基于BP神經(jīng)網(wǎng)絡的增高腿注塑工藝參數(shù)優(yōu)化

廖生溫，王玉勤，劉 磊,劉 婧

(1.巢湖學院 機械工程學院，安徽 巢湖 238000；2.蕪湖金鵬汽車部件有限公司，安徽 蕪湖 241000)

塑料制品具有可塑性強、制造成本低、電絕緣性優(yōu)良等優(yōu)點，在國民經(jīng)濟中應用廣泛，人們對其質量的要求也越來越高[1]。注塑成型占塑料件生產(chǎn)的三分之一左右，是塑料成型的主要加工方法之一，在制造業(yè)中扮演著重要角色。塑料件質量的優(yōu)劣直接影響其生產(chǎn)效率和裝配使用，而決定塑料制品質量和生產(chǎn)效率的因素除了注塑模具質量設計的好壞外，還有一個關鍵因素在于成型工藝參數(shù)設置[2]。與傳統(tǒng)注塑模具設計方法相比，注塑CAE技術能對塑件的缺陷進行提前預測與控制，減少模具反復試模、修模次數(shù)，縮短模具的開發(fā)周期，提高效率，降低企業(yè)經(jīng)營生產(chǎn)成本[3]。目前，對優(yōu)化注塑成型工藝參數(shù)方面已有許多學者進行了大量研究。如：林幼文[4]等采用Moldflow軟件對汽車進氣格柵的澆注系統(tǒng)進行CAE仿真分析并改進，同時運用GRNN神經(jīng)網(wǎng)絡對汽車進氣格柵的注塑工藝參數(shù)進行優(yōu)化，解決了熔接痕和翹曲變形的質量問題，滿足了實際生產(chǎn)需要。楊振[5]等采用Moldflow軟件對汽車后視鏡外殼的模流過程進行模擬仿真分析，設計汽車后視鏡外殼翹曲變形量的BP神經(jīng)網(wǎng)絡，取8組數(shù)據(jù)進行訓練，另外8組樣本數(shù)據(jù)進行BP網(wǎng)絡預測，對比Moldflow軟件模擬值與預測值，得到誤差在允許范圍內，表明所設計的BP網(wǎng)絡模型正確，但未進行實驗驗證。孫麗麗[6]等選取5個注塑工藝(熔體溫度、模具溫度、注射壓力、保壓時間、保壓壓力)，以充填時間、體積收縮率、總翹曲變形量作為實驗目標，確定網(wǎng)絡層數(shù)、節(jié)點及傳遞函數(shù)，建立多輸入-多輸出的BP神經(jīng)網(wǎng)絡模型，并進行訓練與預測，驗證了BP神經(jīng)網(wǎng)絡9組預測數(shù)據(jù)與Moldflow模擬數(shù)據(jù)的誤差較小，進行制件試生產(chǎn)，得到儲物盒制件表面無明顯翹曲變形和熔接痕，滿足質量要求。研究成果顯示，各種代理模型能夠準確地控制和預測塑料件的翹曲變形、體積收縮率和縮痕指數(shù)，有效提高優(yōu)化效率[7]。

參考上述文獻，對增高腿的注塑成型過程在Moldflow軟件中進行模擬分析，通過極差分析法確定其注塑成型工藝參數(shù)對體積收縮率和縮痕指數(shù)的影響重要程度。然后建立BP神經(jīng)網(wǎng)絡模型對增高腿的體積收縮率和縮痕指數(shù)進行預測，得到訓練后的預測值與Moldflow模擬值基本一致，提高了設計效率，可為實際應用提供參考。

1 注塑件結構及工藝分析

該塑件為圓柱狀的增高腿，是用于兒童玩具桌的增高，壁厚均勻，如圖1所示。塑件最大尺寸為長130 mm、寬44.5 mm、高44.5 mm。由于增高腿在兒童玩具桌反復拆解時拼插牢固，因此要求產(chǎn)品零件內外表面光滑，不得有劃痕、飛邊、毛刺、翹曲變形等不良缺陷，表面粗糙度要求為Ra0.8 μm。聚丙烯材料屬于高分子材料，具有無味、無毒、密度小、良好的耐化學性、電絕緣性、耐熱性、高強度機械性能等優(yōu)點，在玩具塑料產(chǎn)品生產(chǎn)中應用廣泛。該增高腿采用A Schulman GMBH化學公司的聚丙烯材料(牌號：POLYFLAM RIPP 3625 CS1)，其PVT曲線如圖2所示。

圖1 增高腿

圖2 PP的PVT曲線

2 正交實驗設計與分析

正交實驗設計是用于組合多因素多水平實驗而獲得最優(yōu)水平組合的實驗設計方法，由于影響注塑件的收縮率因素有很多，因此在工程實踐中應用廣泛[8]。

本研究選取6個工藝參數(shù)(熔體溫度、模具溫度、注射壓力、注射時間、保壓壓力、保壓時間)作為實驗因素，并根據(jù)所選材料、工藝條件、成型設備以及實際生產(chǎn)狀況等多種因素來確定各個注塑工藝參數(shù)的水平值，在模流實驗模擬過程中忽略各工藝參數(shù)間交互作用所產(chǎn)生的影響。最終確定該試驗為五水平六因素試驗，采用L25(56)的正交表，如表1所示。根據(jù)正交表設計進行25次實驗，得到注塑成型工藝參數(shù)對增高腿縮痕指數(shù)和體積收縮率考核指標的結果，如表2所示。

2.1 注塑工藝參數(shù)對增高腿的縮痕指數(shù)的影響

對注塑件產(chǎn)生縮痕的可能性通常用縮痕指數(shù)來表示，其值越大，表明制件產(chǎn)生縮痕或縮孔的可能性就越大[9]。通過計算增高腿注塑成型正交實驗結果得到其縮痕指數(shù)的極差分析表如表3所示。得到各工藝參數(shù)影響增高腿縮痕指數(shù)的重要程度順序為：熔體溫度>模具溫度>注射時間>保壓壓力>保壓時間>注射壓力。

表1 正交試驗的六因素五水平值

表2 增高腿注塑成型正交實驗方案及結果

表3 各工藝參數(shù)對縮痕指數(shù)的極差分析表

表3中k1、k2、k3、k4、k5及K1、K2、K3、K4、K5分別表示增高腿注塑成型正交實驗各因素在五個水平值下縮痕指數(shù)的均值與總和，極差R表示縮痕指數(shù)均值的最大值與最小值之差。

為直觀反映增高腿注塑工藝各參數(shù)對縮痕指數(shù)的影響重要程度，繪制各注塑工藝參數(shù)因素對縮痕指數(shù)的影響趨勢圖如圖3所示。

圖3 正交試驗各因素對增高腿縮痕指數(shù)的影響趨勢圖

對增高腿注塑工藝各參數(shù)對縮痕指數(shù)進行極差分析可以得到：取縮痕指數(shù)的因素、水平的最小值就是最佳工藝參數(shù)組合，即A1B2C3D1E5F5，即當增高腿注塑工藝參數(shù)的模具溫度為50 ℃、熔體溫度為205 ℃、注射壓力為98 MPa、注射時間為0.8 s、保壓壓力為43 MPa、保壓時間為30 s時縮痕指數(shù)數(shù)值最小。在正交實驗表中沒有該組工藝參數(shù)組合，運用Moldflow模擬得到縮痕指數(shù)為1.362%，如圖4，其結果得到優(yōu)化。

圖4 增高腿A1B2C3D1E5F5工藝參數(shù)的縮痕指數(shù)

2.2 注塑工藝參數(shù)對增高腿的體積收縮率的影響

塑料的收縮率是塑料本身熱脹冷縮而導致其制品尺寸縮小的現(xiàn)象，是指塑料制品從模具中取出冷卻至室溫時尺寸縮小的程度[10]。它是影響制件質量的重要因素之一，因此在注塑成型過程中需盡可能減小制件的體積收縮率值。其計算公式為：

(1)

式中，Sv為注塑成型制品的收縮率；Vm為常溫下注塑模腔的體積；Vc為常溫下注塑成型制品的體積。

通過計算增高腿注塑成型正交實驗結果得到其體積收縮率的極差分析表如表4所示。

表4 各工藝參數(shù)對體積收縮率的極差分析表

表4中k1、k2、k3、k4、k5及K1、K2、K3、K4、K5分別表示增高腿注塑成型正交實驗各因素在五個水平值下體積收縮率的均值與總和，極差R表示體積收縮率均值的最大值與最小值之差。

由表4可知，各工藝參數(shù)影響增高腿體積收縮率的重要程度順序為：溶體溫度>保壓時間>注射壓力>模具溫度>注射時間>保壓壓力。為直觀反映增高腿注塑工藝各參數(shù)對體積收縮率的影響重要程度，繪制各注塑工藝參數(shù)因素對體積收縮率的影響趨勢圖如圖5所示。

圖5 正交試驗各因素對增高腿體積收縮率的影響趨勢圖

對增高腿注塑工藝各參數(shù)對體積收縮率進行極差分析可以得到：體積收縮率的因素、水平的最小值就是最佳工藝參數(shù)組合，即A1B3C2D3E5F4，即當熔體溫度達到205 ℃，模具溫度達到60 ℃，注射壓力為97.5 MPa，注射時間為1.7 s，保壓壓力為38 MPa，保壓時間為25 s時體積收縮率為12.82%，如圖6，其結果得到優(yōu)化。

圖6 增高腿A1B3C2D3E5F4工藝參數(shù)的體積收縮率

3 BP神經(jīng)網(wǎng)絡優(yōu)化

3.1 BP神經(jīng)網(wǎng)絡模型建立

采用單隱含層的前饋網(wǎng)絡結構建立BP神經(jīng)網(wǎng)絡模型，輸入層是以熔體溫度、模具溫度、注射壓力、注射時間、保壓壓力和保壓時間等六個注塑工藝參數(shù)作為神經(jīng)網(wǎng)絡輸入?yún)?shù)，以增高腿的體積收縮率為輸出目標函數(shù)[11]。在BP神經(jīng)網(wǎng)絡結構中，設置輸入層的節(jié)點數(shù)為6，輸出層的節(jié)點數(shù)為2，隱含層的層數(shù)為m，其神經(jīng)網(wǎng)絡拓撲算法模型如圖7所示。

圖7 BP神經(jīng)網(wǎng)絡結構圖

隱含層的節(jié)點數(shù)s通過經(jīng)驗公式(2)計算得到：

(2)

上式中：m為隱含層節(jié)點數(shù)；

n為輸入層節(jié)點數(shù)；

l為輸出層節(jié)點數(shù)；

a為1-10之間的常數(shù)。

根據(jù)公式(2)計算初步選定m=10，該值可在BP神經(jīng)網(wǎng)絡訓練時的實際情況進行適當?shù)恼{整。

3.2 BP神經(jīng)網(wǎng)絡模型訓練與驗證

在構建BP神經(jīng)網(wǎng)絡模型時，為使模型更好滿足數(shù)據(jù)樣本的精度和快速收斂性要求，對數(shù)據(jù)樣本作歸一化處理，公式為(3)。并設置S型正切函數(shù)tansig為隱含層函數(shù)，輸入層函數(shù)為非線性傳遞函數(shù)logsig，輸出層函數(shù)為線性傳遞函數(shù)trainlm。設置最大訓練次數(shù)為5000次，學習速率為0.01，性能目標誤差為0.0001。當BP神經(jīng)網(wǎng)絡模型的訓練目標誤差小于0.0001或者訓練次數(shù)達到5000時，訓練自動終止。對BP神經(jīng)網(wǎng)絡模型的輸出值作反歸一化處理以得到實際模擬值。

(3)

式中，xi、xmax、xmin分別為神經(jīng)網(wǎng)絡訓練的輸入或輸出數(shù)據(jù)、最大值、最小值。

對增高腿的模擬值(見表2)隨機抽取16組數(shù)據(jù)為檢驗樣本來訓練BP神經(jīng)網(wǎng)絡模型，得到的預測結果如下表5所示，在正交模擬數(shù)據(jù)中隨機抽取16組數(shù)據(jù)作為檢驗樣本，其余9組作為測試樣本，并計算兩者之間的相對誤差，將Moldflow模擬值與BP神經(jīng)網(wǎng)絡預測值進行對比。

表5 Moldflow實驗結果與BP神經(jīng)網(wǎng)絡輸出結果比較 %

為了對比BP神經(jīng)網(wǎng)絡輸出值與Moldflow模擬值之間的吻合度，根據(jù)表5做出圖8所示的神經(jīng)網(wǎng)絡輸出值與 Moldflow 模擬值對比曲線圖。

圖8 BP 神經(jīng)網(wǎng)絡輸出值與 Moldflow 模擬值對比曲線圖

從表5和圖8中的結果可以分析得到：增高腿的縮痕指數(shù)和體積收縮率的相對誤差都小于10%。這說明正交實驗的模流結果與神經(jīng)網(wǎng)絡的預測結果比較接近，吻合程度較高，也說明所設計的BP神經(jīng)網(wǎng)絡模型較好，預測精度較高。

綜上所述，運用正交實驗分析、BP神經(jīng)網(wǎng)絡，模流CAE仿真分析能獲得較佳的注塑成型工藝參數(shù)，使增高腿的注塑質量得到明顯改善，增高腿實際注塑生產(chǎn)實物如圖9所示。

圖9 增高腿試模制件

4 結論

本研究基于Moldflow軟件和BP神經(jīng)網(wǎng)絡，結合正交實驗法，以熔體溫度、模具溫度、注射壓力、注射時間等6個注塑工藝參數(shù)為影響因子，尋找使增高腿的縮痕指數(shù)和體積收縮率變量最小的工藝參數(shù)組合[11]，得到的結論如下：

基于正交實驗法，設計了L25(56)正交實驗方案并進行模流仿真分析，通過極差分析得到各工藝參數(shù)影響增高腿體積收縮率的重要程度順序為：溶體溫度>保壓時間>注射壓力>模具溫度>注射時間>保壓壓力。其最佳工藝參數(shù)為：熔體溫度達到205 ℃，模具溫度達到60 ℃，注射壓力為97.5 MPa，注射時間為1.7 s，保壓壓力為38 MPa，保壓時間為25 s，其體積收縮率為12.82%。

以增高腿的注塑工藝參數(shù)作為神經(jīng)網(wǎng)絡輸入?yún)?shù)，體積收縮率為輸出參數(shù)，建立三層BP神經(jīng)網(wǎng)絡預測模型。通過隨機抽取16組Moldflow仿真結果作為BP神經(jīng)網(wǎng)絡初始訓練樣本并進行驗證，發(fā)現(xiàn) BP 神經(jīng)網(wǎng)絡的預測值和Moldflow的模擬值之間的誤差較小，說明構建的BP神經(jīng)網(wǎng)絡模型具有較好的預測精度。對增高腿進行試生產(chǎn)，成型后的增高腿制件表面質量良好，無明顯缺陷。