基于數據挖掘的擠塑成型溫度預測驗證

陳 梅，孫 筱，張 隆，黃朝華

（1. 烏魯木齊職業大學 信息工程學院，烏魯木齊 830002；2. 新疆工程學院 機械系，烏魯木齊 830091；3. 新疆應用職業技術學院，奎屯 833200）

基于數據挖掘的擠塑成型溫度預測驗證

陳 梅1，孫 筱2，張 隆2，黃朝華3

（1. 烏魯木齊職業大學 信息工程學院，烏魯木齊 830002；2. 新疆工程學院 機械系，烏魯木齊 830091；3. 新疆應用職業技術學院，奎屯 833200）

0 引言

擠塑成型是借助螺桿的擠壓作用，將塑料加熱成熔融粘流態并推動其通過模具而成為截面與模具形狀相同的連續體的一種成型方法[2]。影響擠塑成型產品斷面尺寸的主要因素是融熔塑料溫度、壓力及擠出速度。擠塑成型機筒的加熱過程如圖1所示，顆粒狀塑料從加料筒進入機筒，在擠出機螺桿的作用下，螺桿的螺旋槽將塑料向前輸送，塑料逐漸熔融。在機筒內從進料口到出料口擠塑成型熔體溫度是成增量分布的，通常將機筒分為三段，即加料段、壓縮段和均化段，其中均化段的溫度直接影響到產品的質量[5]。現有的擠塑成型加熱設備中,采用的溫度控制方法以反饋控制為主，仍存在有溫度控制慣性滯后現象，因而擠塑成型生產過程中仍然存在因溫度控制不理想而出現次品的現象。根據擠塑成型過程中溫度變化特點，通過采集壓縮段溫度，利用數據挖掘中的多元線性回歸預測方法，實現對均化段溫度的預測。

圖1 擠塑成型加熱過程

1 數據挖掘技術

1.1 數據挖掘

數據挖掘是從大量的數據中挖掘知識，其過程是一個從已知數據集合中發現各種模型、規則、關聯的過程[1,7]。根據挖掘的任務不同，數據挖掘可以分為分類或預測模型發現、數據聚類、關聯規則發現、異常和趨勢發現等，預測模型發現中又分線性回歸預測和非線性回歸預測[3]。

1.2 多元線性回歸預測

一般地，如果因變量y與k個自變量x1,x2,… ,xk之間存在線性關系，則：

n個觀測值 (xi1,xi2,…xik,yi),i= 1 ,2,…n滿足（1）式，即：

系數向量β的最小二乘估計為：

2 擠塑成型溫度預測的試驗方案

實際擠塑成型機筒是鋼管，其內表面采用了滲氮處理，致使機筒內壁非常的堅硬耐磨，如果在其中段處用接觸式傳感器采集溫度，則必然使機筒遭破壞[6]。為了驗證本預測方案，我們按照擠塑成型溫度的實際變化情況及被加熱介質的流動情況建立了試驗驗正方案。

2.1 試驗設計

在實際試驗過程中，為了便于反復測試與檢驗，主要使用與圖1的結構相似的設備，加熱介質為水，進行試驗數據的收集、分析和驗證。使用的硬件設備為：直徑10cm長度為150cm的模擬機筒、2個18b20防水型溫度傳感器、3組功率均為900w的加熱圈、渦輪流量計（用于采集水流速度）、固態繼電器、AT89S52單片機及PC機。試驗方案如圖2所示。

圖2 試驗方案分布

2.2 試驗數據的采集

模型中以PC機上的labview數據采集分析系統為核心，借助AT89S52單片機將采集轉換后的溫度、速度和功率數據通過串口傳輸給PC機。模型中采用Access建立數據庫，在LabVIEW中通過LabSQL工具包實現對數據庫的操作，采用改變功率參數和速度參數對加熱圈3和電磁閥實施控制，實現積累大量需要挖掘的數據樣本。采集到的原始樣本數據如表1所示。

采集到的樣本數據是以時間為序列進行采集，為了更好挖掘出同一熔體在采集點1和采集點2的對應溫度關系，以及找出功率、速度對溫度的影響力度，需要將數據進行預處理。數據預處理的工作分為兩部分，預處理后數據如表2所示。

表1 原始樣本數據

表2 預處理后數據表

從原始數據表1中在T1時刻的溫度值1對應的熔體經過一定時間后，在T（1+K）時刻該熔體的溫度值2形成對應關系，推算公式如下：

K為時間，單位為秒；

V12為采集點1與采集點2之間的容積，單位為立方厘米；

VS為熔體排出速度，單位為厘米每秒；

S為機筒截面積，單位為平方厘米。

將溫度值1和溫度值2對應后的表中將速度和功率數據進行無量綱化，這樣經分析挖掘后得出的函數式才能反映出各參數的影響力度。

2.3 多元線性回歸分析

Labview中可以直接調用MATLAB文件進行高性能的數據分析和處理，本方案中將預處理后的樣本數據轉換為excel文件，導入到MATLAB回歸分析模塊進行分析,樣本數據3800個。

以均化段溫度y為因變量，壓縮段溫度x1、速度x2、加熱功率x3為自變量。套用式（3），展開式如下：

應用M a t l a b軟件作線性回歸，計算β?=(XTX)?1XTY。注意到數據樣本中速度的值在5到7之間，熔體在壓縮段測得溫度后經過一定時間才到達均化段，所以均化段溫度變化應該與壓縮段溫度變化有一定延遲。通過比較壓縮段溫度與均化段溫度的變化情況可以估算出延遲時間τ。本方案采用向量范數衡量2個序列相似程度的方法驗證式（5）的合理性見圖3。

圖3 延遲時間

表3 時間與范數對應表

根據式（5）計算出的延遲時間均值K=60.762秒，而用向量范數的方法取τ=61秒，將壓縮段溫度與均化段溫度進行比較，發現從數據采集開始點到2000點的數據曲線差別較大，主要原因是這段時間機筒處于預熱和加料階段，機筒內存在有部分空氣，故而溫度波動較大，但2000點以后數據吻合度很好（如圖4所示），說明K的值是有效的，驗證了式（5）。

圖4 壓縮段溫度與均化段溫度

調用函數regress(y,x)，可以得到系數β=[-7.9505 1.4782 -0.39464 0.00052034]，相關系數為R2= 0.8935， F統計量F=4036.7，p值p=0。

3 預測方程的確定與預測

3.1 溫度預測方程的R 和F檢驗

1）R檢驗

2）F檢驗

表4 溫度預測驗證表

表4(續)

圖5 均化段實測溫度與計算溫度比較

3.2 溫度預測方程的驗證

在同一試驗條件下，再次采集2000組數據對溫度預測方程進行驗證，計算出均化段溫度，對照實際采集的均化段溫度進行誤差分析，得出以下數據，見表4和圖5。

4 結論

通過以上的試驗驗證可以得出以下結論:

1）采用預測模型發現中的多元線性回歸預測方法，針對采集到的壓縮段、均化段溫度數據，建立擠塑成型生產過程溫度預測方程是可行的。

2）從預測方程中可以看出x2的系數較大，即速度的變化對均化段的溫度影響幅度大， x3系數小，即加熱功率的變化對均化段的溫度影響幅度小，若在短時間內較大幅度調整均化段溫度，優先考慮調整速度，若在短時間內較小幅度調整均化段溫度，則優先考慮調整功率，為均化段的溫度控制提供了理論依據。

3）在實際中可以通過檢測的壓縮段熔體溫度、螺桿速度和均化段加熱器功率等參數，預測出均化段出口熔體溫度，為控制該處的溫度爭取到一定時間，為溫度控制提供了保證。

[1]邵鴻翔.線性回歸方法在數據挖掘中的應用和改進[J].統計與決策,2012,362(14):72-75.

[2]譚梅,李曉秀,呂聰.自適應神經PDI在擠塑機溫控系統中的應用[J].控制工程,2006,13(3):250-255.

[3]張娥,鄭斐峰,馮耕中.web日志數據挖掘的數據預處理方法研究[J].計算機應用研究,2004,20(2):96-100.

[4]王玉國,梁新華,檀丁,等.基于數據挖掘的基坑監測關聯性分析及聯合預報研究[J].全球定位系統,2012,1O(4):185-189.

[5]夏江梅.塑料成型模具與設備[M].北京,機械工業出版社,2005:220-223.

[6]張榮清.模具設計與制造[M].北京,高等教育出版社,2003:238-242.

[7]易繼鍇,侯媛彬.智能控制技術[M].北京:北京工業大學出版社,2007:177-200.

[8]高立鵑,劉云,趙玲.雙向數據挖掘的反饋預測分析[J].鄭州輕工業學院學報,2011,12(5):81-85.

[9]武書彥,李咚.數據挖掘技術的探索性研究[J].制造業自動化,2011,33(1):102-105.

Extrusion molding temperature forecasts based on verified data mining

CHEN Mei1, SUN Xiao2, ZHANG Long2, HUANG Zhao-hua3

擠塑成型生產過程中因溫度控制不理想而產生次品較多,針對這一現象提出利用LabVIEW實時采集大量擠塑成型機筒壓縮段出口處、均化段出口處的塑料熔融溫度，借助數據挖掘中的多元線性回歸預測方法，挖掘出熔體在壓縮段和均化段溫度變化的函數關系，通過采集壓縮段溫度，預測均化段出口處熔體溫度,為擠塑成型溫度預控提供數據支持。該方案通過大量的試驗數據，驗證了基于數據挖掘的擠塑成型機筒溫度預測方案的可行性。

多元線性回歸；labVIEW；數據挖掘；溫度預測

陳梅（1979 -），女，重慶人，講師，碩士，研究方向為計算機應用技術。

TP29

A

1009-0134(2014)05(下)-0083-04

10.3969/j.issn.1009-0134.2014.05(下).23

2014-02-19

新疆維吾爾自治區教育廳重點科研項目（2011JYT011412）；新疆維吾爾自治區科技援疆項目（2013911035）