陳淼 ，趙南陽 ，許忠斌 ，2，*，付精 ，吳瓊

（1. 浙江大學(xué)能源工程學(xué)院，浙江 杭州 310027 ；2. 浙江大學(xué)機(jī)器人研究院，浙江 寧波 315002 ；3. 貝隆精密科技股份有限公司，浙江 寧波 315400）

隨著塑料成型技術(shù)的創(chuàng)新發(fā)展和技術(shù)水平的提高，注塑成型在精密儀器、生物基因工程、醫(yī)藥工程、信息通訊、軍事及航空航天等高端領(lǐng)域得到廣泛應(yīng)用，制品缺陷改良和質(zhì)量調(diào)控方法成為注塑工業(yè)的研究重點(diǎn)。恰當(dāng)?shù)牟牧线x擇、模具系統(tǒng)的設(shè)計和工藝參數(shù)的設(shè)定能確保聚合物熔體在模腔內(nèi)保持較好的流動狀態(tài)，經(jīng)保壓、冷卻并頂出后才能避免缺陷的產(chǎn)生，實(shí)現(xiàn)制品質(zhì)量的調(diào)控。

為有效解決精密注塑制品缺陷問題，學(xué)者們依托統(tǒng)計學(xué)和計算機(jī)科學(xué)等交叉領(lǐng)域知識，借助實(shí)驗(yàn)設(shè)計方法、數(shù)值模擬技術(shù)、機(jī)器學(xué)習(xí)算法和專家系統(tǒng)等方法，對注塑工藝參數(shù)和模具系統(tǒng)等進(jìn)行優(yōu)化分析，獲得顯著成效。本文從工藝參數(shù)、材料和模具系統(tǒng)三方面對近年來使用較多的精密注塑制品缺陷改良及制品質(zhì)量調(diào)控方法進(jìn)行分類總結(jié)，重點(diǎn)對新型啟發(fā)式模型為代表的工藝參數(shù)優(yōu)化方法進(jìn)行討論。

1 工藝參數(shù)優(yōu)化

1.1 實(shí)驗(yàn)設(shè)計方法

實(shí)驗(yàn)設(shè)計方法（Design of Experiment，DOE） 是較為傳統(tǒng)的注塑工藝參數(shù)優(yōu)化方法。與其他優(yōu)化方法相比，實(shí)驗(yàn)設(shè)計方法相對容易實(shí)現(xiàn)，計算量小，因此在注塑生產(chǎn)加工中得到廣泛應(yīng)用。當(dāng)涉及的實(shí)驗(yàn)因素和水平較多時, 所耗費(fèi)的人工、材料和時間成本較高。為了簡化計算分析，減少實(shí)驗(yàn)因素及其水平，衍生出分式析因?qū)嶒?yàn)設(shè)計、正交實(shí)驗(yàn)設(shè)計等簡化方法。

田口方法（Taguchi method）[1～2]是較常用的一種實(shí)驗(yàn)設(shè)計方法。實(shí)驗(yàn)者可以依據(jù)試驗(yàn)需求如因子數(shù)、因子水平和有無交互作用等創(chuàng)建相應(yīng)的正交表，在全局實(shí)驗(yàn)點(diǎn)中選擇出一些代表性點(diǎn)開展正交試驗(yàn)，能夠有效減少試驗(yàn)次數(shù)，達(dá)到等效甚至優(yōu)于全因子試驗(yàn)的效果。中心復(fù)合設(shè)計（Central Composite Design，CCD）[3～4]和Box-Behnken 實(shí) 驗(yàn) 設(shè) 計（Box-Behnken Design，BBD）[5～6]也被廣泛運(yùn)用，兩者都是響應(yīng)面法（Response Surface Method，RSM）中的重要設(shè)計方式。RSM 是采用多元二次回歸方法擬合各影響因素與響應(yīng)變量間映射關(guān)系（如圖1 所示），從中求解最佳工藝參量的一種數(shù)理分析方法。BBD 與CCD 區(qū)別主要在于后者能擬合完全二次模型，對實(shí)驗(yàn)連續(xù)性有要求時一般會采用CCD ；而BBD 由于涉及試驗(yàn)點(diǎn)更少，不包含嵌入因子或部分因子設(shè)計，故實(shí)驗(yàn)次數(shù)相對同因素及因素水平條件下CCD 更少，且對快速剔除一階和二階系數(shù)更為占優(yōu)。還有其他運(yùn)用較少的實(shí)驗(yàn)設(shè)計方法，包括Plackett-Burman 試驗(yàn)設(shè)計[6]、分式析因?qū)嶒?yàn)設(shè)計（FFD）[7]和拉丁超立方設(shè)計（LHD）[8]等。實(shí)驗(yàn)設(shè)計方法能在一定程度上優(yōu)化注塑工藝參數(shù)，但由于實(shí)驗(yàn)數(shù)據(jù)的離散性，多數(shù)實(shí)驗(yàn)設(shè)計方法只能在已有試驗(yàn)點(diǎn)中尋優(yōu)，找出的最優(yōu)工藝參數(shù)組合方案結(jié)果不夠精細(xì)，并不一定是全局最優(yōu)的工藝參數(shù)組合。

圖1 響應(yīng)面法擬合的二次曲面[4]

1.2 智能優(yōu)化算法

計算機(jī)科學(xué)和機(jī)器學(xué)習(xí)技術(shù)的蓬勃發(fā)展為注塑工藝參數(shù)優(yōu)化注入強(qiáng)大生命力，破除傳統(tǒng)實(shí)驗(yàn)設(shè)計方法局限?？紤]到工藝參數(shù)變量與質(zhì)量目標(biāo)之間的非線性映射關(guān)系，以機(jī)器學(xué)習(xí)為基礎(chǔ)的智能優(yōu)化算法為全局工藝參數(shù)尋優(yōu)提供了新思路。目前常用于注塑工藝參數(shù)優(yōu)化的算法多為啟發(fā)式算法，如人工神經(jīng)網(wǎng)絡(luò)算法（ANN）[8～12]、遺傳算法（GA）[9～12,14～15]、粒子群算法（PSO）[16]、蟻群算法（ACO）[17]等。

人工神經(jīng)網(wǎng)絡(luò)（基本原理如圖2 所示） 是一種廣泛應(yīng)用的模擬生物神經(jīng)系統(tǒng)連接方式及推理行為的方法[19]，由于其較強(qiáng)的自適應(yīng)學(xué)習(xí)能力，廣泛運(yùn)用于各類優(yōu)化問題中。在注塑工藝參數(shù)優(yōu)化中，常見的有反向傳播（BP） 神經(jīng)網(wǎng)絡(luò)[9～11]、徑向基函數(shù)（RBF） 神經(jīng)網(wǎng)絡(luò)[12]等。Luo 等[10]為解決乘用車前部塑料翼板注射成型過程中翹曲變形較大、制冷作用不足的難題，使用正交試驗(yàn)研究有關(guān)工藝參量對翹曲的影響程度，并依據(jù)翹曲變形量建立BP 神經(jīng)網(wǎng)絡(luò)模型，利用遺傳算法全局尋優(yōu)，得出最優(yōu)注塑工藝參數(shù)組合，有效降低產(chǎn)品翹曲變形量。Zhang 等[8]基于最優(yōu)拉丁超立方體設(shè)計、橢球基函數(shù)神經(jīng)網(wǎng)絡(luò)和多目標(biāo)粒子群優(yōu)化，對柴油機(jī)機(jī)油冷卻器蓋注塑工藝參數(shù)進(jìn)行多目標(biāo)優(yōu)化，使產(chǎn)品翹曲得到有效改善。遺傳算法是類比生物進(jìn)化的模擬研究方法，按照物競天擇，適者生存的核心理念，效仿生物遺傳和進(jìn)化過程，對種群內(nèi)部個體進(jìn)行選擇、交叉和變異，以實(shí)現(xiàn)近似最優(yōu)解搜索[13]。Cao等[15]針對細(xì)長、懸臂式和薄壁塑料件容易形成過度翹曲變形的特點(diǎn)，以汽車音響外殼為例，采用基于自適應(yīng)網(wǎng)絡(luò)的模糊推理系統(tǒng)（ANFIS） 和遺傳算法（GA） 對注塑工藝參數(shù)進(jìn)行優(yōu)化，優(yōu)化后產(chǎn)品翹曲降低88.25 %，優(yōu)化效果顯著。

圖2 一種神經(jīng)網(wǎng)絡(luò)（約束生成逆設(shè)計網(wǎng)絡(luò)，CGIDN）結(jié)構(gòu)圖[35]

其他非啟發(fā)式算法，包括高斯過程回歸（GPR）[9]、Kriging 模型[19]、支持向量機(jī)（SVM）[20～21]等。高斯過程回歸與Kriging 模型是非常相近的，Kriging 模型是一種半?yún)?shù)模型，而GPR 是一種非參數(shù)模型，本質(zhì)上來說兩者均是基于高斯過程的。許方敏等[9]以車燈導(dǎo)光條為研究對象，利用高斯過程回歸與人工神經(jīng)網(wǎng)絡(luò)建立代理模型，并以此構(gòu)造適應(yīng)度函數(shù)，利用多目標(biāo)遺傳算法全域?qū)?yōu)，得到工藝參數(shù)最優(yōu)水平組合，高效改良車燈導(dǎo)光條成型品質(zhì)，減小體積收縮及縮痕，抑制翹曲變形。Li 等[19]建立Kriging 模型，以擬合一些顯著因子與翹曲變形之間的非線性函數(shù)關(guān)系，獲得最佳工藝參數(shù)，減少透明零件翹曲。SVM 可以對訓(xùn)練數(shù)據(jù)進(jìn)行正確的劃分并構(gòu)建間隔最大的分類超平面，成為小樣本注射成型工藝窗口構(gòu)建的重要方法之一[22]。Li 等[20]以移動電話蓋板為例，利用SVM 建立回歸模型，研究注塑工藝參量和零部件缺陷間的非線性關(guān)系，通過遺傳算法找到SVM 的最優(yōu)核參數(shù)，顯著減小零部件翹曲變形。

在基礎(chǔ)算法上，學(xué)者往往根據(jù)實(shí)際需求，改進(jìn)基礎(chǔ)算法，以提升算法的收斂速率、穩(wěn)定性，并找到更精確的全局最優(yōu)解。如非支配排序遺傳算法（NSGAII）[21～23]可以有效降低非劣排序遺傳算法的復(fù)雜度，縮短運(yùn)行時間，優(yōu)化解集收斂性。Tisa 等[23]利用田口方法獲得的實(shí)驗(yàn)數(shù)據(jù)建立RSM 回歸模型，并結(jié)合NSGS-II 分析實(shí)驗(yàn)數(shù)據(jù)，確定最佳工藝參數(shù)組合, 減少注塑件的長度偏差與翹曲，且降低產(chǎn)品重量和注塑過程能耗。也有學(xué)者結(jié)合不同算法的優(yōu)點(diǎn)，使用結(jié)合算法建立模型對注塑工藝參數(shù)進(jìn)行優(yōu)化。針對薄壁精密心電記錄儀在注塑生產(chǎn)過程中容易產(chǎn)生翹曲和收縮的問題，王國清等[24]提出一種基于蟻群算法優(yōu)化的BP 神經(jīng)網(wǎng)絡(luò)模型（CO-BP） 和改進(jìn)的非支配排序遺傳算法（NSGA-II） 相結(jié)合的注塑工藝參數(shù)多目標(biāo)優(yōu)化方法得到最優(yōu)工藝參數(shù)，使產(chǎn)品最小翹曲減少為0.329 3 mm，最小體積收縮率降低為4.993%。

也有學(xué)者采用集成學(xué)習(xí)方法，將多種模型的預(yù)測結(jié)果進(jìn)行整合，以獲得比單一模型更加準(zhǔn)確、更加穩(wěn)健的預(yù)測結(jié)果。如Stacking 集成學(xué)習(xí)方法[16]、Bagging 集成學(xué)習(xí)方法[25]等。鄭守銀等[16]針對保險杠在注塑成型過程中的體積收縮缺陷，采用Stacking集成學(xué)習(xí)方法，使用極限學(xué)習(xí)機(jī)結(jié)合嶺回歸、支持向量機(jī)回歸、K 近鄰回歸建立RSK-ELM 集成模型，并運(yùn)用粒子群算法對集成模型分析求解，將保險杠體積收縮率平均值降至3.453%，有效減小產(chǎn)品收縮變形。曹艷麗等[25]以產(chǎn)品最小翹曲和最小體積收縮率為求解目標(biāo)，設(shè)計注塑溫度、模具溫度、注射壓力等多個影響因子，構(gòu)建多目標(biāo)全局優(yōu)化模型，利用正交試驗(yàn)獲得試驗(yàn)數(shù)據(jù)訓(xùn)練隨機(jī)森林回歸模型，并采用遺傳算法對優(yōu)化模型全局尋優(yōu), 求解最佳工藝參數(shù)組合，其中，隨機(jī)森林方法（基本原理如圖3 所示） 就屬于Bagging集成學(xué)習(xí)方法的一種。

圖3 隨機(jī)森林建模過程

1.3 多目標(biāo)決策優(yōu)化方法

精密注塑件的質(zhì)量缺陷往往不是單一的，實(shí)際生產(chǎn)過程中經(jīng)常需要解決多目標(biāo)優(yōu)化問題。多目標(biāo)優(yōu)化問題往往有兩種解決思路，其中都會用到一些多目標(biāo)決策方法，常用的有灰色關(guān)聯(lián)分析[26]、熵權(quán)法[9]、綜合評分法[27]、CRITIC 權(quán)重法[21]等。

第一種思路就是利用多目標(biāo)決策方法確定各優(yōu)化目標(biāo)的權(quán)重，得到一個綜合評價指標(biāo)，從而將多目標(biāo)問題轉(zhuǎn)化為單目標(biāo)問題。馬勤等[27]采用正交實(shí)驗(yàn)、綜合加權(quán)評分以及極差分析，建立加速度傳感器端蓋工藝參數(shù)優(yōu)化方案，該方案基于5 因素4 水平正交實(shí)驗(yàn)獲取的相關(guān)質(zhì)量指標(biāo)數(shù)據(jù)，通過標(biāo)準(zhǔn)化處理、線性組合處理得到各實(shí)驗(yàn)組綜合評分值，經(jīng)過均值分析和極差分析，最終得到影響質(zhì)量指標(biāo)的顯著因素和最優(yōu)工藝參數(shù)組合。

第二種思路就是利用多目標(biāo)優(yōu)化算法建立優(yōu)化目標(biāo)和影響因素間的映射關(guān)系，在注塑工藝參數(shù)求解區(qū)間上求解最佳工藝參數(shù)組合。但由于各優(yōu)化目標(biāo)并非相互獨(dú)立，可能存在耦合影響，這使得一個目標(biāo)性能的改善往往伴隨其他目標(biāo)性能的劣化，一般不存在一個最優(yōu)解使所有目標(biāo)性能都達(dá)最佳，所以對于多目標(biāo)優(yōu)化問題，多目標(biāo)優(yōu)化模型的解通常是一個非劣解的集合—Pareto 解集[28]。存在多個Pareto 優(yōu)解的情況下，也需要用多目標(biāo)決策方法對Pareto 解集進(jìn)行評價和優(yōu)選。王德炤等[21]以心電記錄儀外殼為研究對象，針對注射成型易產(chǎn)生翹曲和收縮的問題，基于正交試驗(yàn)所得實(shí)驗(yàn)樣本，構(gòu)建基于粒子群算法優(yōu)化的最小二乘支持向量機(jī)模型（PSO-LSSVM） 分別對產(chǎn)品翹曲和體積收縮率進(jìn)行預(yù)測，再結(jié)合NSGA-Ⅱ全局優(yōu)化，對得到的Pareto 最優(yōu)解集進(jìn)行CRITIC 綜合分析，得到翹曲收縮綜合評價指標(biāo)最優(yōu)的工藝參數(shù)組合。

1.4 難量化缺陷改良方法

對于難以量化的缺陷，很難利用上文提及的方式得到缺陷和工藝參數(shù)之間的映射關(guān)系，專家系統(tǒng)是解決這個問題的有效方法。專家系統(tǒng)內(nèi)部含有大量的某個領(lǐng)域?qū)＜宜降闹R與經(jīng)驗(yàn)，它能夠根據(jù)系統(tǒng)中的知識與經(jīng)驗(yàn)，進(jìn)行推理和判斷，模擬人類專家的決策過程，為解決復(fù)雜問題提供重要指導(dǎo)意見。張娜等[29]開發(fā)了一款注塑制品缺陷診斷及工藝優(yōu)化專家系統(tǒng)，可進(jìn)行包括欠注、翹曲變形等在內(nèi)的11 種常見注塑制品缺陷的原因診斷。但專家系統(tǒng)有一個致命缺陷，即只能提供參數(shù)類型和相關(guān)的校正方向，不能給出校正范圍或清晰值。而模糊推理不僅可以提供工藝參數(shù)的修正方向，而且可以提供工藝參數(shù)的清晰值[30]。Zhou等[31～32]提出了一種模糊推理模型來防止缺陷。在他們的研究中，每個缺陷的嚴(yán)重性都是用語言術(shù)語集自然描述的，例如輕微、中等、嚴(yán)重，并且工藝參數(shù)校正范圍是由缺陷的嚴(yán)重程度決定的。針對美學(xué)缺陷的模糊推理存在收斂性和穩(wěn)定性問題，Gao 等[30]提出了一種基于分類模型的優(yōu)化方法，以獲得最佳工藝參數(shù)，利用了當(dāng)參數(shù)從低水平增加到高水平時，可行參數(shù)域通常夾在兩個相對的缺陷之間的事實(shí)，通過最大化樣品的相對缺陷之間的裕度，通過選擇最遠(yuǎn)離兩種類型缺陷的參數(shù)組合來獲得優(yōu)化參數(shù)，依據(jù)優(yōu)化注射參數(shù)進(jìn)行注射成型加工獲得了比傳統(tǒng)方法更穩(wěn)定的產(chǎn)品質(zhì)量，僅為標(biāo)準(zhǔn)偏差的一半，過程能力指數(shù)高8 倍。

2 模具系統(tǒng)優(yōu)化

對于模具結(jié)構(gòu)、澆注系統(tǒng)、冷卻系統(tǒng)等的設(shè)計及優(yōu)化也能改良注塑條件，但注塑模具系統(tǒng)的設(shè)計已經(jīng)相對成熟，且改良成本較高，因此，其工程價值略遜于研究工藝參數(shù)改良方法，相關(guān)研究也較少。注塑系統(tǒng)的改良大多是借助CAD 和CAE[33]軟件完成的。也有學(xué)者將上文中提到的用于注塑工藝參數(shù)優(yōu)化的一些方法運(yùn)用到注塑模具系統(tǒng)的設(shè)計優(yōu)化當(dāng)中，不再贅述。

3 材料優(yōu)化

隨著材料科學(xué)的快速發(fā)展，新型發(fā)泡材料、液晶聚合物（LCP）、木塑復(fù)合材料（WPC）[34]等新型材料也被用作注塑原材料，這些新型材料自身的優(yōu)越性能也有助于減少注塑件質(zhì)量缺陷。例如木塑復(fù)合材料作為一種可再生原材料，結(jié)合了木材與塑料的積極特性，與非增強(qiáng)塑料相比成本更低，重量更輕，機(jī)械性能更好，有助于減少注塑件的翹曲變形。

4 總結(jié)

注塑制品缺陷改良是一個綜合多方面影響因素的復(fù)雜問題，原材料的選擇、模具系統(tǒng)的設(shè)計、工藝參數(shù)的設(shè)定甚至環(huán)境因素的擾動都是影響注塑制品質(zhì)量的關(guān)鍵因素。另外，注塑流程復(fù)雜、注塑制品缺陷量化困難等都為缺陷改良帶來了挑戰(zhàn)。以新型啟發(fā)式模型算法為代表的工藝參數(shù)優(yōu)化方法大幅降低了試模的成本并提高了生產(chǎn)的效率。特別是在模具系統(tǒng)設(shè)計體系趨于成熟的條件下，考慮到實(shí)際生產(chǎn)中材料選擇也具有較大的局限性，便捷高效的工藝參數(shù)優(yōu)化方法對注塑缺陷改良及制品質(zhì)量調(diào)控具有重要的作用，應(yīng)用前景巨大。