基于模糊迭代学习控制算法的挤出吹塑型坯壁厚优化.pdfVIP

高分子材料科学与工程研讨会 基于模糊迭代学习控制算法的挤出吹塑型坯壁厚优化 黄耿群，黄汉雄’ (华南理工大学工业装备与控制工程学院塑料橡胶装备及智能化研究中心，广州510640) 摘要：塑料吹塑制品需要对其壁厚进行严格的控制，以便在达到预定性能要求的前提下使材 料损耗最低。吹塑制品的壁厚分布又很大程度上取决于型坯的壁厚分布。本文针对挤出吹塑 型坯壁厚分布的优化问题，提出了一种集有限元分析(FEM)、模糊控制(Fc)和迭代学习控制 (ILC)的优化策略，通过模糊控制将人的经验知识融入到优化过程中。充分发挥人的经验作 用。提高了优化运算精度和速度。 关键词：塑料挤出吹塑优化模糊控制达代学习控制FEU 1．引言2 塑料吹塑是仅次于注射成型和挤出成型的第三大塑料成型方法，也是发展最快的一种塑 料成型方法…。塑料吹塑制品需要对其壁厚进行严格的控制，以便在达到预定性能要求的前提 下使材料损耗最低。在实际生产过程中，可以通过改变型坯沿着轴线方向的壁厚分布来获得 所需要的制品壁厚分布。长期以来，人们只能凭着经验，通过“试凑法”不断地调整型坯的 壁厚分布，使生产出来的制品壁厚符合期望值。然而，这是一种繁琐而又耗时的方法，在调 整的过程当中需要消耗大量的原材料，并且，得到的结果好坏还取决于个人的经验。从调整 过程来看，型坯壁厚与所得制品壁厚之间程高度非线性关系．对于这种高度非线性、强耦合 系统，很难建立起精确的数学模型，即使能建立数学模型，也非常复杂，难以求解，-以致没 实用价值。 至今为止，已经有几个研究团队心刮开展了型坯壁厚优化的研究工作。这些研究所采用的 方法可以分为两大类：一类是梯度方法n-31，这种方法通过获取制品壁厚变化的梯度信息来寻 找最优的型坯壁厚分布；另外一种是神经网络方法H-61，这种方法通过神经网络的学习和预测 功能建立起反映型坯壁厚分布与制品壁厚分布关系的模型，然后再结合搜索算法来寻找最优 的型坯壁厚分布。然而，梯度方法是一种基于线性规则的一种优化方法，这种方法常常会导 致结果出现振荡，并且收敛速度比较慢：对于神经网络方法，则需要有大量的数据来训练和 检验建立起来的神经网络模型，然而，数据的获取是一个相当耗时的过程。 本文采用模糊迭代学习控制算法来获取最优的型坯壁厚分布。首先，通过模糊逻辑控制 将人的知识和经验融入到优化算法中，然后，利用有限元分析软件获取制品的壁厚信息，最 后，利用迭代学习算法获得新的型坯壁厚分布，不断循环，直到满足优化的标准。 国家自然科学基金重大项目(项目批准号t．S0390096)资助 。通讯联系人．e曲柚：mmhuang@．．．scut．cdu．锄 660 高分子材料科学与工程研讨会 2．有限元模拟 有限元模拟所用的材料为中国石油大庆石化公司生产的高密度聚乙烯(简称HDPE)，牌号 为5200B。采用与文献[8]相同的K-BKZ积分型本构模型来描述材料应力应变之间的关系。松 Rheometric 弛时间谱通过美国RheometricScience生产的ARES(AdvancedExpansionSystem) 流变仪获得。松弛时间谱如表l所示。 HDPE 表1 5200B在20012下的松弛时间谱 为30m，长度为236mm。 图1优化制品的几何模型 图2型坯和模具的有限元网格 的子模块GAMBIT中进行网格划分。最后将网格文件读入到有限元分析软件POLYDATA中，确 定模拟的边界条件和材料的参数等。由于型坯吹胀的时间非常短，这一过程当中，．型坯的温 度可以看成是不变的，因此，把吹胀过程看成是一种等温的过程。吹胀压力为0．45MPa。 高分子材料科学与工程研讨会 3．目标函数建立 在挤出吹塑过程当中，希望所得制品的壁厚符合目标的壁厚分布，这种目标壁厚可能是 均匀的也可能是不均匀的。因此，对挤出吹塑进行优化的问题的实质就是怎样控制影响制品 最终壁厚分布的型坯壁厚分布，使得制品的壁厚与目标壁厚的偏差达到最小。本文以获得