注塑過程質量預測研究.pdf

1、注塑制品的質量受多種因素的影響，而且，注塑間歇過程還具有典型的多時段、復雜非線性、動態(tài)多變量等特性，這使得制品質量與過程變量之間的關系比較復雜。在實際生產中，制品質量的反饋是通過實驗室工作人員定期抽查制品來完成，其控制主要由操作工人依靠經驗調節(jié)設置點來實現(xiàn)。目前，制品質量閉環(huán)控制的最大困難是制品的質量屬性不能在線測量，這已成為質量閉環(huán)控制的一個難點。 本文針對注塑間歇過程的特點進行了質量預測研究，主要完成了以下工作： 在

2、閱讀大量國內外參考文獻的基礎上，對注塑成型過程進行了深入分析，研究了成型過程中各時段過程變量對制品質量的影響關系。 針對多時段特性，提出了基于子時段的滑動窗口多方向部分最小二乘(Multiway Partial Least Square．MPLS)重量預測方法，子時段劃分后，確定與重量最相關的子時段，在該子時段滑動窗口內建立重量預測模型，構建了動態(tài)多模型結構，以克服傳統(tǒng)MPLS模型靜態(tài)單一，在線預測時預估未來測量值的缺點，應用結

3、果表明了所提出方法的有效性。 針對注塑間歇過程比較復雜的非線性特性，提出了基于子時段的非線性重量預測模型，有效利用MPLS方法處理高維、高度耦合數(shù)據(jù)的能力和廣義回歸神經網絡(General Regression Neural Network，GRNN)，在樣本數(shù)較少且多維的情況下，具有較強的非線性逼近功能。對產品重量進行預測應用研究，應用結果表明了該方法是比較有效的。 針對注塑間歇過程由于某些干擾(如原料波動或設備性能等

4、變化)引起的批次與批次之間的較強的相關性，提出一種基于子時段的動態(tài)重量預測方法，該方法將多方向主成分分析(Multiway Principal component analysis，MPCA)和子空間辨識(Subspace Identification，SI)有效地結合，主要利用MPCA方法去除子時段三維數(shù)據(jù)展開后的冗余性，采用子空間辨識法，辨識反映批次間相關性的隨機狀態(tài)空間模型。通過對注塑制品重量的預測研究驗證了該方法的有效性。