基于遺傳算法的注塑成型工藝參數(shù)優(yōu)化研究

朱丹

(陜西能源職業(yè)技術(shù)學(xué)院 實(shí)踐教學(xué)管理處， 陜西 咸陽(yáng) 712000)

0 引言

測(cè)量一個(gè)地區(qū)的降雨量對(duì)實(shí)施過(guò)程中的精度要求極高，測(cè)量過(guò)程中應(yīng)杜絕發(fā)生雨水迸濺的情況，而控釋注水漏斗在整個(gè)監(jiān)測(cè)過(guò)程中發(fā)揮了極其重要作用，這就決定了注塑成型工藝參數(shù)優(yōu)化的顯著意義。伴隨著計(jì)算機(jī)應(yīng)用技術(shù)日新月異的發(fā)展，各種計(jì)算機(jī)輔助技術(shù)已經(jīng)應(yīng)用到模具設(shè)計(jì)的各個(gè)環(huán)節(jié)流程之中，改善優(yōu)化工藝參數(shù)的同時(shí)，也大大縮短了加工周期[1-2]。為了克服應(yīng)用軟件本身的局限性，領(lǐng)域內(nèi)的學(xué)者們又開(kāi)始試圖利用各種數(shù)學(xué)方法來(lái)進(jìn)行工藝參數(shù)的優(yōu)化。

現(xiàn)在國(guó)內(nèi)外常用的設(shè)計(jì)方法包含：試驗(yàn)設(shè)計(jì)法和建模尋優(yōu)法。前者主要包括均勻試驗(yàn)法以及正交試驗(yàn)法等。后者主要包括遺傳算法和響應(yīng)面法等[3]。基于均勻試驗(yàn)法在影響因素范圍一致時(shí)，具有明顯降低試驗(yàn)次數(shù)的優(yōu)勢(shì)。本研究首先基于均勻試驗(yàn)法設(shè)計(jì)試驗(yàn)，在此基礎(chǔ)上利用響應(yīng)面法和遺傳算法對(duì)工藝參數(shù)實(shí)施優(yōu)化。

1 響應(yīng)面模型的建立

為了更好驗(yàn)證模型可靠性，本研究采取了響應(yīng)面的二階模型，為式(1)。

(1)

式中,y為翹曲變形量；a0、ai、aii、aij為模型系數(shù)；n為影響因素?cái)?shù)；xi、xj為設(shè)計(jì)變量；ε為精度誤差。

為了降低模擬次數(shù)，采用均勻試驗(yàn)方法設(shè)計(jì)試驗(yàn)表，并將試驗(yàn)表中的參數(shù)正規(guī)化至[-1，1]的范圍，代入式(1)中，便可獲得塑件翹曲變形量的響應(yīng)模型[4-5]。經(jīng)分析可得，模型中對(duì)翹曲變形量影響顯著的單一項(xiàng)是注射和保壓時(shí)間，影響顯著的二次項(xiàng)為保壓時(shí)間，交互項(xiàng)主要有注射溫度與保壓壓力、注射溫度與保壓時(shí)間、注射溫度與注射壓力、冷卻時(shí)間與注射壓力、保壓時(shí)間與保壓壓力。

第一組彼此影響因素注射溫度及保壓壓力的響應(yīng)面方程為式(2)。

(2)

與式(2)對(duì)應(yīng)的交互作用響應(yīng)面，如圖1所示。

顯然，曲面的最低點(diǎn)對(duì)應(yīng)較小翹曲變形量，所以應(yīng)在這些點(diǎn)選取注塑參數(shù)。

第二組影響因素注射溫度及保壓時(shí)間的響應(yīng)面方程為式(3)。

圖1 交互作用響應(yīng)面圖

(3)

與式(3)對(duì)應(yīng)的交互作用響應(yīng)面，如圖2所示。

圖2 交互作用響應(yīng)面圖

由圖發(fā)現(xiàn)，伴隨注射溫度減少及保壓時(shí)間的延長(zhǎng)，變形量相應(yīng)的減小。即要獲得較小的翹曲變形量，注射溫度應(yīng)該取較小的值而保壓時(shí)間則應(yīng)該盡量取較大的值。

第三組交互影響因素注射溫度和壓力的響應(yīng)面方程為式(4)。

(4)

與式(4)對(duì)應(yīng)的交互作用響應(yīng)面，如圖3所示。

圖3 交互作用響應(yīng)面圖

與圖1相類似，在曲面低谷處對(duì)應(yīng)較小的翹曲變形量，故在這些點(diǎn)選取注塑參數(shù)即可獲得理想的結(jié)果。

第四組交互影響因素注射溫度和壓力的響應(yīng)面方程為式(5)。

(5)

與式(5)對(duì)應(yīng)的交互作用響應(yīng)面，如圖4所示。

與圖3相類似，在曲面低谷處對(duì)應(yīng)較小的翹曲變形量，故在這些點(diǎn)選取注塑參數(shù)即可獲得理想的結(jié)果[6]。

第五組交互影響因素注射溫度和壓力的響應(yīng)面方程為式(6)。

圖4 交互作用響應(yīng)面圖

(6)

與式(6)對(duì)應(yīng)的響應(yīng)面，如圖5所示。

圖5 交互作用響應(yīng)面圖

可以發(fā)現(xiàn)，翹曲變形量的變化并不十分明顯。

2 模型精度的驗(yàn)證

為了對(duì)前文構(gòu)建的模型精度進(jìn)行驗(yàn)證，這里采用了重新產(chǎn)生采樣點(diǎn)的方式，需要驗(yàn)證的主要參數(shù)是可決系數(shù)R2，其計(jì)算式為式(7)。

(7)

式中,m為樣本總數(shù)，yi為對(duì)應(yīng)的采樣點(diǎn)的實(shí)際值。R2取值接近于1的程度，可說(shuō)明模型的精確度[7-8]。

經(jīng)過(guò)計(jì)算，最終可得翹曲變形量和體積收縮率模型的可決系數(shù)為0.988 3和0.977 4，十分靠近于1，說(shuō)明前文構(gòu)建的模型方程具有較高的精度。

3 基于遺傳算法優(yōu)化工藝參數(shù)

根據(jù)式(1)可分別建立翹曲變形量以及體積收縮率的適應(yīng)度函數(shù)，二者分別為@fitness和@fitness2，接下來(lái)為了完成對(duì)前文構(gòu)建模型的最優(yōu)化搜索[9]，調(diào)取了Matlab中的遺傳算法工具箱。搜索結(jié)果表明，兩個(gè)適應(yīng)度函數(shù)囊括的七個(gè)影響因素的優(yōu)化范圍依次為：注射溫度為190-228 °C;冷卻時(shí)間為34-68 s;保壓壓力為39-57 MPa;模具溫度為58-80 °C;注射時(shí)間為2.1-4.9 s;注射壓力為70-100 MPa;保壓時(shí)間為2-5 s[10]。遺傳算法迭代次數(shù)設(shè)為100，種群規(guī)模數(shù)量設(shè)為75，其它參數(shù)全部都設(shè)置為默認(rèn)值。最后進(jìn)行仿真得到的塑件工藝參數(shù)迭代尋優(yōu)過(guò)程,分別如圖6、圖7所示。

由圖6、圖7可知，分別經(jīng)過(guò)67次和54次迭代后停止，即能獲得最優(yōu)的翹曲變形量和體積收縮率，分別為0.108 9 mm和1.42%。

圖6 翹曲變形量迭代尋優(yōu)

圖7 體積收縮率迭代尋優(yōu)

相應(yīng)的獲得最佳工藝參數(shù)，如圖8所示。

圖8 最佳工藝參數(shù)

對(duì)注射溫度、冷卻時(shí)間、注射時(shí)間、保壓壓力、模具溫度、保壓時(shí)間、注射壓力七個(gè)參數(shù)取整后，獲得最優(yōu)參數(shù)值依次分別為190 °C,68 s,4.9 s,57 MPa,80 °C,5 s,100 MPa。

4 總結(jié)

全面探討了注塑過(guò)程中不同的工藝參數(shù)取值組合對(duì)內(nèi)傾斜控釋注水漏斗塑件翹曲和體積問(wèn)題的影響，基于多因素試驗(yàn)方法，構(gòu)建了響應(yīng)面模型。緊接著利用重新產(chǎn)生采樣點(diǎn)方法驗(yàn)證了模型精度，并運(yùn)用遺傳算法對(duì)模型實(shí)施優(yōu)化搜索，最后對(duì)尋優(yōu)結(jié)果完成分析。其中，翹曲變形和體積收縮分別經(jīng)過(guò)67和54次迭代后方可獲得最佳尋優(yōu)值，分別為0.108 9 mm、1.42%。此時(shí)對(duì)應(yīng)的參數(shù)組合順序?yàn)椋鹤⑸鋾r(shí)間4.9 s、冷卻時(shí)間68 s、注射溫度190 °C、保壓時(shí)間5 s、保壓壓力57 MPa、模具溫度80 °C、注射壓力100 MPa。