[发明专利]一种通过SVR模型对片状塑料模成型工艺的优化方法

说明书

本发明保护一种通过SVR模型对片状塑料模成型工艺的优化方法，涉及塑料模成型工艺技术领域，具体通过选择SVR模型作为学习器，训练了两个不同的SVR模型，用以建立工艺参数以及测试试样位置与冲击弯曲强度之间的映射关系，在合适的模型参数下，模型具有较好的预测精度，以该模型为基础间接地建立工艺参数与制件平均强度间的函数关系，并将其作为NSGA‑Ⅱ算法的优化目标函数，对其进行寻优找到了使得制件冲击弯曲强度最大的的工艺参数组，实现了工艺参数优化，制件的弯曲强度与冲击强度均有了较大的提升。

技术领域

本发明涉及塑料模成型工艺技术领域，具体是涉及一种基于 NSGA-Ⅱ通过SVR模型对片状塑料模成型工艺的优化方法。

背景技术

近年来，汽车制造领域产生了迫切的结构轻量化需求。研究表明，汽车重量每降低1％，油耗可降低0.7％，应用玻璃纤维增强复合材料制件替代金属结构件是汽车结构轻量化的一个理想选择。与碳纤维复合材料相比，玻璃纤维增强复合材料力学强度虽然有所不及，但在制造成本上具有显著优势。另外与金属材料相比，具有比强度高、膨胀系数小、耐腐蚀以及抗老化等一系列优点。

玻璃纤维增强聚酯基片状模塑料是一类典型的热固性预浸料，成型时只需切割一定重量并以合适方式铺叠于型腔表面后即可在一定温度和压力下充型并固化成型，具有价格便宜、成型方便的特点，目前多被应用于汽车、电器以及建筑等领域。模压成型、真空袋压力成型和热压罐成型是GFRPCs预浸料的三种主要成型工艺，其中模压成型制品具备较高尺寸精度和表面质量，可以很好地满足汽车部件的成型需求。

模压成型工艺的关键是在确保制品外形轮廓状尺寸及表面质量的前提下，使得增强材料分散均匀且与基体材料良好结合。影响 GFRPCs片状模塑料模压成型制品力学性能的因素包括制品密实度、固化程度以及内部残余应力等，这些因素直接与成型工艺中的预热温度、模压压力、模压时间、模压温度等工艺参数相关。因此，如何通过数值仿真、实际实验和优化算法分析，开展GFRPCs片状模塑料模压成型工艺参数的优化，是本领域亟待解决的。

发明内容

一、要解决的技术问题

本发明是针对现有技术所存在的上述缺陷，特提出一种通过SVR 模型对片状塑料模成型工艺的优化方法，解决了现有片状塑料模成型工艺的优化难度大的问题。

二、技术方案

为解决上述技术问题，本发明提供一种通过SVR模型对片状塑料模成型工艺的优化方法，通过SVR模型对片状塑料模成型工艺的优化方法包括如下步骤：

S1：选取在相同待优化工艺参数下将生产的平板形制件两件，分别记为A型板和B型板，然后调整待优化工艺参数生产n组A型板和B型板，将A1、B1记为第1组，A2、B2记为第2组……An、Bn 记为第n组；

待优化工艺参数包括模压成型生产工艺流程中的一段模压压力 F1及对应的一段模压时间t1，二段模压压力F2及对应的二段模压时间t2，三段模压压力F3及对应的三段模压时间t3；

在A型板和B型板上选取若干位置点将其各切割为m份试样，记为A(n-m)与B(n-m)，其中，A型板用于冲击性能测试，B型板用于弯曲性能测试；

试样A(n-m)测试的冲击强度为FL(n-m)；

试样B(n-m)测试的弯曲强度为FL(n-m)；

S2：将S1重复k次，弯曲强度测试结果与冲击强度测试结果作为两个SVR模型的数据集，记为Df、Di，即Df、Di中的样本数量均为n*m*k；

S3：利用Df数据集以弯曲强度作为输出标记信息训练SVR模型，记为ModelFL；

利用Di数据集以冲击强度作为输出标记信息分别训练SVR模型，记为ModelIP；