基于人工神經(jīng)網(wǎng)絡(luò)和遺傳算法的注塑成型過(guò)程的參數(shù)優(yōu)化

第六屆機(jī)器學(xué)習(xí)與控制論，2007年8月19-22日，香港國(guó)際會(huì)議基于人工神經(jīng)網(wǎng)絡(luò)和遺傳算法的注塑成型過(guò)程的參數(shù)優(yōu)化摘要：確定最優(yōu)工藝參數(shù)的設(shè)置嚴(yán)重影響生產(chǎn)力，質(zhì)量和成本，生產(chǎn)的塑料注射成型（注塑）行業(yè)。截至目前，大多數(shù)生產(chǎn)工程師，或者是用實(shí)驗(yàn)和錯(cuò)誤或田口的參數(shù)設(shè)計(jì)方法，以確定初始設(shè)置一些參數(shù)，包括熔體溫度，注射壓力，注射速度，注射時(shí)間，保壓壓力，保壓時(shí)間，冷卻溫度，冷卻時(shí)間。但由于日益復(fù)雜的產(chǎn)品設(shè)計(jì)和多品質(zhì)特性，這些多輸入多輸出（MIMO）的方法有一定的缺點(diǎn)。本研究結(jié)合田口的參數(shù)與反向傳播神經(jīng)網(wǎng)絡(luò)，遺傳算法，工程優(yōu)化概念設(shè)計(jì)方法，優(yōu)化注塑設(shè)備的初始過(guò)程設(shè)置。本研究結(jié)合田口的參數(shù)與反向傳播神經(jīng)網(wǎng)絡(luò)，遺傳算法，工程優(yōu)化概念設(shè)計(jì)方法，優(yōu)化注塑設(shè)備的初始過(guò)程設(shè)置。研究結(jié)果表明，該方法可以有效地幫助工程師確定最佳的初始過(guò)程設(shè)置，減少設(shè)置測(cè)試迭代，實(shí)現(xiàn)產(chǎn)品質(zhì)量和成本上的競(jìng)爭(zhēng)優(yōu)勢(shì)。關(guān)鍵詞：塑料注塑成型，反向傳播神經(jīng)網(wǎng)絡(luò);田口的參數(shù)設(shè)計(jì);遺傳算法1.介紹常規(guī)進(jìn)行的制造業(yè)，尤其是在設(shè)定初始工藝參數(shù)。初始過(guò)程參數(shù)設(shè)定被確認(rèn)為在注塑成型的最重要步驟之一，為改善［24］模塑制品的質(zhì)量。在此之前，工程師們使用依賴于工程師的經(jīng)驗(yàn)和直覺(jué)來(lái)確定初始過(guò)程參數(shù)設(shè)置的試驗(yàn)和錯(cuò)誤的過(guò)程。隨后，無(wú)數(shù)的工程師采用田口的參數(shù)設(shè)計(jì)方法來(lái)確定初始過(guò)程參數(shù)設(shè)置。然而，試驗(yàn)和錯(cuò)誤的過(guò)程是昂貴和費(fèi)時(shí)的，因此它是不適合復(fù)雜的制造工藝［19］。許認(rèn)為，當(dāng)使用試驗(yàn)和錯(cuò)誤的過(guò)程，它是不可能的，以驗(yàn)證實(shí)際的最佳工藝參數(shù)設(shè)置［9,10,11］。此外，田口的參數(shù)設(shè)計(jì)方法只能找到指定的最佳工藝參數(shù)水平組合，其中包括離散的工藝參數(shù)設(shè)定值。傳統(tǒng)的田口參數(shù)設(shè)計(jì)方法的應(yīng)用是不合適時(shí)工藝參數(shù)變量之一是連續(xù)的，它不能幫助工程師獲得最佳初始過(guò)程參數(shù)設(shè)置結(jié)果［30］。此外，工程師處理與多反應(yīng)的工藝參數(shù)設(shè)計(jì)問(wèn)題時(shí)，傳統(tǒng)的田口參數(shù)設(shè)計(jì)方法運(yùn)行困難［9,10,11］。應(yīng)用人工神經(jīng)網(wǎng)絡(luò)的一種替代手段（人工神經(jīng)網(wǎng)絡(luò)）已經(jīng)提出，以改善傳統(tǒng)的田口的參數(shù)設(shè)計(jì)，能夠有效地治療連續(xù)參數(shù)值［4,16,26,28,29,30］。在他們的研究中，提出了一種方法，采用反向傳播神經(jīng)網(wǎng)絡(luò)（BPNN）和模擬退火（SA）來(lái)解決一個(gè)響應(yīng)（氣道的長(zhǎng)度）的工藝參數(shù)優(yōu)化問(wèn)題。綜合數(shù)值模擬軟件，BP神經(jīng)網(wǎng)絡(luò)和遺傳算法優(yōu)化的工藝參數(shù)下的最大剪應(yīng)力的質(zhì)量要求［28］。kurtaran集成有限元分析（FEA）,設(shè)計(jì)實(shí)驗(yàn)（DOE）,神經(jīng)網(wǎng)絡(luò)和遺傳算法（GA），以確定在巴士天花板下燈座的最低翹曲質(zhì)量要求的注射成型工藝參數(shù)的最佳值。但這種情況下單響應(yīng)要求在實(shí)際生產(chǎn)過(guò)程中很少存在。通常情況下，有產(chǎn)品質(zhì)量［17］多響應(yīng)要求。對(duì)于多輸入多輸出（MIMO）的工藝參數(shù)設(shè)計(jì)問(wèn)題，眾多的研究人員應(yīng)用人工神經(jīng)網(wǎng)絡(luò)和遺傳算法實(shí)現(xiàn)初始的最佳工藝參數(shù)設(shè)置［22］許［9,10,11］,在上述研究［12,31。BP神經(jīng)網(wǎng)絡(luò)或一般回歸神經(jīng)網(wǎng)絡(luò)（GRNN）挑選和培訓(xùn)，輸入控制工藝因素和輸出響應(yīng)之間的映射關(guān)系。隨后，上述研究的作者建立了自己的健身功能，并應(yīng)用遺傳算法解決非線性數(shù)學(xué)模型的基礎(chǔ)上的BP神經(jīng)網(wǎng)絡(luò)或GRNN的預(yù)測(cè)模型。因此，生產(chǎn)過(guò)程的最優(yōu)初始參數(shù)設(shè)置可以決定的。他們沒(méi)有健身功能不管什么樣的［9,10,11］。使用指數(shù)可取的功能;使用相似的理想解決方案（TOPSIS法）為序偏好技術(shù)）［12］。GA優(yōu)化方法是投機(jī)取巧，不確定性。在交叉和變異操作可能會(huì)導(dǎo)致所確定的最小區(qū)域［19］搜索出來(lái)的，因此，以避免可能的缺點(diǎn)以前的ANN-GA的優(yōu)化方法，本研究的ANN-GA的優(yōu)化模塊集成到工程優(yōu)化，以保證該響應(yīng)對(duì)每個(gè)搜索迭代是當(dāng)?shù)刈钚〉臑槎喾磻?yīng)注塑成型過(guò)程中的參數(shù)優(yōu)化。塑料注塑成型周期分為四個(gè)階段：塑化，注塑，包裝，冷卻［27］。因此，幾個(gè)工藝參數(shù)，其中包括熔體溫度，模具溫度，注射壓力，注射速度，注射時(shí)間，保壓壓力，保壓時(shí)間，冷卻溫度，冷卻時(shí)間所有可能影響質(zhì)量的注射成型塑料制品［36］;在以前的塑料注塑成型的研究，不同的控制工藝參數(shù)已使用［17］。例如，黃大使用6個(gè)工藝參數(shù)（模具溫度，熔體溫度，澆口尺寸，保壓壓力，保壓時(shí)間，注射時(shí)間），以確定與薄殼功能的注塑塑料部件的過(guò)程中最佳的初始參數(shù)設(shè)置和根據(jù)單一品質(zhì)特性（翹曲）考慮［13］。吳和梁用6個(gè)工藝參數(shù)（模具溫度，保壓壓力，熔體溫度，注射速度，注射加速，包裝時(shí)間），注塑成型的塑料制品［33］焊接線的寬度，討論工藝參數(shù)的影響。蔣介石和張用四個(gè)控制工藝參數(shù)（模具溫度，熔體溫度，注射壓力，注射時(shí)間），以確定注塑塑料部件的最佳初始過(guò)程參數(shù)與薄殼功能和多個(gè)質(zhì)量特性考慮下設(shè)置［3］。因此，優(yōu)化工藝參數(shù)設(shè)置之前，工程師們需要選擇可行的和聽(tīng)話的控制工藝參數(shù)，這將影響注塑生產(chǎn)的結(jié)果。塑料注塑成型產(chǎn)品的質(zhì)量特性，可以大致分為三類：（1）三維屬性，（2）表面特性和（3）機(jī)械或光學(xué)性質(zhì)［34］。此前，研究人員發(fā)現(xiàn)，產(chǎn)品的重量是一個(gè)關(guān)鍵的質(zhì)量特性的塑料注塑成型［15］在制造過(guò)程中的穩(wěn)定性的一個(gè)很好的跡象;楊和高透露，該產(chǎn)品的重量是塑料注塑成型產(chǎn)品的重要屬性，因?yàn)楫a(chǎn)品重量有著密切的關(guān)系，其他質(zhì)量屬性（例如，表面和機(jī)械性能）［34］，尤其是其他三維屬性（例如，厚度）。他們還聲稱，一個(gè)制造工藝和質(zhì)量控制的性能，可以通過(guò)產(chǎn)品重量監(jiān)控?？ㄟ~勒提出了一種方法，采用BP神經(jīng)網(wǎng)絡(luò)和SA響應(yīng)長(zhǎng)度［15］下完成的工藝參數(shù)優(yōu)化問(wèn)題。劉提出建議的成型工藝參數(shù)的變化，為提高二維品質(zhì)的注塑部分基于反向過(guò)程建模的概念［25］（長(zhǎng)）的人工神經(jīng)網(wǎng)絡(luò)的應(yīng)用程序。因此，產(chǎn)品的重量和長(zhǎng)度的產(chǎn)品質(zhì)量是可行的，可以應(yīng)用在塑料注塑成型的工藝參數(shù)優(yōu)化的特點(diǎn)。確定塑料注塑成型工藝參數(shù)的設(shè)置，大大影響了塑料注塑產(chǎn)品［26］質(zhì)量。不合適的工藝參數(shù)設(shè)置可能會(huì)導(dǎo)致許多生產(chǎn)問(wèn)題（例如，許多產(chǎn)品的缺陷，交貨時(shí)間長(zhǎng)，大量的廢料，生產(chǎn)成本高，等），降低競(jìng)爭(zhēng)力的價(jià)格優(yōu)勢(shì)，降低公司的盈利能力。因此，塑料注塑多響應(yīng)考量下，本研究提出有效的工藝參數(shù)優(yōu)化方法，塑料注塑成型，以幫助制造商實(shí)現(xiàn)了產(chǎn)品質(zhì)量和成本競(jìng)爭(zhēng)優(yōu)勢(shì)。所提出的方法結(jié)合田口的參數(shù)設(shè)計(jì)方法，BP神經(jīng)網(wǎng)絡(luò)，遺傳算法，工程優(yōu)化，并能有效地幫助工程師確定最佳初始工藝參數(shù)的設(shè)置。本文提出的方法有三個(gè)階段。首先，田口的參數(shù)設(shè)計(jì)方法的應(yīng)用，有效地提供BP神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練和測(cè)試數(shù)據(jù)輸入控制工藝因素和輸出響應(yīng)之間的映射關(guān)系。二，應(yīng)用于工程優(yōu)化的概念制定的工藝參數(shù)優(yōu)化的健身功能，并采用BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)在給定的工藝參數(shù)設(shè)置的響應(yīng)值。第三，應(yīng)用遺傳算法搜索最優(yōu)的初始工藝參數(shù)設(shè)置。初始的最佳工藝參數(shù)設(shè)置不局限于在田口的參數(shù)設(shè)計(jì)方法的離散值。此外，初始的最佳工藝參數(shù)設(shè)置允許的質(zhì)量特性的性能接近目標(biāo)值或達(dá)到的首選地區(qū)。本文的其余部分安排如下：第2部分介紹了包括神經(jīng)網(wǎng)絡(luò)和遺傳算法的優(yōu)化方法。第3節(jié)提出了一種用于塑料注塑成型工藝參數(shù)優(yōu)化方法下的多響應(yīng)考慮。第4節(jié)提出了一個(gè)典型案例研究，證明了該方法的有效性。結(jié)果與討論，是在第5。一些結(jié)論的言論是在最后一節(jié)。2.優(yōu)化方法包括神經(jīng)網(wǎng)絡(luò)和遺傳算法的發(fā)展所提出的方法所必需的優(yōu)化方法簡(jiǎn)要介紹如下。2.1.神經(jīng)網(wǎng)絡(luò)利用神經(jīng)網(wǎng)絡(luò)（NN）;以及在通信，信號(hào)處理，模式識(shí)別，預(yù)測(cè)，過(guò)程控制和財(cái)務(wù)分析領(lǐng)域已接受［32］。大多數(shù)文獻(xiàn)采用回的傳播神經(jīng)網(wǎng)絡(luò)（Supervised）,因?yàn)樗哂锌焖夙憫?yīng)和高學(xué)習(xí)的準(zhǔn)確性［5］的優(yōu)勢(shì);一個(gè)網(wǎng)絡(luò)的功能方法的優(yōu)越性依賴的網(wǎng)絡(luò)體系結(jié)構(gòu)和參數(shù)，以及問(wèn)題的復(fù)雜性［1，21,35］。如果不適當(dāng)?shù)木W(wǎng)絡(luò)結(jié)構(gòu)和參數(shù)的選擇，其結(jié)果可能是不可取的。相反，其結(jié)果將是更重要的，如果良好的網(wǎng)絡(luò)結(jié)構(gòu)和參數(shù)選擇。BP神經(jīng)網(wǎng)絡(luò)由輸入層，隱藏層和輸出層。BP神經(jīng)網(wǎng)絡(luò)的參數(shù)包括：隱藏層，隱層神經(jīng)元數(shù)目，學(xué)習(xí)速率，動(dòng)量等，所有這些參數(shù)神經(jīng)網(wǎng)絡(luò)的性能上有顯著影響。福格爾提出最后的信息統(tǒng)計(jì)（FIS）的過(guò)程中，基于Akaikes'的信息標(biāo)準(zhǔn)（AIC）,以確定隱層和神經(jīng)元的數(shù)量［7］。福格爾的研究限制是該進(jìn)程只能執(zhí)行簡(jiǎn)單的二元分類。提出了一種方法，以改善AIC的分別。網(wǎng)絡(luò)信息準(zhǔn)則（NIC）和神經(jīng)網(wǎng)絡(luò)的信息標(biāo)準(zhǔn)（NNIC）,這些方法，用一個(gè)錯(cuò)誤的能量函數(shù)概率統(tǒng)計(jì)，以確定隱層神經(jīng)元數(shù)［24,25］。在這項(xiàng)研究中，最速下降法（或梯度下降學(xué)習(xí)算法）是用來(lái)尋找體重變化，并盡量減少誤差能量函數(shù)。激活函數(shù)是雙曲正切函數(shù)。根據(jù)過(guò)去的研究［2］，有幾個(gè)網(wǎng)絡(luò)學(xué)習(xí)終止條件：（1）根時(shí)的預(yù)期值與網(wǎng)絡(luò)輸出值之間的均方根誤差（RMSE）來(lái)降低到預(yù)設(shè)值（2）當(dāng)學(xué)習(xí)周期的預(yù)設(shè)數(shù)量已達(dá)到；（3）交叉驗(yàn)證之間的訓(xùn)練樣本和測(cè)試數(shù)據(jù)的地方。前兩種方法都涉及到預(yù)設(shè)值。本研究采用由第一和第二的辦法，逐步提高網(wǎng)絡(luò)的訓(xùn)練時(shí)間逐漸減少，直到RMSE為穩(wěn)定和可接受的根均方誤差（RMSE）。均方根誤差定義如下：RMSE=丄n（di—yi）"2Ni=1其中N，di，yi分別是訓(xùn)練樣本的數(shù)目，訓(xùn)練樣本的實(shí)際價(jià)值，和神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本我的預(yù)測(cè)值。在網(wǎng)絡(luò)學(xué)習(xí)，信息輸入和輸出結(jié)果是用來(lái)調(diào)整網(wǎng)絡(luò)的權(quán)值。輸入更詳細(xì)的培訓(xùn)分類和學(xué)習(xí)提供的資料量更大，更好的輸出將符合預(yù)期的結(jié)果。由于學(xué)習(xí)和BP神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)驗(yàn)證函數(shù)值的限制，數(shù)據(jù)必須歸由下面的公式：PN=P—PmmxD—D+DPmax—Pminmaxminmin其中PN是規(guī)范化的數(shù)據(jù)，P是原始數(shù)據(jù)，P是原始數(shù)據(jù)的最大值，Pi是原始數(shù)據(jù)的最低值，Dmaxminmax為規(guī)范化的數(shù)據(jù)預(yù)期的最高值，Di是預(yù)期的最低規(guī)范化數(shù)據(jù)的價(jià)值。當(dāng)采用神經(jīng)網(wǎng)絡(luò)系統(tǒng)，神經(jīng)網(wǎng)min絡(luò)的輸入和輸出值下降范圍［0.1,0.9］.遺傳算法（氣）遺傳算法是穩(wěn)健自適應(yīng)優(yōu)化技術(shù)，使一個(gè)有效的高維空間中的概率搜索［8］，并已用于優(yōu)化問(wèn)題［6］處理廣泛；深井。天然氣是基于生物進(jìn)化過(guò)程中。進(jìn)化過(guò)程是隨機(jī)的，但選擇機(jī)制基礎(chǔ)上的個(gè)體結(jié)構(gòu)的健身［31］的指導(dǎo)。適用于遺傳進(jìn)化的概念，以一個(gè)特定的問(wèn)題，有兩個(gè)問(wèn)題必須解決：（1）編碼的一個(gè)潛在的解決方案（2）適應(yīng)度函數(shù)進(jìn)行優(yōu)化［9,10,11］一個(gè)解決方案的遺傳代表性的是一個(gè)向量。幾個(gè)組件（基因）組成的，稱為染色體。根據(jù)一些原則，否則隨機(jī)選擇產(chǎn)生初始種群的染色體。初始種群進(jìn)行評(píng)估的健身功能，采取新的解決方案，形成一個(gè)新的人口。用于生成新的人口，包括選擇，交叉和變異遺傳操作。首先，在老年人口的解決方案是根據(jù)自己的健身選擇-更適合他們更多的機(jī)會(huì)，他們被選中。所選擇的解決方案，形成了父母池，然后用來(lái)制作自己的孩子，交叉和變異，形成新的人口。2.2.1.染色體代表大多數(shù)遺傳算法（氣）搜索的人口自然遺傳學(xué)和進(jìn)化論的全局最優(yōu)解。作為一個(gè)人口中的二進(jìn)制字符串編碼，每一個(gè)人都稱為一個(gè)字符串或染色體。新一代的氣體從現(xiàn)有的人口發(fā)展。在氣體應(yīng)用技術(shù)，以解決手頭的問(wèn)題，一個(gè)字符串計(jì)劃的候選解（染色體）編碼的符號(hào)串的形式。健身功能原來(lái)GA和它的許多同行，統(tǒng)稱遺傳算法（氣），是模擬自然進(jìn)化過(guò)程的計(jì)算程序。優(yōu)勝劣汰的原則的生存，導(dǎo)致物種的改善。由于天然氣是啟發(fā)式程序，他們是不能保證找到最佳的，但他們都能夠找到很好的解決方案，為范圍廣泛的問(wèn)題。一個(gè)健身功能（或目標(biāo)函數(shù)）被用來(lái)確定每個(gè)候選解決方案的適用性。被分配到每一個(gè)人在人群中的健身價(jià)值。選擇操作選擇是對(duì)氣體，確保優(yōu)勝劣汰的關(guān)鍵運(yùn)營(yíng)商之一。選定個(gè)人的形式對(duì)父母。受雇于本選擇的政策是一個(gè)旋轉(zhuǎn)的輪盤(pán)賭策略和精英策略的組合。精英策略可以強(qiáng)制到下一代的最好的目前這一代幸存的染色體。再生產(chǎn)的差距是由環(huán)境參數(shù)。2.2.4.交叉和變異操作交叉是用于繁殖的主要運(yùn)營(yíng)商。它結(jié)合了父母雙方的部分，創(chuàng)造了兩個(gè)新的個(gè)體，稱為后代。最初，我們?cè)诒疚闹?，選擇兩個(gè)隨機(jī)排序的交叉點(diǎn)。然后，它們的后代繼承了兩者之間的交叉點(diǎn)，從選定以相同的順序和位置，因?yàn)樗麄兂霈F(xiàn)在父母身上。其余元素都繼承自它們?cè)诟改傅捻樞蛱娲议L(zhǎng)。這是從第一的位置，第二個(gè)交叉點(diǎn)，并在后代中已存在的所有元素，跳過(guò)。交叉操作處理，不論它是由隨機(jī)生成一個(gè)值確定。如果該值超過(guò)了交叉率是建立在遺傳算法的參數(shù)，然后克隆操作，而不是交叉操作的配置文件，發(fā)生。交換方法用于此處的變異操作。交換過(guò)程隨機(jī)選擇兩點(diǎn)來(lái)確定兩個(gè)改變所選的父點(diǎn)。變異操作處理，不論它是由隨機(jī)生成一個(gè)值確定。如果該值超過(guò)了在GA的參數(shù)配置文件建立的突變率，無(wú)突變處理和選定的父母是直接附加到新的一代。3.建議的方法在這項(xiàng)研究中，我們提出一個(gè)綜合的方法，為有效地協(xié)助下的多響應(yīng)考慮塑料注塑成型工藝參數(shù)優(yōu)化工程師。提出的方法結(jié)合田口的參數(shù)設(shè)計(jì)方法，BP神經(jīng)網(wǎng)絡(luò)，遺傳算法與工程優(yōu)化的概念。田口的參數(shù)設(shè)計(jì)方法，使用直交表安排實(shí)驗(yàn)和減少實(shí)驗(yàn)的數(shù)量。隨后，信號(hào)信噪比（S/N比），對(duì)產(chǎn)品質(zhì)量的基礎(chǔ)上，確定初始過(guò)程的參數(shù)設(shè)置，對(duì)噪聲的敏感度最小。從田口的參數(shù)設(shè)計(jì)方法給出的數(shù)據(jù)是有效的訓(xùn)練和測(cè)試BP神經(jīng)網(wǎng)絡(luò)的輸入控制工藝因素和輸出響應(yīng)之間的映射關(guān)系。優(yōu)化工程采用建立的健身功能和BP神經(jīng)網(wǎng)絡(luò)與遺傳算法應(yīng)用于尋找最佳初始過(guò)程參數(shù)設(shè)置。產(chǎn)品重量和長(zhǎng)度都用于在塑料注塑成型的工藝參數(shù)優(yōu)化的質(zhì)量特性。最后，確認(rèn)試驗(yàn)進(jìn)行確認(rèn)的最佳工藝參數(shù)設(shè)置。該方法的流程圖如圖1所示。圖1.建議MIMO工藝參數(shù)優(yōu)化方法。4.算例本節(jié)給出一個(gè)例子，兩個(gè)反應(yīng)因素（長(zhǎng)度和重量）的注塑成型過(guò)程中的參數(shù)優(yōu)化，并演示了該方法的有效性和實(shí)施。4.1實(shí)驗(yàn)數(shù)據(jù)實(shí)驗(yàn)數(shù)據(jù)的收集，從勝利者臺(tái)中VS-50塑料注塑成型機(jī)，其中的規(guī)格如表1所示。實(shí)驗(yàn)樣品在圖2表示。使用電動(dòng)平衡，其中有一個(gè)0.01克精密測(cè)量產(chǎn)品重量。4.2實(shí)驗(yàn)程序研究流程可分為三個(gè)階段如下：第1階段。提供培訓(xùn)和測(cè)試數(shù)據(jù)，為建立一個(gè)BP神經(jīng)網(wǎng)絡(luò)質(zhì)量預(yù)測(cè)與田口的參數(shù)設(shè)計(jì)方法，通過(guò)利用遺傳算法搜索方法確定初始參數(shù)設(shè)置。在這種情況下，研究，在不同層次的因素想當(dāng)然設(shè)置的信息列于表2。被選中的L25（56）直交因素安排和執(zhí)行實(shí)驗(yàn)。在實(shí)驗(yàn)中，有5個(gè)重復(fù)。產(chǎn)品重量和長(zhǎng)度都用于質(zhì)量特性。最大的S/N比值的因素水平的最優(yōu)組合的實(shí)驗(yàn)結(jié)果如表3所示。從S/N比的因子反應(yīng)圖，因子水平的最佳組合，如表4所示。為了獲取制造參數(shù)的最佳組合，進(jìn)行確認(rèn)實(shí)驗(yàn)，結(jié)果列于表4所示。根據(jù)構(gòu)象的結(jié)果，田口的參數(shù)設(shè)計(jì)方法具有最高的S/N比率和較低的標(biāo)準(zhǔn)差。因此，最初的工藝參數(shù)設(shè)置采用因素水平的最優(yōu)組合，最大的S/N比率所示表1臺(tái)中VS-50注塑機(jī)的規(guī)格ReinsContentsVS-JOidachinesysteniHalfchsfdloopk憑hydraulicCoutroUerVICTOR-聊｝■'CLanujinsFocceSciewrdi3LneOCT22Z25(mni^Shrinla^eraceO.4-0.7%iltltiHMpeiatLut映妙?Enlection.pressort700-11DO(kg￡'<ni2)MoldTtmpEratmT?圖2?臺(tái)中精機(jī)VS-50系統(tǒng)注入樣品。表2假設(shè)性的因素設(shè)置不同層次的信息MTjyIPVPSwitchPackingPressurerrLevel1200224014.49iLevel2205244214.3121.2Level32104414JL51.4LevfI42.1546141LS1.6Level52204B14.021i.s注：MT：熔融溫度（°C）;四：注射速度（毫米/秒），IP：注射壓力（MPa）；太平洋：包裝時(shí)間（秒）從田口的參數(shù)設(shè)計(jì)方法給出的數(shù)據(jù)是有效的訓(xùn)練和測(cè)試BP神經(jīng)網(wǎng)絡(luò)的輸入控制工藝因素和輸出響應(yīng)之間的映射關(guān)系。產(chǎn)品重量和長(zhǎng)度都用于質(zhì)量特性（輸出響應(yīng)）。訓(xùn)練中的表現(xiàn)（RMSE）來(lái)的BP神經(jīng)網(wǎng)絡(luò)質(zhì)量預(yù)測(cè)是高達(dá)0.032823,和BP神經(jīng)網(wǎng)絡(luò)質(zhì)量預(yù)測(cè)金額（RMSE）來(lái)測(cè)試性能0.048328。第2階段。一個(gè)健身工程優(yōu)化工藝參數(shù)優(yōu)化的函數(shù)F（X）是制定如下：伽mJs.f.LCL<yol<UCLECL蕪朋一円（T2……NUCL=m+nct陽(yáng)=—3N其中X是工藝參數(shù)，YO1是質(zhì)量第一的特點(diǎn)（長(zhǎng)）的預(yù)測(cè)值，YT1特征（長(zhǎng)）質(zhì)量第一的目標(biāo)，丫O2是第二個(gè)質(zhì)量特性（重量）的預(yù)測(cè)值，拼箱是較低的特點(diǎn)（重量）的第二次質(zhì)量控制的限制，倫敦大學(xué)學(xué)院的特點(diǎn)（重量）的第二個(gè)質(zhì)量控制上限，m是平均125的第二個(gè)質(zhì)量特性（重量）的數(shù)據(jù)，和N取決于對(duì)質(zhì)量的需求，。為125的第二個(gè)質(zhì)量特性（重量）的數(shù)據(jù)的標(biāo)準(zhǔn)偏差。UCL和LCL可以根據(jù)過(guò)程能力指數(shù)（CPK）決定。在這項(xiàng)研究中，N等于1。表3根據(jù)不同層次,最大的S/N各因素的比例MTIVIPV?Switch.(mza)PatkrogJres-are(3EP1)PTAvS.DS/NKatieLeaeth4614.]ISI.&162.87853.97934014.Jlj1.624.SES表4在最佳組合因子水平下的相關(guān)信息MTrvEFVPXwilCPackiDgP氓予口IE|；和PTAvSESJNRatioL&uEth2002214.21：B1.8162.360.00-707133.97^J亂:Eighi213364014.32J1.424.7020.03095467.062S第3階段?通過(guò)混合BP神經(jīng)網(wǎng)絡(luò)，遺傳算法搜索方法確定最佳工藝參數(shù)設(shè)置。開(kāi)始時(shí)，得到的初始參數(shù)可以根據(jù)不同層次，PIM多響應(yīng)質(zhì)量特性（長(zhǎng)度和重量）最大的S/N比為每個(gè)因素。初始種群（參數(shù)設(shè)置），然后可以通過(guò)調(diào)整GA搜索范圍確定：通常超過(guò)上限（UL）和低于下限（LL）的初始參數(shù)設(shè)置方面的一半水平的一半水平，可以看出表5。此外，此處所使用的遺傳搜索過(guò)程的輪廓概括如下：第1步。生成一個(gè)隨機(jī)的染色體與體育人口規(guī)模的初始種群第2步。所有染色體解碼，并評(píng)估其相應(yīng)的候選解決方案的目標(biāo)函數(shù)值。第3步。使用通過(guò)預(yù)定的目標(biāo)函數(shù)值確定染色體的適應(yīng)值。第4步。如果精英主義政策，選擇和插入新一代池最好的染色體。第5步。選擇一個(gè)父染色體一雙從目前的人口，無(wú)需更換。然后應(yīng)用到運(yùn)營(yíng)商的交叉和變異產(chǎn)生新的染色體對(duì)。第6步。插入新的人口，新的染色體。如果人口不充分，返回到步驟5。第7步。驗(yàn)證預(yù)先指定的停車標(biāo)準(zhǔn)。如果它已經(jīng)完成，停止搜索過(guò)程。選擇和解碼的整體最佳的染色體。將選擇相應(yīng)的候選解決方案作為最終的解決方案。否則，請(qǐng)繼續(xù)到下一代，并更換新的人口，并返回第2步。5.結(jié)果與討論繼上述混合BP神經(jīng)網(wǎng)絡(luò)，遺傳算法的搜索方法，初始工藝參數(shù)設(shè)置如表5所示，可以生成和表6中載列的最佳機(jī)設(shè)置。對(duì)于質(zhì)量的要求，我們的PIM多品質(zhì)特性進(jìn)行連續(xù)30運(yùn)行確認(rèn)實(shí)驗(yàn)。機(jī)器設(shè)置三種，長(zhǎng)度，重量，長(zhǎng)度和重量的基礎(chǔ)上，受聘為確認(rèn)實(shí)驗(yàn)?；陂L(zhǎng)度和重量的機(jī)器參數(shù)設(shè)置是最大的S/N比率，表3所示的因素水平的最優(yōu)組合。質(zhì)量特性（長(zhǎng)度和重量）之間的機(jī)器設(shè)置了3種比

口L?n艮卜"VaghL帕弭tlrrwcl-ine■Lijn^thlid口L?n艮卜"VaghL帕弭tlrrwcl-ine■Lijn^thlid巧HX>chlnei^Mlings—?*—'JVe-k^vhfedE?Gti怦sellingcTd「g叭表5初始種群的三種類型（參數(shù)設(shè)置）GA搜索范圍XfTIVIFVPSTLlEEhpetitionPackingpressiireFTlength-UL207.531471435L9.517weightLL197.5n3914050$1.5表6混合BP神經(jīng)網(wǎng)絡(luò)，遺傳算法搜索方法的最佳工藝參數(shù)的設(shè)置MTIVIPVPSwitdiP0LLtiD31Pa-tfcnigpressureFTGAsearchneEiilcs200.9028.09431514.1219221.6Smaclinesettings-20t2fi4314.11.7length-weiglit-ba^sedimcbin-esettingsIseo^th-basedL*machineBPttrag^weight-basedmseliineactingsLengthWeightLengthWeightLesigtbheightAV162.S7224.856162.S6624.SP6162.8il24.8?pvahae0.00S50.O1E70.0135O.Q2S30.飢的0.0194Cpk4.713i.07i3.2111.CS74.32IN別-IBSEC?表7三種機(jī)設(shè)置的質(zhì)量特性O(shè)JUU-&￡—IOJUU-&￡—I162?.162別□51015X2530圖4.機(jī)器設(shè)置