数字孪生驱动的注塑机熔体温度预测与工艺参数自适应优化.docxVIP

PAGE2

数字孪生驱动的注塑机熔体温度预测与工艺参数自适应优化

摘要

注塑成型作为现代制造业的核心工艺之一，广泛应用于汽车、电子、医疗及日用品等领域。然而，注塑过程中的熔体温度分布具有强非线性与时变性特征，传统依靠经验试模或简单PID控制的方式难以精确把控熔体热历史，导致产品重量波动大、尺寸精度不稳定，严重影响了生产良率与材料利用率。针对这一行业痛点，本课题设计并实现了一套数字孪生驱动的注塑机熔体温度预测与工艺参数自适应优化系统。

本系统以工业物联网技术为基石，通过传感器实时采集螺杆转速、背压、加热圈功率及机筒壁面温度等多源异构数据，构建了高保真的注塑机数字孪生体。在核心算法层面，采用基于随机森林与BP神经网络融合的代理模型，建立了工艺参数与熔体温场之间的映射关系，实现了对熔体实际温度的非接触式软测量。进而，引入粒子群优化算法（PSO），以产品重量波动最小化为目标函数，在线寻优最优工艺参数组合，形成“感知-预测-决策-执行”的闭环控制架构。

论文首先分析了注塑过程控制的现实需求，确立了系统设计目标；其次，阐述了数字孪生建模与智能优化算法的关键技术原理；接着，完成了系统的需求分析与总体架构设计，划分了数据采集层、模型计算层与应用交互层；随后，详细设计了熔体温场预测模型与参数自适应优化模块，并制定了软硬件实施方案；最后，通过现场测试验证了系统的有效性。测试结果表明，该系统熔体温