基于内置信号的注塑过程质量监测
发布时间：2021-11-21 06:25
注塑过程是一个典型的小批量、多产品的间歇过程,具有明显的多工况、多时段、重复性等间歇特性,该过程易受到内外各因素的干扰,导致注塑制品质量不稳定。在实际生产中,注塑过程质量在线监测仍存在一些问题:（1）附加的信息感知设备会导致成本增加;（2）现代注塑机自身控制系统中配有大量高分辨率测量设备——内置信号源提供的高质量过程数据未得到充分利用;（3）如何消除内置信号的间歇特性给质量监测模型带来的不利影响,提高模型快速识别故障批次的能力。针对上述问题,本文提出了两种以内置信号为监测变量的基于数据驱动的注塑过程质量监测方法。本文首先根据注塑各阶段的关键动作选取了合适的内置信号源——注射电机扭矩、塑化电机扭矩、荷重元压力、螺杆位置、锁模油压,搭建了相应的注塑过程信号实验采集系统,并以制品重量作为质量指标,通过质量重复精度验证了系统的可行性和稳定性。其次,依据注塑过程参数可用性标准,通过控制注塑各阶段关键加工参数,处理和分析了注塑各阶段的内置信号,可以看出荷重元压力、锁模油压绝对值、降噪处理后的塑化电机扭矩信号能够有效反映注射、保压冷却、塑化各阶段的熔体状态信息,且能够随着注塑条件的改变做出合理且具有...
【文章来源】：华南理工大学广东省 211工程院校 985工程院校 教育部直属院校
【文章页数】：78 页
【学位级别】：硕士
【部分图文】：
注塑成型设备及工作时序：a)注塑系统b)注塑工作时序
第一章绪论5图1-2注塑成型过程信息及传感器不少研究者认为模腔压力曲线是注塑成型过程中的“指纹”，其直接反映了充填、保压、冷却阶段熔体状态信息，因此曲线的变化趋势与制品质量关系最为密切[7,12]。现也已拥有成熟的商用模腔压力监测系统，瑞士Kistler公司的ComoInjection和ComoDataCenter两套系统以及美国RJG公司的eDART系统，每个系统各有优点，均能够实现在注塑现场的实时采集、显示、监控、存储、控制输出等功能，但价格昂贵[13]。国内也有不少针对注塑模腔压力研发的多通道数据采集系统[14-16]，但是相比国外成熟的产品，缺乏测量链，也没有完全的集成工艺优化、质量监测等功能。此外，Gordon等[17]设计并实施了的高度集成的模内多元传感器（MVS），不仅能够同时直接测出熔体温度、模具温度、熔体压力，还可以根据熔体经传感器时的流动速度精确估计熔体黏度。随着自动化技术和信息感知技术的飞速发展，模具中注塑过程信息感知设备越来越丰富，方法也越来越完善。相比仅有的压力和温度传感器，模具中引入超声[18-22]、电容[23-25]、光学[26-29]、温度[30]等传感器为研究注塑过程提供了更全面、更直观、更透明的注塑过程信息。超声是一种通用性更高的无损检测方法，也被广泛的应用于获取模具中制品质量信息。浙江大学赵朋等使用超声软测量模型对注塑过程中黏度[18]、密度[19]、结晶度[20]等进行无损检测，取得了很好的预测效果。德国IKV[21]研究所依据超声在异质界面产生的反射和透射现象及其超声在不同介质中的衰减现象，获取注射过程中熔体流动的平均速度信息，及冷却收缩时制品收缩率对超声信号的影响，还证明超声信号在记录注塑有效信
第一章绪论71.3.2注塑成型产品质量监测方法产品质量始终是注塑行业关注的重点，目前在注塑成型的质量监测中，有很多都依赖于对每个制造批次中的制品进行定期离线采样，以测试其是否符合所需的制品质量要求或者标准（重量、尺寸、表面缺陷、光学性能、机械性能等），这会导致离线检测时效性差、成本高，同时利用定期抽检的样本的质量替代整个批次制品质量是不科学、不高效的。实现对产品质量反馈控制的首要任务是对产品质量进行在线监测，虽然现阶段有不少基于机器视觉的方式直接对整个批次的表面缺陷进行监测，但是附加的传感器镜头等设备会导致成本增加，同时对复杂零件的识别也会使得成型周期增长。为此，不少研究者提出了使用过程参数对注塑产品质量监测方法，根据其理论基础的差异大体可以归纳为基于经验知识[37-39]、物理模型[40-44]、数据驱动[45-49]三种质量监测方法，具体如图1-3所示。图1-3注塑成型产品质量监测方法（1）基于经验知识的方法基于经验知识的方法不需要精确的数学模型，通过专家知识及推理机结合计算机技术来模拟人类专家解决领域问题。在注塑成型中的主要应用包括诊断无法定量描述的产品质量，如翘曲、填充不足、气泡、熔接痕、飞边、银纹等缺陷[37]，以及对注塑过程参数的自动设定。在注塑成型中主要应用的经验模型根据推理机制可以其分为模糊推理、规则推理、案例推理等，每种推理都有各自的优势和特点，应用场景也不同。南昌大学李双林[37]将注塑制品缺陷的专家经验与知识表示成CLIPS专家系统知识库，并使用不确定性推理与模糊推理相结合的知识推理机，实现注塑产品缺陷的智能诊
【参考文献】：
期刊论文
[1]中国塑料加工工业（2018）[J]. 马占峰,姜宛君,杨森. 中国塑料. 2019(06)
[2]对新型高分子材料的应用探究[J]. 黄楠. 信息记录材料. 2019(04)
[3]注射质量重复精度在线测量方法[J]. 杨泽文,许红,吴大鸣,付红波,刘颖. 中国塑料. 2018(11)
[4]批次过程控制—回顾与展望[J]. 卢静宜,曹志兴,高福荣. 自动化学报. 2017(06)
[5]基于LWPT-DTW的间歇过程不等长时段数据同步化[J]. 王建林,刘伟旻,邱科鹏,张维佳,于涛. 化工学报. 2017(07)
[6]基于PC-WKNN的多工况间歇过程故障检测方法研究[J]. 冯立伟,张成,李元. 计算机应用研究. 2018(04)
[7]模腔压力监测控制技术在注塑成型中的应用[J]. 杨光,蔡立芳,梁家朝,杨宜锦. 塑料工业. 2016(08)
[8]注塑螺杆的塑化质量实验研究[J]. 张安震,张志成,张龙启,闫宝瑞,信春玲,何亚东. 橡塑技术与装备. 2014(18)
[9]基于统计模量分析间歇过程故障检测方法研究[J]. 张成,李元. 仪器仪表学报. 2013(09)
[10]发泡注塑过程数据采集系统的研制开发[J]. 郭奕崇,阎芳,陈思远. 塑料. 2013(01)
博士论文
[1]基于统计模型的多阶段间歇过程在线质量预测与过程监测[D]. 唐晓初.东北大学 2015
[2]注塑成型过程模腔内熔体流动速度与压力检测控制方法研究[D]. 王硕.浙江大学 2012
[3]基于注塑装备的聚合物PVT关系测控技术的研究[D]. 王建.北京化工大学 2010
[4]基于质量的注塑过程建模方法研究[D]. 陈曦.浙江大学 2001
[5]注塑过程参数的自动设定与基于模糊推理的制品缺陷消除的研究[D]. 郁滨.华南理工大学 1999
硕士论文
[1]聚合物取向结构的叉指电容检测方法[D]. 叶庆莹.华中科技大学 2019
[2]注塑件外观缺陷小样本视觉检测方法与实现[D]. 胡诗尧.华中科技大学 2019
[3]基于KNN和SVM的化工过程故障监测与诊断方法研究[D]. 高皓.燕山大学 2019
[4]基于多时段间歇过程故障检测的方法研究[D]. 章文.电子科技大学 2016
[5]大型框型薄壁件的翘曲优化[D]. 张信歌.南昌大学 2014
[6]多时段、不等长间歇过程过程监测与故障诊断[D]. 仇迁.东北大学 2013
[7]基于注射功的注塑制品质量控制[D]. 张宏桥.北京化工大学 2012
[8]基于多元统计的注塑成型过程监测与故障诊断平台[D]. 李康.东北大学 2011
[9]基于型腔压力测量的塑料注射成形过程监测[D]. 李林楠.华中科技大学 2012
[10]多变量统计过程监控[D]. 郑望.北京化工大学 2008
本文编号：3508959
【文章来源】：华南理工大学广东省 211工程院校 985工程院校 教育部直属院校
【文章页数】：78 页
【学位级别】：硕士
【部分图文】：
注塑成型设备及工作时序：a)注塑系统b)注塑工作时序
第一章绪论5图1-2注塑成型过程信息及传感器不少研究者认为模腔压力曲线是注塑成型过程中的“指纹”，其直接反映了充填、保压、冷却阶段熔体状态信息，因此曲线的变化趋势与制品质量关系最为密切[7,12]。现也已拥有成熟的商用模腔压力监测系统，瑞士Kistler公司的ComoInjection和ComoDataCenter两套系统以及美国RJG公司的eDART系统，每个系统各有优点，均能够实现在注塑现场的实时采集、显示、监控、存储、控制输出等功能，但价格昂贵[13]。国内也有不少针对注塑模腔压力研发的多通道数据采集系统[14-16]，但是相比国外成熟的产品，缺乏测量链，也没有完全的集成工艺优化、质量监测等功能。此外，Gordon等[17]设计并实施了的高度集成的模内多元传感器（MVS），不仅能够同时直接测出熔体温度、模具温度、熔体压力，还可以根据熔体经传感器时的流动速度精确估计熔体黏度。随着自动化技术和信息感知技术的飞速发展，模具中注塑过程信息感知设备越来越丰富，方法也越来越完善。相比仅有的压力和温度传感器，模具中引入超声[18-22]、电容[23-25]、光学[26-29]、温度[30]等传感器为研究注塑过程提供了更全面、更直观、更透明的注塑过程信息。超声是一种通用性更高的无损检测方法，也被广泛的应用于获取模具中制品质量信息。浙江大学赵朋等使用超声软测量模型对注塑过程中黏度[18]、密度[19]、结晶度[20]等进行无损检测，取得了很好的预测效果。德国IKV[21]研究所依据超声在异质界面产生的反射和透射现象及其超声在不同介质中的衰减现象，获取注射过程中熔体流动的平均速度信息，及冷却收缩时制品收缩率对超声信号的影响，还证明超声信号在记录注塑有效信
第一章绪论71.3.2注塑成型产品质量监测方法产品质量始终是注塑行业关注的重点，目前在注塑成型的质量监测中，有很多都依赖于对每个制造批次中的制品进行定期离线采样，以测试其是否符合所需的制品质量要求或者标准（重量、尺寸、表面缺陷、光学性能、机械性能等），这会导致离线检测时效性差、成本高，同时利用定期抽检的样本的质量替代整个批次制品质量是不科学、不高效的。实现对产品质量反馈控制的首要任务是对产品质量进行在线监测，虽然现阶段有不少基于机器视觉的方式直接对整个批次的表面缺陷进行监测，但是附加的传感器镜头等设备会导致成本增加，同时对复杂零件的识别也会使得成型周期增长。为此，不少研究者提出了使用过程参数对注塑产品质量监测方法，根据其理论基础的差异大体可以归纳为基于经验知识[37-39]、物理模型[40-44]、数据驱动[45-49]三种质量监测方法，具体如图1-3所示。图1-3注塑成型产品质量监测方法（1）基于经验知识的方法基于经验知识的方法不需要精确的数学模型，通过专家知识及推理机结合计算机技术来模拟人类专家解决领域问题。在注塑成型中的主要应用包括诊断无法定量描述的产品质量，如翘曲、填充不足、气泡、熔接痕、飞边、银纹等缺陷[37]，以及对注塑过程参数的自动设定。在注塑成型中主要应用的经验模型根据推理机制可以其分为模糊推理、规则推理、案例推理等，每种推理都有各自的优势和特点，应用场景也不同。南昌大学李双林[37]将注塑制品缺陷的专家经验与知识表示成CLIPS专家系统知识库，并使用不确定性推理与模糊推理相结合的知识推理机，实现注塑产品缺陷的智能诊
【参考文献】：
期刊论文
[1]中国塑料加工工业（2018）[J]. 马占峰,姜宛君,杨森. 中国塑料. 2019(06)
[2]对新型高分子材料的应用探究[J]. 黄楠. 信息记录材料. 2019(04)
[3]注射质量重复精度在线测量方法[J]. 杨泽文,许红,吴大鸣,付红波,刘颖. 中国塑料. 2018(11)
[4]批次过程控制—回顾与展望[J]. 卢静宜,曹志兴,高福荣. 自动化学报. 2017(06)
[5]基于LWPT-DTW的间歇过程不等长时段数据同步化[J]. 王建林,刘伟旻,邱科鹏,张维佳,于涛. 化工学报. 2017(07)
[6]基于PC-WKNN的多工况间歇过程故障检测方法研究[J]. 冯立伟,张成,李元. 计算机应用研究. 2018(04)
[7]模腔压力监测控制技术在注塑成型中的应用[J]. 杨光,蔡立芳,梁家朝,杨宜锦. 塑料工业. 2016(08)
[8]注塑螺杆的塑化质量实验研究[J]. 张安震,张志成,张龙启,闫宝瑞,信春玲,何亚东. 橡塑技术与装备. 2014(18)
[9]基于统计模量分析间歇过程故障检测方法研究[J]. 张成,李元. 仪器仪表学报. 2013(09)
[10]发泡注塑过程数据采集系统的研制开发[J]. 郭奕崇,阎芳,陈思远. 塑料. 2013(01)
博士论文
[1]基于统计模型的多阶段间歇过程在线质量预测与过程监测[D]. 唐晓初.东北大学 2015
[2]注塑成型过程模腔内熔体流动速度与压力检测控制方法研究[D]. 王硕.浙江大学 2012
[3]基于注塑装备的聚合物PVT关系测控技术的研究[D]. 王建.北京化工大学 2010
[4]基于质量的注塑过程建模方法研究[D]. 陈曦.浙江大学 2001
[5]注塑过程参数的自动设定与基于模糊推理的制品缺陷消除的研究[D]. 郁滨.华南理工大学 1999
硕士论文
[1]聚合物取向结构的叉指电容检测方法[D]. 叶庆莹.华中科技大学 2019
[2]注塑件外观缺陷小样本视觉检测方法与实现[D]. 胡诗尧.华中科技大学 2019
[3]基于KNN和SVM的化工过程故障监测与诊断方法研究[D]. 高皓.燕山大学 2019
[4]基于多时段间歇过程故障检测的方法研究[D]. 章文.电子科技大学 2016
[5]大型框型薄壁件的翘曲优化[D]. 张信歌.南昌大学 2014
[6]多时段、不等长间歇过程过程监测与故障诊断[D]. 仇迁.东北大学 2013
[7]基于注射功的注塑制品质量控制[D]. 张宏桥.北京化工大学 2012
[8]基于多元统计的注塑成型过程监测与故障诊断平台[D]. 李康.东北大学 2011
[9]基于型腔压力测量的塑料注射成形过程监测[D]. 李林楠.华中科技大学 2012
[10]多变量统计过程监控[D]. 郑望.北京化工大学 2008
本文编号：3508959
本文链接：https://www.wllwen.com/projectlw/hxgylw/3508959.html
最近更新
教材专著
