资源描述：
《注塑过程熔体充填长度的动态神经网络软测量模型》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、化工自动化及仪表,2002,29(2):43～46计算机应用ControlandInstrumentsinChemicalIndustry注塑过程熔体充填长度的动态神经网络软测量模型112陈 曦,钱积新,高福荣(1.浙江大学控制系系统工程研究所,浙江杭州310027;2.香港科技大学化工系,香港)摘要:提出用喷嘴压力、注射速度和螺杆位移等在线可测二次变量来预测充填长度的方法,并建立了基于动态神经网络的充填长度模型。验证结果表明,此模型可准确地在线预测各种不同形状模具中的充填长度曲线。关键词:充填长度;动态神经网络;软测量模型中图分类号:TP31文献标识码:B文章编号:
2、100023932(2002)(02)200432041 前 言速度恒定。但是,上述问题可以转化为相关的熔注塑成型是塑料加工的一种重要手段。实现体充填长度的测量,从而实现熔体充填速度的间制品的质量控制是注塑过程控制研究的理想目接控制。标。作为一个复杂的间歇循环过程,注塑制品的熔体在模腔内流动时,其前锋的流动速度质量受许多因素的共同影响,其中模腔内熔体的Vm,也就是熔体的充填速度,可以用充填长度afl[1]充填速度是决定制品质量的一个重要变量。在的导数表示:充填过程中,如果可以将熔体的充填速度控制为daflVm=(1)定常值,则可以提高制品的均匀度,从而提高制品dt内部
3、的机械性能和外部的表观质量[1～3]。目前这因此,如果可以将充填长度控制为注射时间一操作方法的难点在于无法有效测量熔体的充填的线性函数,就可以实现充填速度的闭环控制。速度,也就难以实现对充填速度的在线控制。由图1所示为恒定充填速度的闭环控制回路的方块于充填速度与充填长度之间存在着导数关系,因图,此系统由内外两个控制回路组成。其中,内循此如果可以获得充填长度的信息,也就可以间接环为注射速度的反馈控制回路,注射速度可以通实现对充填速度的控制。本文着重研究通过其它过安装在机筒上、与螺杆相连的速度传感器测量。在线可测变量来表征充填长度,并建立相应的动外循环为充填速度的反馈控制
4、回路,其反馈信息态神经网络模型的软测量方法。此研究对最终实由充填长度的软测量模型输出经微分后获得。反现注塑过程的质量控制具有重要意义。馈值与恒定的设定值进行比较,误差作为充填速2 恒定充填速度控制度控制器的输入。控制器的输出是内循环注射速在注塑过程的熔体充填阶段,机筒内已塑化度的设定值。充填长度的在线软测量模型是整个的高温熔体在螺杆的推动下注入模腔,并沿充填控制系统能否实现的关键所在。方向不断发展,直至充满整个模腔。在此充填过3 充填长度软测量模型分析程中,熔体的充填速度是决定制品质量的重要因充填过程模型研究一直是注塑领域的热门研素。当注射速度(即螺杆推动速度)相同时
5、,模腔[4～8]究课题。现有的充填模型由质量守恒、动量内熔体的充填速度会因模腔截面积的不规则而发守恒、能量守恒和材料的本构方程组成,并配以初生变化,最终造成制品质量的不均匀。由于熔体始条件和边界条件,然后通过假设对模型进行简充填速度难以在线测量,目前仍缺乏有效的方法来设定和控制注射速度以保持模腔内的熔体充填 收稿日期:2001-09-29©1995-2005TsinghuaTongfangOpticalDiscCo.,Ltd.Allrightsreserved.· 化工自动化及仪表44· 第29卷化。由于方程比
6、较复杂,上述方程组通常无法得速度和螺杆行程等变量都是按一定采样频率经数到解析解,常常用有限元等数值方法进行求解,许据采集系统获取。根据离散化要求,上述关系的多仿真软件都采用这种方法。其中,C2MOLD和离散型方程则可表示为:MOLDFLOW是两种最成功的仿真软件。给定模afln=f(afln-1,NPn,ΔNPn,SDn,ΔSDn,IVn)(3)具形状、材料特性和注射速度曲线时,它们可以计其中,下标n代表注射过程中的第n次采样算出特定时刻熔体的充填长度。但是,仿真软件数据。第n次的充填长度不仅与当前的注射压在高性能计算机上也需运行数分钟甚至于数十分力、速度和注射量有关
7、,还和它们的变化量有关,钟才能求解一个充填过程,而实际充填过程往往并且还受上一步的充填长度的影响。由于此式中在几秒甚至一秒钟内便已完成。因此,这些软件各变量之间的关系极为复杂,难以用显式数学模目前仍然局限于离线仿真,还无法用于在线求解型加以描述,我们采用神经网络模型来表征注射充填长度,也就无法在线控制注射速度。因此,建过程中的充填长度。立一个可在线使用的充填长度模型对实现质量控4 动态神经网络模型制具有重要意义。神经网络按结构区别可分为前馈网络和反馈网络两种类型,如图2所示,前馈网络的输入信号经输入层、隐含层到输出层依次传递信息。每一层的神经元的输入
