注塑模具人机交互智能设计优化方法及系统与流程

本发明涉及注塑模具，具体为注塑模具人机交互智能设计优化方法及系统。

背景技术：

1、注塑模具人机交互技术是实现智能制造和工业4.0的重要组成部分，通过设计友好和直观的界面，提升用户体验和操作效率。在注塑成型工艺中，hmi系统可以实时监控和控制关键参数，提供智能报警和故障诊断功能，优化工艺参数，并支持远程监控与维护。未来，随着人工智能、虚拟现实和大数据等技术的发展，注塑模具人机交互技术将向更加智能化、自动化和协同化的方向发展，进一步提高生产效率和产品质量。

2、现阶段传统注塑模具加工工艺在参数优化和质量控制方面存在明显的缺陷，主要表现为参数调整不精确和质量监控滞后等问题。这些缺点源于对加工过程缺乏全面和实时的数据支持，导致在实际生产中容易出现模具温度不均、塑料材料膨胀控制不当和结晶速率不稳定等异常情况。这些异常不仅会降低成品的质量，还会增加废品率，影响生产效率和成本控制。

技术实现思路

1、针对现有技术的不足，本发明提供了注塑模具人机交互智能设计优化方法及系统，解决了背景技术中提到的问题。

2、为实现以上目的，本发明通过以下技术方案予以实现：包括注塑参数采集模块、成品质量关系模块、加工分析算法模块、人机交互模块和智能分析评估模块；

3、所述注塑参数采集模块采用传感器和监测设备，实时采集模具再注塑过程中的模具加工数据，并对采集到的模具加工数据进行预处理，获取模具加工数据集；

4、所述成品质量关系模块用于利用采集到的模具加工数据集、历史数据和实验数据，并将划分为训练集、验证集和测试集，建立模具加工数据与成品质量之间的回归分析模型与机器学习模型；

5、所述加工分析算法模块用于构建模具温度分布分析公式、塑料材料变化分析公式和结晶关系分析公式，并将所采集到的模具加工数据集载入，进行分别计算获取温度分布t(x，y，z)、塑料材料变化率bh和结晶速率jj，并进行相关联汇总生产综合加工数据jg；

6、所述人机交互模块用于使用开发工具，构建出可视化界面，查看优化结果并输入参数进行优化调整；

7、所述智能分析评估模块用于预设第一加工质量阈值y1和第二加工质量阈值y2与所获取的综合加工数据jg，进行对比评估分析当前注塑模具的质量情况，当识别到异常时，则进一步地构建综合优化公式，进行计算获取综合优化系数yh对注塑机进行优化。

8、优选的，所述注塑参数采集模块包括参数采集模块和数据预处理模块；

9、所述参数采集模块用于再注塑机周围安装传感器组，所述传感器组包括粗糙度传感器、热电偶传感器、红外温度计、压力传感器和流量计，实时采集模具再注塑过程的模具加工数据，所述模具加工数据包括模具表面粗糙度ra、热导率km、塑料材料膨胀系数ap和剪切速率jq；

10、所述数据预处理模块用于将实时采集到的模具加工数据，使用卡尔曼滤波器来平滑数据对所采集到的模具加工数据进行滤波处理，同时使用小波变换来去除传感器所采集到的模具加工数据的高频噪声，在家所采集到的模具加工数据进行归一化处理。

11、优选的，所述成品质量关系模块包括回归分析模型单元、机器学习模型单元和模型优化与验证单元；

12、所述回归分析模型单元用于构建多元线性回归模型，识别模具加工数据与成品质量之间的线性关系，分析模型的预测性能和回归系数，并将预处理后的模具数据传输至回归分析模型，评估各参数对成品质量的影响；

13、所述机器学习模型单元用于选择支持向量机svm和多层感知机，分别构建支持向量机svm模型与神经网络nn模型，所述支持向量机svm模型用于捕捉模具加工数据与成品质量之间的非线性关系，所述神经网络nn模型用于捕捉复杂的非线性关系，并将构建的支持向量机svm模型与神经网络nn模型进行集成汇总，获取机器学习模型，再将利用采集到的模具加工数据集、历史数据和实验数据预处理后，传输至机器学习模型中，分别评估支持向量机svm模型与神经网络nn模型的预测性能，并分析数据之间的线性与非线性的关系；

14、所述模型优化与验证单元通过使用递归特征消除rfe识别对模型预测性能影响的变量，并剔除不相关和冗余的变量，从而简化模型、提高模型的解释性和预测准确性，再使用k折交叉验证将模具加工数据分为k个子集，每次用其中一个子集进行验证，剩余的k-1个子集用于训练，重复k次，获取结果为k次验证的平均值，同时使用网格搜索通过遍历所有超参数组合，选择使模型性能优化的组合，再对机器学习模型优化后，需要对机器学习模型进行验证，评估机器学习模型性能并确保其适用于实际应用。

15、优选的，所述加工分析算法模块包括模具温度分析算法单元、材料变化算法单元、结晶算法单元和综合分析算法单元；

16、所述温度分析算法单元用于构建模具温度分布分析公式，并依据预处理后模具加工数据集中的热导率km和模具表面粗糙度ra，进行分析计算获取温度分布t(x，y，z)；

17、所述温度分布t(x，y，z)通过以下模具温度分布分析公式计算获取；

18、

19、式中，t0表示初始温度，表示模具在没有任何热源时的温度，通过红外温度计直接测量获取，q表示热源强度，表示加热器或冷却系统提供的热量强度，通过计算注塑机在单位时间内提供的热功率来确定，x，y和z分别横轴、纵轴和竖轴，表示模具在三维空间中的坐标，这些坐标通常与模具的几何形状和具体的空间位置相关，模具表面粗糙度ra影响模具表面热传导效率，从而影响模具温度分布，热导率km决定模具材料的热传导能力，影响模具内部温度梯度，exp表示指数函数，用来描述温度分布的衰减特性。

20、优选的，所述材料变化算法单元用于构建塑料材料变化分析公式，并依据预处理后模具加工数据集中的塑料材料膨胀系数ap，进行分析计算获取塑料材料变化率bh；

21、所述塑料材料变化率bh通过以下塑料材料变化分析公式进行计算获取；

22、

23、式中，v0表示塑料的初始体积，塑料材料膨胀系数ap表示材料在温度变化时体积膨胀的程度，△t表示温度变化，表示材料温度相对于初始温度t0的变化值，βm表示体积变化率系数，表示材料体积随温度变化率的变化，d表示积分变量，dt表示单位时间t内的变量，t表示温度，由热电偶与红外温度计进行测量获取，表示变化率，表示单位时间t内的温度t的变化。

24、优选的，所述结晶算法单元用于构建结晶关系分析公式，并依据预处理后模具加工数据集中的剪切速率jq，进行分析计算获取结晶速率jj；

25、所述结晶速率jj通过以下结晶关系分析公式计算获取；

26、

27、式中，k1表示速率常数，表示在无剪切速率作用下的结晶速率，ea表示活化能，表示结晶过程中需要克服的能量障碍，r表示气体常数，jq0表示基准剪切速率，n表示剪切速率指数，表示材料对剪切速率的敏感程度，exp表示指数函数。

28、优选的，所述综合分析算法单元用于将所获取的温度分布t(x，y，z)、塑料材料变化率bh和结晶速率jj，进行相关联汇总计算获取综合加工数据jg，分析当前注塑机加工质量；

29、所述综合加工数据jg通过以下算法公式计算获取；

30、

31、式中，v是体积积分，覆盖整个三维空间，s表示系统的整体性能。

32、优选的，所述人机交互模块用于使用qtdesigner界面设计工具设计初步界面，并定义界面布局和各个控件的位置和功能，使用pyqt和pygobject库实现数据输入、优化计算和结果展示功能，再通过matplotlib和d3.js将图形嵌入到gui中使数据图形化展示，实现动态交互。

33、优选的，所述能分析评估模块包括质量评估单元和优化算法单元；

34、所述质量评估单元用于基于注塑模具加工质量的均值进行预设第一加工质量阈值y1和第二加工质量阈值y2，再与所获取的综合加工数据jg进行对比评估，分析当前模具加工质量情况，具体评估方案如下；

35、当综合加工数据jg＞第一加工质量阈值y1时，表示当前注塑机的加工质量异常，此时则进一步进行执行优化算法进行参数优化；

36、当第二加工质量阈值y2≤综合加工数据jg≤第一加工质量阈值y1时，此时表示注塑机加工质量正常；

37、当综合加工数据jg＜第二加工质量阈值y2时，此时表示注塑机加工质量异常此时则进一步进行执行优化算法进行参数优化；

38、所述优化算法单元用于构建综合优化公式，将所获取的温度分布t(x，y，z)、塑料材料变化率bh和结晶速率jj代入算法公式中，进行计算获取综合优化系数yh对注塑机进行优化，通过迭代计算，找到使优化目标最小化的最佳工艺参数组合，并根据计算结果，通过交互界面输入参数进行调整优化；

39、所述综合优化系数yh通过以下算法公式获取；

40、

41、式中，α、β和γ分别表示温度优化、体积变化控制和结晶速率控制的权重系数，ttarget表示设计时设定的目标温度，bhtarget表示目标体积变化量，jjtarget表示设计时设定的目标结晶速率jj；

42、α·∫vt(x,y,z)-ttargetdv用于优化模具内部的温度分布，使加工温度接近目标温度ttarget，通过最小化温度分布的误差来保证模具的加热均匀性，从而改善注塑成品的质量和性能；

43、β·bh-bhtarget|用于控制塑料在注塑过程中体积的变化，使控制后接近设计目标体积vtarget，通过最小化体积变化误差来确保成品的尺寸和质量符合设计规格，从而提高生产的一致性和精度；

44、γ·|jj-jjtarget|用于调整塑料的结晶速率jj，使其接近目标结晶速率jjtarget，通过最小化结晶速率误差来控制塑料的结晶过程，从而优化材料的性能和成品的结构稳定性。

45、注塑模具人机交互智能设计优化方法，包括以下步骤：

46、s1、首先在注塑机周围安装传感器组，实时采集模具在注塑过程中的模具加工数据，并对采集到的模具加工数据进行预处理，获取模具加工数据集；

47、s2、利用采集到的模具加工数据集、历史数据和实验数据，并将划分为训练集、验证集和测试集，建立模具加工数据与成品质量之间的回归分析模型与机器学习模型；

48、s3、构建模具温度分布分析公式、塑料材料变化分析公式和结晶关系分析公式，并将所采集到的模具加工数据集载入，进行分别计算获取温度分布t(x，y，z)、塑料材料变化率bh和结晶速率jj，并进行相关联汇总生产综合加工数据jg；

49、s4、使用开发工具，构建出可视化界面，并定义界面布局和各个控件的位置和功能，实现数据输入、优化计算和结果展示功能，将数据图形化展示实现动态交互，查看优化结果并输入参数进行优化调整；

50、s5、最后预设第一加工质量阈值y1和第二加工质量阈值y2与所获取的综合加工数据jg，进行对比评估分析当前注塑模具的质量情况，当识别到异常时，则进一步地构建综合优化公式，进行计算获取综合优化系数yh对注塑机进行优化。

51、本发明提供了注塑模具人机交互智能设计优化方法及系统。具备以下有益效果：

52、(1)该系统通过在注塑机周围安装传感器组，能够实时采集包括模具表面粗糙度ra、热导率km、塑料材料膨胀系数ap和剪切速率jq在内的模具加工数据。这些传感器数据经过卡尔曼滤波器和平滑处理，结合小波变换去除高频噪声，并进行归一化处理，确保了数据的高精度和可靠性。通过这些精准的数据采集与处理，系统为后续的加工质量分析和优化提供了坚实的基础，通过高精度的数据采集和处理技术，系统能够提供准确的模具加工数据集，确保了后续分析和建模过程中的数据质量，从而为成品质量的提升和生产效率的提高奠定了基础。

53、(2)该系统通过利用回归分析模型和机器学习模型，结合训练集、验证集和测试集对模具加工数据与成品质量之间的关系进行深入分析。通过建立多元线性回归模型来识别模具加工数据与成品质量之间的线性关系，并采用支持向量机svm和神经网络nn模型来捕捉复杂的非线性关系，系统能够全面评估模具加工数据对成品质量的影响，通过引入多层次的分析模型，包括回归分析和机器学习模型，系统能够从多角度进行加工质量的预测与优化，提供了更为准确和可靠的分析工具，提升了模型的预测能力和优化效果。

54、(3)该系统通过智能分析评估模块预设了第一加工质量阈值y1和第二加工质量阈值y2，与获取的综合加工数据jg进行对比评估。系统能够实时分析当前注塑模具的加工质量情况，一旦识别到异常，即触发综合优化公式的计算，获取综合优化系数yh，以指导注塑机进行参数调整和优化。综合优化公式通过考虑温度分布t(x，y，z)、塑料材料变化率bh和结晶速率jj等因素，通过迭代计算找到最佳工艺参数组合，最大程度地提高了模具加工过程的效率和质量。