针对注塑成型现有模拟仿真优化工艺参数的局限性,拟采用高斯过程建立一个代理模型来近似3D仿真,探索一种不要求预先假设特定回归模型和只需少量的初始训练样本的优化新方法,快速与智能化实现成型过程工艺参数的优化任务和找到各参数的关联性,推进塑料制品成型过程参数协同自适应智能优化方法的发展。研究内容包括①Latin超立方体取样(LHS)算法和实验设计;②高斯过程的代理建模方法;③混合遗传算法(GA)或多目标优化遗传算法;④工艺过程多参数协同分析研究;⑤检验研究方法的有效性。拟解决的关键问题是高斯过程建模和参数关联性分析。拟采用的技术路线的要点基于CAE仿真建立LHS数据样本,用高斯过程的训练阶段与迭代阶段实现代理模型的改善,用训练好的代理模型进行成型过程条件优化及参数关联性分析。特色与创新在于首次将高斯过程代理模型应用于注塑成型过程条件优化和多参数协同分析,具有明显的理论意义和实际价值。
Gaussian process;multi-objective optimization;parameters synergy;Latin Hypercube Sampling (LHS);injection molding
本课题采用高斯过程建立一个代理模型来近似3D仿真,探索一种不要求预先假设特定回归模型和只需少量的初始训练样本的优化新方法。内容包括①适用于计算机仿真试验的增强型平移传播Latin超立方体试验设计的优化方法;②基于高斯过程代理模型的逐步优化方法,通过引入了一种新的最大化概率提高准则,在比较少的实验样本代价下能快速找到全局最优解;③解决多目标优化问题的一种高斯过程多输入多输出(MIMO)联立建模新方法,同时考虑了工艺参数数值输入变量和质量目标类别输入变量的关联影响,并通过高斯变异混合遗传算法和改进的粒子群优化算法对注塑成型工艺参数的多质量控制目标优化;④基于高斯过程的注塑成型目标质量的预测及工艺参数相关分析方法,分析获得注塑过程中各因素对产品质量指标的影响预测及关联程度,探索出一种更为有效的智能控制途径;⑤结合理论研究成果,开发了注塑成型工艺参数高斯预测与优化系统和注塑成型工艺协同控制系统。选取汽车和笔记本中要求高的注塑件为应用案例,对注塑成型质量预测、工艺优化及参数协同的高斯过程建模方法加以验证其合理性和有效性。 成果将高斯过程代理模型应用于注塑成型过程质量预测、条件优化和多参数协同分析,由于不依赖于对注射成型物理过程的分析,使数值模拟过程进一步简化,其研究的优良性能更具理论意义和实际价值。 重要成果 1、提出注塑成型过程优化及参数协同分析的GP代理建模方法及单/多目标优化方法,并开发出代理模型算法程序应用系统,获得2项国家版权局计算机软件著作权登记。(1)科鼎注塑成型工艺参数高斯预测与优化系统V2.0.1(软著登字第0457712号)(2)科鼎注塑成型工艺协同控制系统V3.0.1(软著登字第0492178号) 2、在国际知名刊物、国际重要学术会议上发表论文8篇(其中三大索引收录5篇)。