人工智能技術在輪胎硫化優化中的應用

殷允鋒（青島科技大學,山東　青島　266042）

人工智能技術在輪胎硫化優化中的應用

殷允鋒
（青島科技大學,山東青島266042）

摘要：為了提升輪胎硫化程度的均勻性，本文在利用相關軟件的基礎上對11R22.5載重子午線輪胎的硫化仿真有限元模型進行建立，對輪胎硫化實際過程進行有效結合進而仿真分析溫度場。以阿累尼烏斯方程為依據對輪胎硫化程度進行計算。對遺傳算法、神經網絡、正交試驗設計等優化技術進行有效利用，進而使得輪胎硫化數字優化設計方法有效建立。將輪胎硫化過程中以外溫蒸汽邊界條件作為設計變量，優化輪胎硫化程度均勻性，改善輪胎硫化時間和硫化程度。最終得出結論：輪胎硫化程度均勻性因優化后的外溫蒸汽邊界的采用而得到提高，性能得到改善。此外，硫化時間被有效降低并保證了輪胎的硫化性能。

關鍵詞：輪胎;硫化;優化

輪胎是汽車的重要組成部件之一，汽車的舒適性、安全性很大程度上取決于輪胎的性能，輪胎的質量與硫化過程息息相關。因此，提升輪胎硫化程度均勻性是本研究的主要目的，將輪胎硫化過程中的外溫蒸汽作為設計變量，在對人工智能技術和有限元進行結合的基礎上建立數字優化設計方法。這種數值優化設計方法將正交試驗設計原理作為依據安排實驗方案，并將有限元分析作為虛擬實驗過程的基礎，自身訓練樣本通過提取實驗數據而獲得，進而構建優化目標和設計變量的非線性映射關系的神經網絡，外溫蒸氣最優歷程通過運用進化算法得出。

1　硫化程度分析

正硫化時間由確定溫度下橡膠的最佳硫化時間決定。將在某一基準溫度下的工資正硫化時間同膠料的實際等效硫化時間相比得到的值就是橡膠的硫化程度。在一定的溫度下，單位時間內能夠達到的硫化程度就是硫化強度，其計算主要通過阿累烏斯方程式

不同時刻相對于溫度的相對硫化速度用v標示；參比熱力學溫度用T0表示；硫化反應活化能用E表示；氣體常數是R。

不同時刻各部位溫度不相等是輪胎這種厚制品的正要特點，對已知某點溫度時間歷程和基準溫度選定后，可對硫化程度進行計算

硫化結束的時間是te.應用數值積分公式將以上公示離散化為

第m個時間間隔的相對硫化速度用vm表示，分析以上公式可得出結論，1s-1是基準溫度下的相對硫化速度，膠料的正硫化時間（t90）等于到達正硫化時的硫化程度EV90的數值,硫化程度等于：

對膠料經過某一硫化歷程后所獲得的相對硫化程度進行衡量，用來對不同膠料的硫化程度進行比較。

2　優化問題描述

2.1對有限元分析模型進行建立

11R22.5型全鋼載重子午線輪胎是本文的研究重點，通過ABAQUS軟件建立的三維輪胎硫化溫度場分析模型，鋼模和膠囊是升溫模型的主要部分，空氣中的冷卻過程是降溫模型。

2.2建立優化模型

第一，選取設計變量。硫化程度直接影響輪胎硫化后的性能，外溫蒸汽會嚴重影響硫化程度，設計變量選擇外溫蒸汽變化歷程。第二，選取目標函數。在充分考慮實際情況的基礎上，將膠料硫化程度作為評估的角度，用硫化程度的偏值表征硫化程度均勻性，也就是

第i個節點的硫化結束時的硫化程度是si;輪胎斷面節點個數用n代表;斷面所有節點的硫化程度的平均值用s代表。現階段，要想控制成本并使得生產效率有效提高，就應使硫化時間盡量降低并保證的硫化均勻性，所以優化目標函數為斷面硫化均勻程度，將硫化時間盡可能降低。

3　優化過程

（1）設計正交試驗。實驗方案的安排以正交表L9(34)為依據，在408.15～418.15之間對T1進行選取，在424.15～434.15之間對T2進行選取，在960～1060s之間對t1進行選取，在2480～2580之間對t2進行選取，選取3作為各因素的水平數，劃分選定的范圍為三等分，各因素的水平取值即可獲得。

（2）數值擬合。以函數逼近理論為基礎構造是徑向基函數網絡的特征之一，在多維空間中尋找訓練數據的最佳擬合平面是這類網絡的學習的本質。相對于BP網絡而言，徑向基函數網絡具有較大規模，但學習速度也快于前者，并優于后者的網絡函數逼近能力。因此擬合硫化程度和外溫蒸汽歷程的偏度值之間的映射關系時應采用RBF網絡[1]。

為促進神經網絡的泛化能力的提升，將測試集和訓練集作為樣本數據的分類組成部分。訓練網絡使用訓練集，以學習算法為依據對網絡結構參數進行調節；評價已訓練好的網絡性能則采用測試集。訓練樣本是從九組樣本點中提取而來的任意八組樣本點，測試樣本為剩下的一組樣本點。

（3）優化搜索。不同于傳統算法，一個單一的度量函數的梯度或較高此統計是大多數古典的優化算法的基礎，一個確定性的試驗解序列由此產生。遺傳算法的適應性好串的重組以有組織、隨機的信息交換為基礎，新串的群體由此生成[2]。

4　結果分析和討論

以搜尋出的最優解為依據，修改外溫蒸汽邊界條件，同時重分析有限元，優化了的蒸汽邊界和原始的蒸汽邊界對比,0.6994是原始外溫蒸汽條件下輪胎斷面硫化程度偏度值，0.4216是優化后的偏度值。可以看出，硫化程度因優化而變得更加均勻，并提升了輪胎性能；嚴重過硫和欠硫的現象在優化后得到解決，原始時間比外溫蒸汽時間長3min，并減少了單條輪胎的生產周期，促進了生產效率的提升，提高了能源的利用率[3]。

5　結論

以輪胎硫化的工藝過程為基礎，對遺傳算法、神經網絡、正交試驗設計進行結合，對外溫蒸汽歷程進行優化和分析。這種優化方法的應用前景很好，對神經網絡的數字擬合進行科學利用，排除了按照具體有話要求對數學模型進行構建這一過程。使樣機試驗轉變為利用有限元分析，使現場的實際試驗次數大大減少。

參考文獻：

[1]閆相橋,童劍.輪胎硫化過程的有限元分析[J].輪胎工業,2012,(12):259-267.

[2]張建,王國林,傅乃霽,王小娟.硫化介質溫度對輪胎硫化特性的影響[J].橡膠工業,2014,(09):364-368.

[3]楊其,王海,馮彥龍,李可萌,蘇巨橋,吳世見.橡膠輪胎硫化測溫技術[J].輪胎工業,2013,(07):496-499.

作者簡介：殷允鋒（1982-），男，山東棗莊人，助理工程師，青島科技大學研究生在讀，主要從事輪胎硫化工藝研究和管理工作。