机械工程学报

作者：郭飞, 汪汝健, 张云, 周华民, 李德群

单位：1. 哈尔滨工业大学金属精密热加工国家级重点实验室 哈尔滨 150001;2. 华中科技大学材料成形与模具技术国家重点实验室 武汉 430074

关键词：注射成型,工艺参数,优化,模糊规则网络；

基金：国家重点研发计划(2019YFB1704900)和浙江省重点研发计划(2022C01069)资助项目。

注射成型是塑料产品成型的最主要工艺，工艺参数是影响成型产品外观、尺寸与性能的关键因素之一。工艺参数的设置与优化属于弱理论、强经验的问题，迫切需要发展科学化、系统化的方法。针对产品缺陷修正中人工经验依赖性强的问题，构建知识的统一模糊化规则形式，建立工艺优化知识表示和推理于一体的Takagi-Sugeno-Kang(TSK)模糊规则网络模型。进一步，提出从工艺数据集自动发现工艺参数优化规则的学习方法，采用Dropout策略与Bagging集成学习策略缓解高维工艺数据下工艺知识库增长出现的规则数量爆炸等问题。分析了模糊规则网络参数、结构对知识表示和推理的影响，建立模型的参数学习与结构优化的双重进化方法。提出基于经验回放的工艺数据增量学习方法，建立数据的增量学习策略。在注射成型工艺数据集上的结果表明，模型的规则数量和长度降低了50%，具有高可解释性以及增量学习稳定性。

来源：2022年第20期

《机械工程学报》期刊编辑部

查看机械工程学报杂志2022年第20期