仪器仪表学报

作者：赵 朋，董正阳，冯 伟，周宏伟，傅建中

单位：赵 朋,1. 浙江大学机械工程学院 浙江省三维打印工艺与装备重点实验室,,董正阳,1. 浙江大学机械工程学院 浙江省三维打印工艺与装备重点实验室,,冯 伟,2. 中国科学院深圳先进技术研究院,,周宏伟,3. 泰瑞机器股份有限公司,,傅建中,1. 浙江大学机械工程学院 浙江省三维打印工艺与装备重点实验室,

关键词：注射成形;多目标优化;人工智能;自学习优化

基金：国家自然科学基金(51875519, 51635006)、浙江省自然科学基金(LZ18E050002)、浙江省重点研发计划(2020C01113)项目资助

注射成形工艺参数是保障产品质量的关键因素。传统试错法严重依赖工艺人员的试模经验,随着注射成形工艺广泛应用于电子、航空航天等国家战略领域,产品的高端化对工艺参数智能化设置水平提出更高的要求。由于成形产品存在多方面的质量要求,且不同质量指标间可能相互制约,因此亟需一种工艺参数多目标智能优化方法,以获得不同优化目标间的帕累托最优。已有学者利用智能优化方法,如非支配排序遗传算法等,对多目标优化问题进行求解,但是此类方法需大量样本数据对质量-参数关系进行建模,存在试验次数多、且对不同材料及模具的适应性较差等问题。为解决上述问题,提出一种注射成形工艺参数多目标自学习优化方法,在优化过程中实时计算并更新各个工艺参数的梯度,并由不同质量指标的多梯度下降算法对多个目标函数进行优化,在优化过程中实现各工艺参数对产品质量影响程度的自主学习,省去了采集大量数据来建立多个质量模型的过程,实现了注射成形工艺参数的高效智能优化。在基准测试函数实验中,所提方法的优化结果与理论解的相对误差小于2%。同时数值仿真与注射成形实验结果表明,所提方法能高效获得多个优化目标的帕累托最优。

来源：2021年第1期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2021年第1期