[发明专利]一种薄壁塑件注射成型工艺参数多目标优化方法在审
申请号: | 202010837091.X | 申请日: | 2020-08-19 |
公开(公告)号: | CN112101630A | 公开(公告)日: | 2020-12-18 |
发明(设计)人: | 曹艳丽;范希营;郭永环 | 申请(专利权)人: | 江苏师范大学 |
主分类号: | G06Q10/04 | 分类号: | G06Q10/04;G06N3/12;G06F30/27 |
代理公司: | 北京淮海知识产权代理事务所(普通合伙) 32205 | 代理人: | 杨晓亭 |
地址: | 221116 江苏*** | 国省代码: | 江苏;32 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 薄壁 注射 成型 工艺 参数 多目标 优化 方法 | ||
1.一种薄壁塑件注射成型工艺参数多目标优化方法,其特征在于,以最小化翘曲和体积收缩为两个优化目标,将Moldflow模拟软件与拉丁超立方采样相结合,具体包括以下步骤:
步骤一、选取影响这两个优化目标的工艺参数作为优化的设计变量,在由设计变量所构成的设计空间范围内,采用基于分层抽样技术的拉丁超立方抽样方法LHS得到多个样本点,并通过Moldflow软件进行模拟仿真得到各个样本点的翘曲值和体积收缩率;
步骤二、基于拉丁超立方抽样所得的样本结果,构建随机森林回归RFR模型以建立工艺参数与两个优化目标之间的非线性数学模型,然后建立贝叶斯优化算法BO模型、并以此对RFR模型的超参数进行优化形成BO-RFR模型;
步骤三、最后采用NSGA-II对BO-RFR进行多目标优化,获得最佳注射成型工艺参数。
2.根据权利要求1所述的薄壁塑件注射成型工艺参数多目标优化方法,其特征在于,步骤二中,构建随机森林回归RFR模型使用python软件的sklearn机器学习软件包实现。
3.根据权利要求2所述的薄壁塑件注射成型工艺参数多目标优化方法,其特征在于,步骤二中,建立贝叶斯优化算法BO模型过程中,将高斯过程GP作为概率代理模型、将提升策略PI作为采集函数。
4.根据权利要求3所述的薄壁塑件注射成型工艺参数多目标优化方法,其特征在于,步骤二中,用BO模型对RFR模型的超参数进行优化的具体步骤如下:
步骤①、以拉丁超立方抽样所得的样本结果中的数据为原始数据集,将数据集划分为训练集和测试集;
步骤②、在RFR模型超参数设定搜索范围内随机生成初始点,并建立初始RFR模型,得到目标函数的初始分布和初始采样集D;
步骤③、主动选择下一个能使采集函数最大化的评估点xt,通过高斯模型,得到新评估点的目标函数值ft;
步骤④、将新的采集样本(xt,ft)添加到历史采样集Dt-1中,并更新高斯模型,经过修正使得高斯模型更加接近目标函数值的真实分布;
步骤⑤、当迭代达到最大迭代次数时,停止高斯模型更新,输出最大采样点和对应的目标函数最优值;
步骤⑥、确定最佳RFR模型,并利用测试集进行评估。
5.根据权利要求1所述的薄壁塑件注射成型工艺参数多目标优化方法,其特征在于,步骤三中,采用NSGA-II对BO-RFR进行多目标优化时,在通过NSGA-II优化获得的Pareto解集中,按照薄壁塑件要求的最小化翘曲和体积收缩比质量指标选取满足条件的数据组,并对这些数据组进行权衡分析获得最佳注射成型工艺参数。
6.根据权利要求5所述的薄壁塑件注射成型工艺参数多目标优化方法,其特征在于,权衡分析首先分别将多组数据组的翘曲和体积收缩归一化至[0,1],然后以翘曲和体积收缩率所构成的矩形面积作为均衡分析的标准进行计算。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于江苏师范大学,未经江苏师范大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010837091.X/1.html,转载请声明来源钻瓜专利网。
- 同类专利
- 专利分类
G06Q 专门适用于行政、商业、金融、管理、监督或预测目的的数据处理系统或方法;其他类目不包含的专门适用于行政、商业、金融、管理、监督或预测目的的处理系统或方法
G06Q10-00 行政;管理
G06Q10-02 .预定,例如用于门票、服务或事件的
G06Q10-04 .预测或优化,例如线性规划、“旅行商问题”或“下料问题”
G06Q10-06 .资源、工作流、人员或项目管理,例如组织、规划、调度或分配时间、人员或机器资源;企业规划;组织模型
G06Q10-08 .物流,例如仓储、装货、配送或运输;存货或库存管理,例如订货、采购或平衡订单
G06Q10-10 .办公自动化,例如电子邮件或群件的计算机辅助管理