離，若 <小于一個預設的 容限ω，算法終止。否則返回步驟（2)，利用此次試驗得到的數(shù)據(jù)更新代理模型，并進行下 一次的信賴域優(yōu)化。
[0048] 最終得到的最優(yōu)控制工作點為X = [39,45,39%，70, 5. 3]，相應的制品重量為 7. 829g。此工作點即是本方法所找到的最優(yōu)控制工作點。根據(jù)，在注塑成型機控制面板 上分別設置控制相關的工藝參數(shù)：注射一段速度、注射二段速度、注射一段和二段的分段 點、保壓壓力和保壓時間。在該參數(shù)設置下所生產的注塑制品重量是滿足預設要求的。
[0049] 圖4為該實施例的一次控制過程示意圖，經過5次迭代批次實驗后達到控制目標。 結果顯示本發(fā)明能夠在很少量試驗批次下通過迭代建模與信賴域優(yōu)化的方法搜索到設定 的重量控制目標，并確保最優(yōu)控制試驗點的穩(wěn)定性。
[0050] 如上所述，本發(fā)明利用注塑成型生產過程的低成本和批次可重復的特性，實現(xiàn)了 迭代建模與優(yōu)化的快速產品重量控制，減少了重量控制開銷、縮短了控制時間；實際應用結 果顯示本發(fā)明效果理想。
【主權項】
1. 一種注塑成型過程迭代建模與優(yōu)化的制品重量控制方法，其特征在于，該方法包括 以下步驟： (1) 數(shù)據(jù)采集及初始化參數(shù)：設置參數(shù)集D= [wtg，T，k，N，U，C，《 ; {P，A，e，y}] T，其中，Wtg為制品重量控制指標設定值，t為重量目標值的偏差容限，k為試驗迭代次數(shù)， N為建模數(shù)據(jù)集中數(shù)據(jù)個數(shù)，U為建模數(shù)據(jù)集中數(shù)據(jù)個數(shù)的上限，C為模型殘差容限，《 為采樣半徑預設容限，1>，八e，y}為信賴域優(yōu)化中信賴域更新策略的相關參數(shù)，其中 e>1，A>1，〇〈p〈1，〇〈y〈1 ;設有n個工藝參數(shù)，將其分別定義為：x⑴，...，x(n);令Xk = [xk(l)，. . .，xk(n)]T表征上一次優(yōu)化求解得到的注塑過程控制點，即第k次工藝參數(shù)的工 作點；令f(xk)表征未知的注塑過程模型，mk(xk)表征第k次迭代時由采集數(shù)據(jù)回歸得到的 代理模型；令yk= [xk,f(xk)]表征在工作點xk處采集得到的實驗數(shù)據(jù)；令Yk= {yd, . . .，yk} 表征第k次迭代時用于建模的數(shù)據(jù)集；隨機給定初始設定值X(l= [X(l(l)，. . .，X(l(n)]T;設置 迭代次數(shù)k= 0 ; (2) 初始狀態(tài)判斷及數(shù)據(jù)集更新：首先進行初始狀態(tài)判斷，即當前迭代次數(shù)判斷，若 當前迭代次數(shù)k= 0,則為初始狀態(tài)，數(shù)據(jù)集保持為初始狀態(tài)；若當前迭代次數(shù)k>0,則進 行數(shù)據(jù)集的更新；數(shù)據(jù)集的更新與當前數(shù)據(jù)集大小有關，若當前數(shù)據(jù)集數(shù)據(jù)個數(shù)小于預設 上限，即N〈U，則將上一次迭代中的實驗數(shù)據(jù)加入數(shù)據(jù)集，即YkiY^U{yk};若當前數(shù)據(jù) 集數(shù)據(jù)個數(shù)等于預設上限，即N=U，則將上一次迭代中的實驗數(shù)據(jù)加入數(shù)據(jù)集，并且剔 除離當前迭代點最遠的數(shù)據(jù)，即Yk=YhU{yk} \{yfarthest}，其中，定義farthest=arg maxls；iS；N|Ixi-x^l|，XiS當前迭代點，xnew為上一次迭代產生的實驗點； (3) 模型結構選擇及回歸建模：數(shù)據(jù)集更新后，針對當前數(shù)據(jù)集，進行模型結構選擇以 獲得最合適的回歸模型；模型結構選擇策略通過2層法實現(xiàn)：第一層，設置模型基個數(shù)；第 二層，在當前模型基個數(shù)下，通過遍歷模型基組合和均方差準則，找出模型基的最優(yōu)組合； 最后通過比較不同模型基個數(shù)下各自最優(yōu)的模型基組合，確定模型結構；為了盡可能多的 用數(shù)學方程表達過程對象信息，從而將盡可能多的模型基選入模型結構，因此，當建模數(shù)據(jù) 量少，不足以得到完整二次多項式的模型時，第一層的模型基個數(shù)設置為建模數(shù)據(jù)個數(shù)N， 否則，設置為U;在當前模型基個數(shù)下，第二層通過比較不同組合的模型結構，得到最優(yōu)模 型基組合，確定模型結構； (4) 模型殘差校驗：模型殘差校驗通過數(shù)據(jù)集的更新，使得回歸模型在采樣點上的殘 差控制在一個適當?shù)姆秶鷥?，具體為：定義模型殘差
，即為代 理模型和真實過程模型在建模數(shù)據(jù)點上的殘差；如果殘差大于預設的容限C，即MR>C，則距 離當前迭代點最遠的數(shù)據(jù)將被刪除，即Yk=Yk\{yfarthest};否則，數(shù)據(jù)集保持不變；在一次迭 代中，此過程不斷重復，直到當前模型殘差降低至預設的容限C; (5) 模型惟一性判斷及臨界校驗：隨著迭代過程的進行，模型精度得到提高；模型精度 達到模型殘差容限C以后，即使構建模型的數(shù)據(jù)集不完全一致，所構建的模型保持不變，信 賴域優(yōu)化的結果同樣保持不變；因此，當遠離當前迭代點的數(shù)據(jù)點被新得到的數(shù)據(jù)點替換 以后，用于建模的有效數(shù)據(jù)減少；當有效數(shù)據(jù)減小到不足以得到一個唯一的模型時，模型 臨界校驗將通過插值的方法，產生新的數(shù)據(jù)實驗點，通過注塑過程實驗，可得到新的實驗數(shù) 據(jù)，由此來保證模型的惟一性； (6) 信賴域優(yōu)化及迭代點更新：信賴域由信賴域中心和信賴域半徑組成，信賴域中心 即為當前迭代點xk+1=xn";信賴域半徑大小表征了當前代理模型可在此范圍內"被信賴"， 進而進行優(yōu)化，信賴域半徑記為Af，表示第k次迭代時的半徑大??；求解信賴域優(yōu)化子問 題的過程中，若出現(xiàn)由于代理模型精度不足導致的不可解問題，通過罰函數(shù)的方法對原問 題進行相應的轉化； (7) 注塑實驗：在信賴域優(yōu)化子問題求解結果xn"處進行注塑過程實驗，得到相應輸出 的制品重量f(x_)，從而得到新數(shù)據(jù)yk+1，用于下一次迭代中的數(shù)據(jù)集更新； ⑶信賴域半徑更新：mk(Xk+1)是當前代理模型在xk+1處的函數(shù)預測值，f(xk+1)是目標函 數(shù)在xk+1處通過在線實驗得到的函數(shù)值；如果代理模型和目標函數(shù)在新迭代點處的函數(shù)值 差值的絕對值大于一個預設的容限e，g卩|mk(Xk+1)-f(Xk+1)|>e，那么信賴域半徑將在下一 次優(yōu)化中減小到原來的P倍，即如果代理模型和目標函數(shù)在新迭代點處的函 數(shù)值差值的絕對值小于一個預設的容限U，即|mk(Xk+1)-f(Xk+1) |〈y，那么信賴域半徑將在 下一次優(yōu)化中增加到原來的A倍，即A" = 2Af;否則，信賴域半徑保持不變，即Af+1 =Af; (9)終止判斷：將數(shù)據(jù)集中數(shù)據(jù)的分布區(qū)域大小作為終止準則的判據(jù)；數(shù)據(jù)的分布區(qū) 域半徑△〖是衡量算法終止的量化指標，即為第k次迭代時的采樣半徑；采樣半徑通過計 算各個采樣點到當前迭代點的距離，取其中最大值得到，記為
；如果 分布區(qū)域半徑達到采樣半徑預設容限《，則算法終止，得到注塑成型過程的最優(yōu)控制解，將 其用于注塑過程，實現(xiàn)制品質量的控制，否則返回步驟（2)。
【專利摘要】本發(fā)明公開了一種注塑成型過程迭代建模與優(yōu)化的制品重量控制方法，本發(fā)明針對注塑成型生產過程中存在的操作參數(shù)變化頻繁、過程建模困難、模型精度有限等問題，利用注塑成型生產過程的低成本和批次可重復的特性，實現(xiàn)迭代建模與優(yōu)化的快速產品重量控制。本發(fā)明有助于避免過程建模、減少制品重量控制過程的試驗開銷、縮短控制時間；本發(fā)明對于提高注塑成型過程的重量控制效率，實現(xiàn)注塑成型工業(yè)生產過程中的節(jié)能減排有重要意義。
【IPC分類】B29C45-76
【公開號】CN104772878
【申請?zhí)枴緾N201510081652
【發(fā)明人】陳曦, 趙瑾瑾, 楊毅, 高福榮
【申請人】浙江大學
【公開日】2015年7月15日
【申請日】2015年2月15日