·624· 北京科技大学学报 第33卷 43.682W.(mK)-1 1PM智能化控制原理 12 本文所采用的PIM智能化控制原理如图1所 示，它由四个基本要素构成因 R5 72 料 注射成形机 浇口 监测系统 计算机 (识别、预测、控制) (优化工艺) 图2模拟计算中所采用的拉伸样模型 Fig.2 Tensile sample used in analog computation 知识库 数据库 坯体 过程参数与原始参数有十分紧密的联系.原始 图1PM智能化控制原理 参数对过程参数有决定性影响；反过来，过程参数是 Fig.1 Principle of the intelligent control of PIM 原始参数的直接反映.因此，在PIM的智能化控制 (1)实时监测：采用有效的测试手段（传感器 过程中，可以通过对过程参数的监测与识别判断，然 等)，在线实时监测能够反映坯体特征的宏观热力 后决定原始参数的设定.拉伸样中面之中线L上各 学参数和几何参数（温度、压力和尺寸精度等）. 点（如图3）的充填过程是整个注射过程最具代表性 (2)在线识别：控制系统的识别软件对在线监 也是最直接的反映.所以本文选取中线L上均匀分 布的11个点（图3）的温度和密度为过程参数，选取 测所获得的坯体的特征信息（密度、缺陷等）进行分 注射温度和注射体积流率为原始参数 析处理，结合知识库和数据库的己有信息，在线识别 坯体的材料性能参数 (3)在线预测：根据在线识别所获得的材料性 能参数，通过计算或与知识库和数据库中己知的信 (a) 息比较来预测当前的坯体能否顺利进行成形，并给 出最佳的注射成形工艺参数. 。王 ) (4)实时控制：根据在线识别和在线预测所得 图3L位置示意图.()正视图：(b)侧视图 结果，按系统给出的最佳工艺参数自动完成注射成 Fig.3 Position of L:(a)front view:(b)side view 形过程. 本文以简单拉伸样模型为例，采用计算机模拟 3原始参数控制 数据来对其注射过程的智能化控制进行仿真.实验 3.1控制原理 过程主要分为三个步骤：过程参数采集、原始参数控 注射坯的密度分布是注射坯质量好坏的最佳反 制以及原始参数控制效果检测.在这里需要对“原 映，并且直接关系到烧结后成品的质量.注射坯密 始参数”和“过程参数”两个术语进行定义.原始参 度分布越均匀，并且与理论密度相差越小，则注射效 数是指在注射成形机上设定的各个注射参数；过程 果越好.经模拟计算发现，当原始参数（注射温度， 参数是指注射过程中在模腔内部采集到的与注射熔 K;注射体积流率，cm3·s-1)选为(420,60)时，中线 体有关的各个物理及性能参数 L上密度分布较为均匀，因此本文把(420,60)这组 2过程参数采集 参数选为标准原始参数，将这组参数下注射坯的密 度分布选为预期密度分布.当任意输入一组原始参 本文采用大型流体有限元分析软件ANSYS 数进行注射时，通过对过程参数（温度、密度）的监 CFX,应用双流体模型对如图2所示的拉伸样模 测，由人工神经网络(artificial neural network,ANN) 型进行注射过程三维模拟计算.所采用的注射喂料 进行识别后给出原始参数的调整值.本文所用的 由53%的不锈钢粉末与47%黏结剂（均为体积分 ANN模型由输入层、一个隐含层和输出层构成 数)组成.喂料的物理性能参数及其流变参数为：黏 (图4).由于L上有11个点，每个点的温度(t)和 度m=0.34Pas,喂料密度p=4604.3kgm3,比 密度(p)都要作为输入量，故输入层共有22个输入 热容c=1043.27J·（kg·K)-1,热导率入= 单元.输出层有2个单元，分别是注射温度和注射北 京 科 技 大 学 学 报 第 33 卷 1 PIM 智能化控制原理 本文所采用的 PIM 智能化控制原理如图 1 所 示，它由四个基本要素构成［5］． 图 1 PIM 智能化控制原理 Fig． 1 Principle of the intelligent control of PIM ( 1) 实时监测: 采用有效的测试手段( 传感器 等) ，在线实时监测能够反映坯体特征的宏观热力 学参数和几何参数( 温度、压力和尺寸精度等) ． ( 2) 在线识别: 控制系统的识别软件对在线监 测所获得的坯体的特征信息( 密度、缺陷等) 进行分 析处理，结合知识库和数据库的已有信息，在线识别 坯体的材料性能参数． ( 3) 在线预测: 根据在线识别所获得的材料性 能参数，通过计算或与知识库和数据库中已知的信 息比较来预测当前的坯体能否顺利进行成形，并给 出最佳的注射成形工艺参数． ( 4) 实时控制: 根据在线识别和在线预测所得 结果，按系统给出的最佳工艺参数自动完成注射成 形过程． 本文以简单拉伸样模型为例，采用计算机模拟 数据来对其注射过程的智能化控制进行仿真． 实验 过程主要分为三个步骤: 过程参数采集、原始参数控 制以及原始参数控制效果检测． 在这里需要对“原 始参数”和“过程参数”两个术语进行定义． 原始参 数是指在注射成形机上设定的各个注射参数; 过程 参数是指注射过程中在模腔内部采集到的与注射熔 体有关的各个物理及性能参数． 2 过程参数采集 本文采 用 大 型 流 体 有 限 元 分 析 软 件 ANSYS CFX，应用双流体模型［6］对如图 2 所示的拉伸样模 型进行注射过程三维模拟计算． 所采用的注射喂料 由 53% 的不锈钢粉末与 47% 黏结剂( 均为体积分 数) 组成． 喂料的物理性能参数及其流变参数为: 黏 度 m0 = 0. 34 Pa·s，喂料密度 ρ = 4 604. 3 kg·m － 3 ，比 热 容 c = 1 043. 27 J·( kg·K ) － 1 ，热 导 率 λ = 43. 682 W·( m·K) － 1 ． 图 2 模拟计算中所采用的拉伸样模型 Fig． 2 Tensile sample used in analog computation 过程参数与原始参数有十分紧密的联系． 原始 参数对过程参数有决定性影响; 反过来，过程参数是 原始参数的直接反映． 因此，在 PIM 的智能化控制 过程中，可以通过对过程参数的监测与识别判断，然 后决定原始参数的设定． 拉伸样中面之中线 L 上各 点( 如图 3) 的充填过程是整个注射过程最具代表性 也是最直接的反映． 所以本文选取中线 L 上均匀分 布的 11 个点( 图 3) 的温度和密度为过程参数，选取 注射温度和注射体积流率为原始参数． 图 3 L 位置示意图． ( a) 正视图; ( b) 侧视图 Fig． 3 Position of L: ( a) front view; ( b) side view 3 原始参数控制 3. 1 控制原理 注射坯的密度分布是注射坯质量好坏的最佳反 映，并且直接关系到烧结后成品的质量． 注射坯密 度分布越均匀，并且与理论密度相差越小，则注射效 果越好． 经模拟计算发现，当原始参数( 注射温度， K; 注射体积流率，cm3 ·s － 1 ) 选为( 420，60) 时，中线 L 上密度分布较为均匀，因此本文把( 420，60) 这组 参数选为标准原始参数，将这组参数下注射坯的密 度分布选为预期密度分布． 当任意输入一组原始参 数进行注射时，通过对过程参数( 温度、密度) 的监 测，由人工神经网络( artificial neural network，ANN) 进行识别后给出原始参数的调整值． 本文所用的 ANN 模 型 由 输 入 层、一个隐含层和输出层构成 ( 图 4) ． 由于 L 上有 11 个点，每个点的温度( t) 和 密度( ρ) 都要作为输入量，故输入层共有 22 个输入 单元． 输出层有 2 个单元，分别是注射温度和注射 ·624·