目标注塑参数进行更新。
部分试注结果可以是指参照所获得的多组目标注塑参数,选取其中部分组目标注塑参数进行试生产得到的产品质量测试结果。在一些实施例中,生产注塑参数模块220可以在获得的多组目标注塑参数中,选取预测结果较好的几组目标注塑参数进行试注。选取标准可以是在保证产品质量符合标准的情况下,对应的能耗越低、生产速度越快的生产方案对应的目标注塑参数。
在一些实施例中,生产注塑参数模块220可以对多个第三注塑参数的每一个第三注塑参数,结合条件参数和部分试注结果,通过第二预测模型预测第二短射率参数和第二飞边参数,以更新目标注塑参数。在一些实施例中,第二预测模型为机器学习模型。在一些实施例中,部分试注结果可以包括已进行试注的目标注塑参数、过程参数和结果参数。
第三注塑参数可以是基于第一注塑参数或者是基于第二注塑参数确定的注塑参数。例如,可以将第一注塑参数作为第三注塑参数或者将基于第一注塑参数确定的第二注塑参数作为第三注塑参数。
过程参数是指试注过程中的各个测量点的参数。测量点是指用于测量过程参数在产品上预设的测量点位。在一些实施例中,过程参数可以包括试注过程中的各个测量点的注塑模具外壁温度、压力、速度、阻力、注塑材料在不同温度下的粘度等中的一种或多种。
在一些实施例中,生产注塑参数模块220可以根据距注塑机上喷嘴的距离设置过程数据测量点,其中,各参数对应的测量点可以相同。例如,距注塑机上喷嘴的距离为1厘米、2厘米、3厘米……n厘米的位置分别测量各参数。
在一些实施例中,注塑材料在不同温度下的粘度可以利用缝隙粘度计测量粘度。在一些实施例中,注塑模具外壁温度、注塑模具内塑性材料的压力、注塑速度和注塑模具内塑性材料的阻力可以通过在过程数据测量点设置对应的传感器,以获取各个测量点的对应参数。例如,在过程数据测量点设置温度传感器(例如,红外温度传感器),获取过程数据测量点的注塑模具外壁温度。又例如,在过程数据测量点设置喷嘴传感器,测量注塑模具内塑性材料的阻力,从而反映塑性材料的流动性。
结果参数是指试注产品的产品质量测试结果。在一些实施例中,结果参数可以包括试注产品的短射率和飞边率等。在一些实施例中,生产注塑参数模块220可以对已生产完成的塑料制品(即试注产品)拍摄图像。生产注塑参数模块220可以对拍摄图像进行图像识别,确定拍摄图像中的已生产完成的塑料制品。图像识别的方法可以包括但不限于结构图像识别方法、模糊图像识别方法等中的一种或多种。在一些实施例中,生产注塑参数模块220可以对已生产完成的塑料制品进行图像特征提取,得到飞边和短射情况,然后与标准产品进行对比,从而获得已生产完成的塑料制品的短射率和飞边率。
第二预测模型可以用于预测第二飞边参数和第二短射率参数。在一些实施例中,第二预测模型可以包括依次连接的过程数据嵌入层和预测层。可以将部分试注结果的过程参数及对应的结果参数输入过程数据嵌入层,过程数据嵌入层输出过程数据表示向量。再将过程数据表示向量、第三注塑参数和条件参数以及已经进行试注的目标注塑参数输入预测层,预测层输出表示产品质量的第二飞边参数和第二短射率参数。
在一些实施例中,预测层的输出还可以包括第三注塑参数的过程参数。
在一些实施例中,第二预测模型的过程数据嵌入层和预测层可以包括卷积神经网络(Convolutional Neural Networks,CNN)、深度神经网络(Deep Neural Networks,DNN)或其组合得到的模型等。
在一些实施例中,过程数据嵌入层和预测层可以通过训练获取。训练过程可以通过服务器110执行,其训练可以基于以下方法实现。
在一些实施例中,可以对第二预测模型中的过程数据嵌入层和预测层进行联合训练,从而获得训练好的第二预测模型。
在一些实施例中,第二预测模型的训练样本可以为历史部分试注结果的过程参数及对应的结果参数,以及该试注结果对应的历史目标注塑参数、历史第三注塑参数和历史条件参数,训练样本的标签可以是历史第二飞边参数、历史第二短射率参数。
在一些实施例中,将训练样本中的历史部分试注结果的过程参数及其对应的结果参数输入第二预测模型中的过程数据嵌入层,将过程数据嵌入层的输出、训练样本中的历史第三注塑参数和历史条件参数、已经进行试注的历史目标注塑参数均输入第二预测模型中的预测层,并基于预测层的输出和标签构建损失函数,并基于损失函数迭代更新基础层、参数分析层和概率分析层的参数,或者基于损失函数迭代更新基过程数据嵌入层和预测层的参数,直到预设条件被满足训练完成,得到训练好的第二预测模型。在一些实施例中,预设条件可以是损失函数小于阈值、收敛,或训练周期达到阈值。
第二飞边参数是指基于部分试注结果、第三注塑参数和条件参数预测获得的基于该第三注塑参数对应生产出产品的飞边率。第二短射率参数是指基于部分试注结果、第三注塑参数和条件参数预测获得的基于该第三注塑参数对应生产出产品的短射率。
在一些实施例中,可以将部分试注结果(例如,分试注结果的过程参数及对应的结果参数、试注结果对应的目标注塑参数)、多个第三注塑参数中每个第三注塑参数和条件参数输入第二预测模型,第二预测模型输出第二飞边参数和第二短射率参数。
在一些实施例中,生产注塑参数模块220可以根据第二飞边参数和第二短射率参数是否满足预设条件,迭代更新目标注塑参数。例如,迭代更新目标注塑参数可以包括多轮,第一轮输入第二预测模型的是条件参数、部分试注结果、基于向量匹配得到的初始注塑参数,第二预测模型输出初始飞边率和初始短射率,当初始飞边率和初始短射率不满足预设条件时,则进行第二轮。第二轮则可以输入第二预测模型条件参数、部分试注结果、基于第一轮输出结果调整后的初始注塑参数,第二预测模型输出第二轮的飞边率和第二轮的短射率,当第二轮的飞边率和第二轮的短射率不满足预设条件时,则进行下一轮,直至短射率及飞边率满足预设条件后,将对应的注塑参数输入作为目标注塑参数。
在本说明书的一些实施例中,基于部分试注结果,通过多次迭代更新目标注塑参数,使目标注塑参数更加精准,从而提高第二预测模型预测的准确率;由于注塑过程中不同节点各个参数会发生变化,影响注塑质量,将试注过程中不同节点的各个参数作为第二预测模型的输入,使第二预测模型在预测时考虑过程参数对注塑质量的影响,预测结果更加符合实际生产,进一步提高预测结果的准确率。
上文已对基本概念做了描述,显然,对于本领域技术人员来说,上述详细披露仅仅作为示例,而并不构成对本说明书的限定。虽然此处并没有明确说明,本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议,所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。
同时,本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此,应强调并注意的是,本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外,本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外,除非权利要求中明确说明,本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用,并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例,但应当理解的是,该类细节仅起到说明的目的,附加的权利要求并不仅限于披露的实施例,相反,权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如,虽然以上所描述的系统组件可以通过硬件设备实现,但是也可以只通过软件的解决方案得以实现,如在现有的服务器或移动设备上安装所描述的系统。
同理,应当注意的是,为了简化本说明书披露的表述,从而帮助对一个或多个发明实施例的理解,前文对本说明书实施例的描述中,有时会将多种特征归并至一个实施例、附图或对其的描述中。但是,这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上,实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字,应当理解的是,此类用于实施例描述的数字,在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明,“大约”、“近似”或“大体上”表明所述数字允许有±20%的变化。相应地,在一些实施例中,说明书和权利要求中使用的数值参数均为近似值,该近似值根据个别实施例所需特点可以发生改变。在一些实施例中,数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值,在具体实施例中,此类数值的设定在可行范围内尽可能精确。
针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料,如文章、书籍、说明书、出版物、文档等,特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外,对本说明书权利要求最广范围有限制的文件(当前或之后附加于本说明书中的)也除外。需要说明的是,如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方,以本说明书的描述、定义和/或术语的使用为准。
最后,应当理解的是,本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此,作为示例而非限制,本说明书实施例的替代配置可视为与本说明书的教导一致。相应地,本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。
Claims (8)
1.一种动态调控的注塑方法,其特征在于,包括:
基于条件参数,确定目标注塑参数,所述条件参数包括模具参数和材料参数;
基于所述目标注塑参数进行试注,基于试注结果确定生产注塑参数;
其中,所述确定目标注塑参数包括:基于所述条件参数确定条件向量;基于所述条件向量通过向量距离确定参考条件向量;基于所述参考条件向量对应的第一注塑参数确定所述目标注塑参数;
其中,所述基于所述参考条件向量对应的第一注塑参数确定所述目标注塑参数包括:基于多个第二注塑参数中每个第二注塑参数,结合所述条件参数,通过第一预测模型预测第一飞边参数和第一短射率参数,以确定用于试注的所述目标注塑参数;所述第一预测模型为机器学习模型;所述多个第二注塑参数基于所述第一注塑参数确定。
2.根据权利要求1所述的方法,其特征在于,所述多个第二注塑参数由所述第一注塑参数通过正交法确定。
3.根据权利要求1所述的方法,其特征在于,所述基于所述目标注塑参数进行试注还包括:
基于部分试注结果,更新所述目标注塑参数。
4.一种动态调控的注塑系统,其特征在于,包括目标注塑参数确定模块和生产注塑参数模块;
所述目标注塑参数确定模块用于基于条件参数,确定目标注塑参数,所述条件参数包括模具参数和材料参数;
所述生产注塑参数模块用于基于所述目标注塑参数进行试注,基于试注结果确定生产注塑参数;
其中,所述确定目标注塑参数包括基于所述条件参数确定条件向量;基于所述条件向量通过向量距离确定参考条件向量;基于所述参考条件向量对应的第一注塑参数确定所述目标注塑参数;
其中,所述基于所述参考条件向量对应的第一注塑参数确定所述目标注塑参数包括:基于多个第二注塑参数中每个第二注塑参数,结合所述条件参数,通过第一预测模型预测第一飞边参数和第一短射率参数,以确定用于试注的所述目标注塑参数;所述第一预测模型为机器学习模型;所述多个第二注塑参数基于所述第一注塑参数确定。
5.根据权利要求4所述的系统,其特征在于,所述多个第二注塑参数由所述第一注塑参数通过正交法确定。
6.根据权利要求4所述的系统,其特征在于,所述生产注塑参数模块进一步用于:
基于部分试注结果,更新所述目标注塑参数。
7.一种动态调控的注塑装置,其特征在于,所述装置包括至少一个处理器以及至少一个存储器;
所述至少一个存储器用于存储计算机指令;
所述至少一个处理器用于执行所述计算机指令中的至少部分指令以实现如权利要求1~3中任一项所述的动态调控的注塑方法。
8.一种计算机可读存储介质,其特征在于,所述存储介质存储计算机指令,当计算机读取存储介质中的计算机指令后,计算机执行如权利要求1~3任一项所述的动态调控的注塑方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210630885.8A CN114986833B (zh) | 2022-06-06 | 2022-06-06 | 一种动态调控的注塑方法、系统、装置及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210630885.8A CN114986833B (zh) | 2022-06-06 | 2022-06-06 | 一种动态调控的注塑方法、系统、装置及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114986833A CN114986833A (zh) | 2022-09-02 |
CN114986833B true CN114986833B (zh) | 2023-03-31 |
Family
ID=83032677
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210630885.8A Active CN114986833B (zh) | 2022-06-06 | 2022-06-06 | 一种动态调控的注塑方法、系统、装置及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114986833B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115972486B (zh) * | 2022-12-29 | 2023-11-17 | 苏州富力诚精密部件有限公司 | 一种嵌件螺母智能生产方法和系统 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107972243A (zh) * | 2017-11-28 | 2018-05-01 | 柳州市城中区聚宝机械冲压厂 | 基于som神经网络的注塑工艺优化方法及注塑工艺 |
CN110135465B (zh) * | 2019-04-22 | 2022-12-09 | 腾讯科技(深圳)有限公司 | 模型参数表示空间大小估计方法及装置、推荐方法 |
CN111898265B (zh) * | 2020-07-28 | 2024-03-26 | 浙江广合智能科技有限公司 | 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 |
CN112990480B (zh) * | 2021-03-10 | 2024-07-02 | 北京嘀嘀无限科技发展有限公司 | 构建模型的方法、装置、电子设备和存储介质 |
CN113771289B (zh) * | 2021-09-16 | 2022-06-24 | 健大电业制品(昆山)有限公司 | 一种注塑成型工艺参数优化的方法和系统 |
-
2022
- 2022-06-06 CN CN202210630885.8A patent/CN114986833B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN114986833A (zh) | 2022-09-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11000982B2 (en) | Methods of setting a shaping machine | |
CN110198828B (zh) | 用于三维打印的方法、系统和存储介质 | |
CN103914581B (zh) | 一种塑料注射成型工艺参数优化方法 | |
CN108237670A (zh) | 用于优化用于成型机的过程优化系统的方法 | |
CN114881289B (zh) | 一种基于数字孪生的熔铸装药成型工艺参数优化方法及系统 | |
CN114986833B (zh) | 一种动态调控的注塑方法、系统、装置及介质 | |
JP6514622B2 (ja) | 射出成形機の成形支援方法 | |
CN115039040A (zh) | 制造过程的系统、方法和介质 | |
KR20200003041A (ko) | 스크류 형상 추정 장치, 스크류 형상 추정 방법 및 스크류 형상 추정 프로그램 | |
CN111459094A (zh) | 机床主轴热误差建模中温度敏感点组合的分区域选取方法 | |
Ma et al. | Intelligent recommendation system of the injection molding process parameters based on CAE simulation, process window, and machine learning | |
CN116926299B (zh) | 一种淬火炉控制系统及方法 | |
CN117933079A (zh) | 基于物理信息神经网络注塑产品预测模型构建及预测方法 | |
Rescsanski et al. | Heterogeneous Sensing and Bayesian Optimization for Smart Calibration in Additive Manufacturing Process | |
Ogorodnyk et al. | Prediction of width and thickness of injection molded parts using machine learning methods | |
CN115408842A (zh) | 注塑成型仿真过程特性相似性分析方法 | |
Yu et al. | Offline prediction of process windows for robust injection molding | |
US20230325562A1 (en) | Machine Learning Method, Non-Transitory Computer Readable Recording Medium, Machine Learning Device, and Molding Machine | |
Lin | Optimum gate design of freeform injection mould using the abductive network | |
CN107053638A (zh) | 一种基于厚度检测的bopp挤出机模头螺栓定位装置 | |
TW202206255A (zh) | 裝置、方法及程式 | |
CN117021524B (zh) | 多腔注塑模具的温度均衡控制方法及系统 | |
CN117207470B (zh) | 一种基于物联网的伺服控制方法及系统 | |
CN117236202B (zh) | 结合智能算法和深度学习技术的胎面挤出温度预测方法 | |
CN114474523B (zh) | 一种改性塑料的性能调整方法和系统 |
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 |