買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉浙江大學(xué)申請(qǐng)的專利一種基于混合模型的注塑工藝參數(shù)智能調(diào)節(jié)方法獲國(guó)家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN116852665B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-08-29發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202310862943.4，技術(shù)領(lǐng)域涉及：B29C45/78；該發(fā)明授權(quán)一種基于混合模型的注塑工藝參數(shù)智能調(diào)節(jié)方法是由張樹(shù)有;曾威;伊國(guó)棟;云沖沖;王陽(yáng)設(shè)計(jì)研發(fā)完成，并于2023-07-13向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本一種基于混合模型的注塑工藝參數(shù)智能調(diào)節(jié)方法在說(shuō)明書(shū)摘要公布了：本發(fā)明公開(kāi)了一種基于混合模型的注塑工藝參數(shù)智能調(diào)節(jié)方法。通過(guò)注塑制品缺陷與工藝參數(shù)的映射仿真獲取Kriging代理模型的初始數(shù)據(jù)，以注塑機(jī)時(shí)間測(cè)量數(shù)據(jù)及Kriging擬合數(shù)據(jù)作為后續(xù)數(shù)據(jù)，同時(shí)定義最小信噪比函數(shù)；定義最優(yōu)工藝參數(shù)組合適應(yīng)度函數(shù)；定義工藝參數(shù)貢獻(xiàn)率；確定最優(yōu)初始工藝參數(shù)；構(gòu)建高預(yù)測(cè)準(zhǔn)確度的GA?BP模型；構(gòu)建基于EGO的全局優(yōu)化Kriging代理模型；使用Kriging模型和GA?BP模型進(jìn)行工藝參數(shù)動(dòng)態(tài)調(diào)節(jié)。本發(fā)明可解決Kriging模型計(jì)算精度高但對(duì)噪聲數(shù)據(jù)敏感的問(wèn)題，并結(jié)合預(yù)測(cè)模型和機(jī)器視覺(jué)檢測(cè)手段，實(shí)現(xiàn)了注塑工藝參數(shù)動(dòng)態(tài)調(diào)節(jié)，有效地提高注塑過(guò)程中的調(diào)節(jié)效率和自動(dòng)化程度。

本發(fā)明授權(quán)一種基于混合模型的注塑工藝參數(shù)智能調(diào)節(jié)方法在權(quán)利要求書(shū)中公布了：1.一種基于混合模型的注塑工藝參數(shù)智能調(diào)節(jié)方法，其特征在于，包括以下步驟： 步驟1：使用拉丁超立方取樣對(duì)注塑工藝中需用到的工藝參數(shù)經(jīng)驗(yàn)范圍內(nèi)的值進(jìn)行隨機(jī)取樣，并用田口正交方法對(duì)隨機(jī)取樣后的值進(jìn)行組合獲得多組實(shí)驗(yàn)方案；用Moldflow對(duì)實(shí)驗(yàn)方案進(jìn)行仿真獲得目標(biāo)值，將仿真結(jié)果做方差分析，求得所有工藝參數(shù)的貢獻(xiàn)率，從而確定影響注塑制品質(zhì)量的主要工藝參數(shù)； 步驟2：利用步驟1的主要工藝參數(shù)構(gòu)建BP-GA神經(jīng)網(wǎng)絡(luò)模型； 步驟3：構(gòu)建基于EGO的全局優(yōu)化Kriging代理模型； 步驟4：開(kāi)始注塑生產(chǎn)制品，對(duì)生產(chǎn)過(guò)程中的注塑制品進(jìn)行周期性檢測(cè)，獲得多組工藝參數(shù)組合數(shù)據(jù)及其對(duì)應(yīng)的目標(biāo)值； 步驟5：從步驟4的多組工藝參數(shù)組合數(shù)據(jù)中選擇有效數(shù)據(jù)計(jì)算信噪比，并更新GA-BP神經(jīng)網(wǎng)絡(luò)模型，同時(shí)通過(guò)拉丁超立方進(jìn)行采樣和EGO全局優(yōu)化方法進(jìn)行針對(duì)性加點(diǎn)，補(bǔ)充并更新Kriging模型的訓(xùn)練數(shù)據(jù)，重新訓(xùn)練Kriging預(yù)測(cè)模型； 步驟6：實(shí)時(shí)對(duì)生產(chǎn)過(guò)程中注塑制品的目標(biāo)值進(jìn)行監(jiān)測(cè)并檢查是否超過(guò)設(shè)定閾值，對(duì)超過(guò)閾值的目標(biāo)值對(duì)應(yīng)的工藝參數(shù)進(jìn)行修正，將修正后的工藝參數(shù)輸入GA-BP神經(jīng)網(wǎng)絡(luò)模型，預(yù)測(cè)信噪比值并判斷信噪比是否符合設(shè)定范圍，若超過(guò)閾值，則繼續(xù)進(jìn)行工藝參數(shù)修正，直到符合信噪比要求； 步驟7：將步驟6得到的符合信噪比要求的工藝參數(shù)組合輸入Kriging模型，預(yù)測(cè)注塑制品的目標(biāo)值并判斷是否滿足設(shè)定閾值： 若不滿足，返回步驟6繼續(xù)修正工藝參數(shù)； 若滿足，則得到既符合信噪比要求也符合質(zhì)量標(biāo)準(zhǔn)的工藝參數(shù)組合； 步驟8：使用步驟7最終得到的工藝參數(shù)組合對(duì)注塑機(jī)進(jìn)行工藝參數(shù)調(diào)整，將調(diào)整后的注塑機(jī)的實(shí)際缺陷檢測(cè)結(jié)果與步驟7預(yù)測(cè)的目標(biāo)值進(jìn)行對(duì)比，并將誤差反饋給Kriging模型后進(jìn)行修正； 通過(guò)步驟6～8形成注塑工藝參數(shù)的動(dòng)態(tài)調(diào)節(jié)系統(tǒng)； 所述步驟1中，通過(guò)下述公式計(jì)算工藝參數(shù)貢獻(xiàn)率θ： 貢獻(xiàn)率θ＝SeqSSi∑SeqSSi； 式中， 式中，sj表示缺陷歸一化平均值，n為工藝參數(shù)的個(gè)數(shù)，i表示第i個(gè)工藝參數(shù)； 所述步驟1中的主要工藝參數(shù)為貢獻(xiàn)率大于5％的工藝參數(shù)； 所述步驟3具體為： 3.1利用初始樣本構(gòu)造Kriging模型： 初始樣本包括步驟1確定的主要工藝參數(shù)和步驟2通過(guò)拉丁超立方取樣方法增加的工藝參數(shù)，以及所有工藝參數(shù)對(duì)應(yīng)的目標(biāo)值； 3.2對(duì)樣本數(shù)據(jù)X*進(jìn)行歸一化處理； 3.3使用拉丁超立方采樣及EGO全局優(yōu)化獲取新樣本點(diǎn)： 在工藝參數(shù)范圍內(nèi)進(jìn)行拉丁超立方取樣得到M個(gè)新樣本點(diǎn)； 通過(guò)最小化響應(yīng)面和最大化期望改進(jìn)函數(shù)確定新的樣本點(diǎn)，公式如下： 式中，xi表示第i個(gè)新樣本點(diǎn)，包含的特征有工藝參數(shù)組合及目標(biāo)值，i∈{1,2,…M}，xi∈X＝{x1,…,xi,…xM}；yxi為樣本xi經(jīng)實(shí)驗(yàn)或仿真后獲得的目標(biāo)值； 期望改進(jìn)函數(shù)EIxi為： 式中，CDF和PDF為積累分布函數(shù)和概率密度函數(shù)；yμx為步驟3.2的樣本數(shù)據(jù)加上樣本點(diǎn)xi的工藝參數(shù)使用kriging模型獲得的目標(biāo)值均值，σx為步驟3.2的樣本數(shù)據(jù)加上樣本點(diǎn)xi的工藝參數(shù)的方差； 選取EIx最大時(shí)對(duì)應(yīng)的xi作為新樣本點(diǎn)x*，將x*加入X*，獲得新的集合X*，使用更新后的樣本數(shù)據(jù)集X*對(duì)Kriging代理模型進(jìn)行重新擬合完成更新； 3.4對(duì)更新后的Kriging模型預(yù)測(cè)誤差項(xiàng)： Kriging模型的優(yōu)化目標(biāo)是預(yù)測(cè)誤差最小，目標(biāo)函數(shù)如下： 式中，為目標(biāo)函數(shù)，y為樣本的目標(biāo)值，為樣本目標(biāo)值的預(yù)測(cè)值；gjx是目標(biāo)函數(shù)的約束函數(shù)；分別是樣本x中工藝參數(shù)xi的上下限，x∈X*；Nc是約束的個(gè)數(shù)； 3.5當(dāng)目標(biāo)函數(shù)不小于設(shè)定目標(biāo)值時(shí)，重復(fù)3.3～3.4； 當(dāng)目標(biāo)函數(shù)小于設(shè)定目標(biāo)值，停止對(duì)Kriging模型的更新，從而完成基于EGO的全局優(yōu)化Kriging模型的構(gòu)建。

如需購(gòu)買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人浙江大學(xué)，其通訊地址為：310058 浙江省杭州市西湖區(qū)余杭塘路866號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。