专利名称：射出成型机的智能型控制的方法
技术领域：
本发明关于射出成型机的智能型控制的方法，特别是关于应用类神经网路控制及预测射出成型机的射出成型的方法。
传统上，射出成型品品质控制可分为两个阶段，第一阶段为射出成型机参数设定(选定射出机输入值)。由此设定可以得到合乎品质要求的成型品。第二阶段为生产时的成型品品质监测和控制。就这两阶段分别有不同的方法进行射出机参数设定及监控成型品质。
射出成型机参数设定，如融胶温度、模具温度、射出压力和射出速度等是射出参数设定的主要工作。理想的情况，射出成型机的输入值一经确定后可生产合乎品质要求的成型品。但是，因为射出成型机的制造过程是动态的复杂的而且经常变化，选择适当的输入值是非常困难的。其所使用的塑胶原料熔融流动时为具有非牛顿流体、非均热特性而且在射出成型过程中熔融原料受高压及高温等复杂因素影响。此外，射出成型机的动态特性也甚为复杂，因此射出成型机参数设定需要进一步探讨。以前常用试误法作射出成型机参数设定，工程人员使用他们在制造过程上的知识来设定射出机参数，经不断的试误修正直到产品合乎品质要求为此。试误法最大的缺点为效率不高。工程人员在参数设定时仅能依靠射出机成型参数与品质为线性关系及一次一参数来设定，因此无法大幅度的调整。更有甚者，工程人员常将不同的机器参数设定与产品品质变数特性的关系视为独立的而忽略了他们之间的关连性。因此参数设定本来已非常繁杂，再加上机器、环境、及物料的变化因素使机器参数设定更为困难。而且试误法设定的参数极可能在产品的成型参数上下限的边缘，在生产过程中产品品质会不甚稳定。
最近这几年专家系统吸引了极大的注意力，工程人员采用专家系统建议来作射出机参数设定，其原理是将专家知识以如果一那么(if-then)提供除错法则来解决问题。但专家系统有其限制性，如成型参数与品质变数间，并无明确的定性关系，而且其无法提供超出其法则外的信息。
比较有系统的射出机参数成型法是运用田口方法或实验计画法来获得足够的信息并建立一个经验模式，在依此模式作射出机参数成型的过程中，至少有25个射出机成型参数会影响成型品的品质，而成型射出机成型参数之间亦会互相影响。因此实验及分析过程中需耗费相当多的时间与物力，且其结果也仅能适合某特定机台和某些特定成型参数与品质之间相互的关系。
因为输入的射出机成型参数与产品品质之间并非线性关系，而且射出制造过程复杂及经常变化造成射出机的产品品质监测和控制变得非常重要。在早期，工程人员仅能依经验与目测，不定期的检查产品并据以调整射出机参数来达到控制产品的目的。此方法有几个大缺点。首先，操作员要有足够的训练才可以精确的判定成型品品质。而且，目视法仅能大略的判定成型品的一些外观及严重缺陷。因此一些非目视可以判定的缺陷，如翘曲、尺寸变异和残留应力…等等，这些常在射出成型品组装时才发现的问题常被忽略了。
统计程序模式控制方法是量测制造过程信号与产品品质，并依此建立一个射出参数设定与产品品质间的统计模式，例如以射出成型时的射嘴压力推论产品尺寸或重量。而统计制造过程模式的缺点是在建立统计模式过程中需耗费相当多的时间与物力且成型品的成型参数与品质变数之间，无法归纳出明确的定性关系。
与射出成型有关的全世界的专利近十年每年大致超过千篇，并且逐年上升，显示射出成型技术正蓬勃发展。关于射出成型制造过程控制的全世界的专利，由公元1970年到2000年篇数共有一百七十三篇(资料来源ep.espacenet.com)。和本发明较有关的专利为美国专利第5997778号，其内容是输入已知射出速度曲线并求得射出机的动态响应，以比例积分微分回馈控制(PID)设定参数并持续控制射出成型。美国专利第5246645号，美国专利第5514311号及第4820464号，其内容为控制射出成型的充填保压切换方法。美国专利第5997778号，第48502178号及第48116197号，使用PVT关系来控制成型品的品质。美国专利第4311446号，使用螺杆位置、速度、融胶温度和已知或期望值比较来达成射出成型控制。美国专利第4060362号，美国专利第3893792号及专利号WO9943487使用料管压力或模穴压力回馈控制射出成型参数。日本专利第61118223号及日本专利第63125322号以控制螺杆速度来达成射出成型控制。上述的专利皆仅能完成部分成型参数与成型品品质的监测与控制。而本发明能解决成型参数设定及成型品品质监测和控制等问题。
本发明主要目的是提供应用类神经网路控制及预测射出成型机的射出成型，在模拟验证中能在数个成型周期内迅速设定射出机参数近似于最佳的设定，并生产出最少损失的产品及增加生产能力，并自动侦测调整克服机器、环境、及物料的变化因素，维持生产合乎品质的成型品。因此，可一举解决射出成型机参数设定及生产时成型品品质监测和控制等问题，真正达到射出成型机的智能控制。
为达成本发明上述目的，本发明提供一种射出成型机的智能型控制的方法，包括下列步骤执行一模流软件程序，并与该射出成型机实际测试的结果作分析比较，用以建立一定性关系的资料库，其中该资料库至少含射出成型机参数、制造过程参数及品质变数参数；定义总损失函数公式，并依据定性关系的资料库，计算出总损失对应射出成型机参数与制造过程参数对应品质变数参数的两组资料；依据定性关系和资料库及两组资料，建立一智能控制类神经网路及品质预测类神经网路；将已建立的智能控制类神经网路、总损失函数公式及已建立的品质预测类神经网路串联耦接后的智能控制类神经网路的输出端连接至该射出成型机的输入端，及将耦接后的品质预测类神经网路的输入端连接至该射出成型机的输出端；其中耦接的智能控制类神经网路接收耦接的总损失函数公式输出的进行修正控制的总损失，并输出进行修正控制的射出成型机参数至该射出成型机；其中耦接的品质预测类神经网路接收该射出成型机输出的进行修正控制的制造过程参数，并输出进行修正控制的品质变数参数至耦接的总损失函数公式。
本发明应用类神经网路控制及预测射出成型机的射出成型，为使智能型控制能最佳化，本法采用产品品质的多重损失函数作为指标。本发明的目标是获得高品质、生产周期短和生产成本低的产品，即生产快、品质好、低成本。就此目标可分两大类，第一为成型品有最少的总品质损失。第二为增加产量。本发明的具体实施例即依此目标所设计，本发明达成此目标的方式是在射出成型品设计后，工程师运用模流软件程序(CAE)，建立模式、输入成型参数及选用材料，分析输出成型上下限及最佳参数建议值。再依实验计画法，以射出成型机参数的上限值及下限值为水准，进行CAE模流分析及在射出机机台上射出实验，记录两者的射出成型机参数、制造过程参数及产品品质参数等分析结果。定义总损失函数，合并两者分析结果并计算产品品质的多重损失，得到损失对应射出成型机参数及制造成参数对应品质变数参数的两组资料。再以两组资料分别训练智能控制模式及品质预测模式两类神经网路。
本发明由模拟验证中所知的能在数个成型周期内迅速设定射出机参数近似于最佳的设定，并生产出最少的总品质损失的产品及增加生产能力。并且能自动侦测调整克服机器、环境、及物料的变动因素维持生产合乎品质要求的成型品。因此，本发明可一举完成射出成型机参数的设定及自动持续生产合乎品质要求的成型品；本发明并可适用于不同模具及机型上。
本发明上述的实验设计法可以利用现有的田口式实验设计法(Taguchi Parameter Design Method)模流软件程序(CAE)可以利用现有的美国康乃尔(Comell)大学所发展的C-MOLD模流分析软件程序。
图1为本发明在一射出成型机上的具体实施例；图2为本发明使用的幅射基函数神经网路。
图3为本发明智能型控制的方法流程。
如图1所示本发明的射出成型机控制方法的具体实施例。以图1中射出成型机开始射出成型时，智能型控制类神经网路先输入一组位于参数上下限内的设定值后，射出成型的制造过程中的信号由感测器量测并整理，经由品质预测类神经网路预测此一成型周期产品的品质，经总损失函数公式计算出此成型周期产品的总损失。再由智能型控制类神经网路判定并输出下一成型周期射出成型机参数给程序控制器，射出成型机根据此参数进行下一周期射出成型。此控制流程周而复始，可达到射出成型机的自动参数设定、品质监测与控制等目标。
进一步说明如图1所示的智能型控制类神经网路、总损失涵数公式及品质预测神经网路。依据上述定性关系的资料库及两组资料，建立一智能控制类神经网路及品质预测网路，并将已建立的智能控制类神经网路、总损失函数公式及已建立的品质预测类神经网路串联耦接，并将耦接后的智能控制类神经网路的输出端连接至该射出成型机的输入端，以及将耦接后的品质预测类神经网路的输入端连接到该射出成型机的输出端，其中耦接的智能控制类神经网路接收耦接的总损失函数公式输出的进行修正控制的总损失，并输出进行修正控制的射出成型机参数至该射出成型机，与其中耦接的品质预测类神经网路接收该射出成型机输出的进行修正控制的制造过程参数，并输出进行修正控制的品质变数参数至耦接的总损失函数公式。在具体实施中，上述射出成型机参数至少包括射出速度、保压时间、保压压力。上述制造过程参数至少包括充填速度、保压时间、模穴压力。上述品质变数参数至少包括输出重量、最大体积收缩、最大凹陷。
图2为本发明使用的幅射基函数神经网路。本发明上述的智能控制类神经网路及品质预测类神经网路，在具体实施例采用两个幅射基函数神经网路。一个幅射基函数神经网路实施作为智能控制类神经网路，基输出层即为智能控制类神经网路的输出端，输出射出成型机参数。另一个幅射基函数神经网路实施作为品质预测类神经网路，其输出层即为品质预测类神经网路的输出端，输出品质变数参数至总损失函数公式，另一输入层即为品质预测类神经网路的输入端，其接收射出成型机输出的制造过程参数。
图3综合本发明以上的所公开的内容，表示本发明的智能型控制的方法的流程。
虽然本发明已经以一较佳实施例公开如上，然而其并非用以限定本发明，任何熟悉此技术者，在不脱离本发明的精神和范围内，当可作各种的变动与修改，因此本发明的保护范围应当以后附的权利要求所界定的保护范围为准。
权利要求
1.一种射出成型机的智能型控制的方法，包括下列步骤执行一模流软件程序，并与该射出成型机实际测试的结果作分析比较，用以建立一定性关系的资料库，其中该资料库至少包含射出型机参数、制造过程参数及品质变数参数；定义总损失函数公式，并依据定性关系的资料库，计算出总损失对应射出成型机参数与制成参数对应品质变数参数的两组资料；依据定性关系的资料库及两组资料，建立一智能控制类神经网路及品质预测类神经网路；将已建立的智能控制类神经网路、总损失函数公式及已建立的品质预测类神经网路串联耦接，并将耦接的智能控制类神经网路的输出端连接至该射出成型机控制器的输入端，以及将耦接后的品质预测类神经网路的输入端连接至该射出成型机的感测器输出端；其中耦接的智能控制类神经网路接收耦接的总损失函数公式输出的进行修正控制的总损失，并输出进行修正控制的射出成型机参数至该射出成型机；其中耦接的品质预测类神经网路接收该射出成型机感测器的输出进行品质预测，并输出品质参数至耦接的总损失函数公式。
2.如权利要求1所述的方法，其中智能控制器及品质预测器皆为类神经网路。
3.如权利要求1所述的方法，其中执行一模流软件程序，并与该射出成型机实际测试的结果作分析比较的步骤，是在该射出成型机参数的上限值及下限值内依该实验设计法进行，其中该射出成型机参数的上限值及下限值由该模流软件程序提供。
4如权利要求1所述的方法，其中上述射出成型机参数至少包括射出速度、保压时间、保压压力。
5.如权利要求1所述的方法，其中上述制造过程参数至少包括充填速度、保压时间、模穴压力。
6.如权利要求1所述的方法，其中上述品质变数参数至少包括输出重量、最大体积收缩、最大凹陷。
全文摘要
本发明射出成型机的智能型控制的方法是应用类神经网路控制及预测射出成型机的射出成型,为使智能型控制最佳化,采用产品品质多重损失函数作为指标。综合及整理依实验计画法在CAE模流软件程序分析机台的实验结果,并以此资料训练智能控制模式及品质预测模式。本发明能在数个成型周期内迅速设定参数接近最佳值,并生产出最少总损失的产品及增加生产能力,自动侦测调整克服机器、环境、物料的变动因素,维持生产合乎品质要求的成型品。
文档编号B29C45/76GK1353039SQ0013342
公开日2002年6月12日 申请日期2000年11月3日 优先权日2000年11月3日
发明者梁瑞闵, 王培仁 申请人:盟立自动化股份有限公司