基于高斯过程机器学习的注塑过程建模及工艺参数优化设计.pdf

《基于高斯过程机器学习的注塑过程建模及工艺参数优化设计.pdf》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、第3期机械设计与制造2013年3月MachineryDesign&Manufacture17基于高斯过程机器学习的注塑过程建模及工艺参数优化设计马俊燕，廖小平，夏薇，莫玉军(广西大学机械工程学院，广西南宁530004)摘要：注塑成型过程中的工艺参数的取值对成型质量有很大影响，工艺参数之间是非线性关系，采用常规的理论分析和数值计算方法难以快速准确找到其最优解。高斯过程机器学习是一个新的预测方法，采用贝叶斯统计方法和非线性回归技术解决复杂的非线}生建模问题。为获得好的成型质量，采用高斯过程机器学习的方法建立注塑成型工

2、艺过程代理模型。可获得满意的模型后用遗传算法求得优化的工艺参数。选用聚甲醛小模数齿轮的翘曲变形实例来验证了方法的可行性。关键词：注塑成型：高斯机器学习；工艺参数优化中图分类号：TH16；TS943．66文献标识码：A文章编号：1001—3997(2013)03—0017—03PlasticsInjectionModelingandOptimalDesignofProcessParametersBasedonGaussianProcessMachineLearningMAJun—yan，LIAOXiao—ping，

3、XIAWei，MOYu-jun(SchoolofMechanicalandEngineering，GuangxiUniversity，GuangxiNanning530004，China)Abstract：intheprocessofinjectionmoldingprocess，parametersselectionhasagreatinfluenceonmoldingresults．It’ShardtOndtheoptimalsolutionbecauseofthenonlinearrelationbymea

4、nsofconventionalmethodsuchastheoreticalanalysisandnumericalcalculation．As。，predictionmethod。GaussianProcess(GP)machine~arningemploysaBayesianstatisticsapproachandadoptsahighlynonlinearregressiontechniquetosolvethiscomplicatednonlinearproblem．InordertOgetgoodm

5、oldingresuh，GP／sproposedtOconstructtheregressionmodelforinjectionmoldingprocess．GeneticalgorithmisusedtooptimizetheprocessparameterswithsatisfactoryGRmode1．AnexamplewithpolyformaldehydesmallmodulegearisselectedtOverifythismethod．KeyWords：InjectionMolding；Gams

6、hnProcess；WarpageOptimization具有很好的适应性，是目前国际上机器学习研究的热点领域。高1引言斯过程具有容易实现的特点；具有灵活的非参数推断能力，即高注塑成型是重要的塑料制品成型方式，适于大批量生产形斯过程的算法参数均可在模型构建过程中自适应地获得；同时高状复杂、尺寸要求精确的塑料制品。影响注射成型质量的因素也斯过程是一个具有概率意义的核学习机，可对预测输出做出概很多，其分析方法主要采用Taguchi实验设计方法，但随着优化率解释，建模者能通过置信区间来对模型预测输出的不确定性设计方法的

7、不断改进，近年来“替代函数”因其可精确建模和减进行评价因此高斯过程机器学习方法在工程优化中越来越得到少优化过程的计算量的优点受到人们的青睐，文献采用神经重视。网络技术可以将注塑成型工艺参数和制品目标值之间复杂的非将高斯过程机器学习引入到注塑成型翘曲优化参数的求解线性关系转化为一个线性优化问题，文献目采用参数化有限元分中，通过小样本的训练数据获得满意的高斯过程代理模型，获得析并结合人工神经网络研究S形件翻边成形中的工艺参数，但模的满意模型用遗传算法求得优化的工艺参数，为快速准确获得注型性能的优劣过分依赖于模型训练过

8、程中样本数据的数量和质塑过程工艺参数提供一条新途径。量，或节点过多，增大了模型的计算量。文献_q借助已有的CAE模块，采用遗传算法对注塑成型进行多参数的工艺条件优化，大大2高斯过程回归减少对大型塑件试模阶段的工艺调整。假定模型是多输入单输出，给定一组训练数据D={{}，Y}，高斯过程(GaussianProcess，GP)是近几年发展起来的一种D包含Ⅳ组维输人数据{}和输