| 1优化组合遗传算法 在注射成型领域，MPI以其强大的分析功能、可视化功能和项目管理功能而著称。但是与其它CAE软件相类似，在利用该软件对注塑产品进行成型工艺分析时，同样存在只能给出工艺参数的可行性范围，而对于最佳工艺方案的设计，还需要人工的干预等缺陷。尽管目前的MPI系列产品提供了基于Taguchi正交试验法和Factorial试验设计相结合的DOE（DesignofExperental）分析模块，能够以最小数量的试验完成所有的试验参数在不同的试验水平上组合的全部试验，为制件的注射成型提供最佳成型工艺参数；但由于在进行Taguchi试验时，仅仅是将各试验参数作为独立变量来考虑，并没有涉及各参数之间可能存在的相互影响，因而可能存在寻优结果与实际不相符的情况；而且对于具体的分析案例而言，DOE分析试验因子的确定将会有所不同，但该系统在这方面功能还很有限。因而有必要深入研究开发其它优化理论在该领域的具体运用。 111遗传算法 遗传算法（GA）是一种借鉴生物界自然选择和自然遗传机制的高度并行、随机、自适应搜索算法。 该算法具有隐含并行性和对全局信息的有效利用能力两大显著特点，因而非常适用于处理注射成型过程工艺参数优化等这类传统优化方法解决不了的非线性复杂问题，而且优化问题的处理也变得简单、高效。 遗传算法的算法流程主要包括以下几个步骤：（1）染色体编码技术遗传算法的染色体编码技术主要有实数编码和位串编码技术两种，通常情况下采用的位串编码技术有二进制编码和Gray编码，两种编码技术的差别主要体现在局部寻优搜索效率上，Gray编码局部搜索效率远高于二进制编码，且其全局搜索的性能也不差。 （2）优化目标和目标函数的确定对于薄壁产品而言，翘曲变形往往是影响最终质量的关键因素，故而确定翘曲变形最小为优化目标。 各参数取值范围可以根据塑料原材料性能参数或CAE系统推荐值确定。描述如下：设计变量：X=[s1，s2，……]目标函数：Min：f（X）=f（s1，s2，……）式中，s1，s2表示影响制件成型质量的主要工艺参数，f（X）表示翘曲变形量。 （3）适应度函数的确定根据所求的是目标函数最小化这一特点，适应度函数设为：fit（f（X））=K-f（X）式中，K为一个能保证适应度函数值为正的充分大的常数。 （4）群体选择遗传算法种群规模的选取是影响算法最终结果及寻优效率的重要因素。较大的种群规模使最优个体具有较高的复制数目，从而使算法收敛较快，但容易出现过早收敛现象；较小的种群规模虽然可以使群体保持足够的多样性，从而增大算法收敛于全局最优解的概率，但算法收敛较慢。一般来说，为保证获得全局最优解，初始群体规模通常在20～100之间。 （5）遗传算子及终止准则遗传算法的基本操作算子有选择、杂交、变异三种。而算法的终止准则主要有两种：设定界限法和最大代数终止准则。本文采用后者来判断算法的终止条件。 112优化组合遗传算子 利用遗传算法处理薄壁件注射成型工艺参数优化问题时，全局搜索和局部搜索之间的矛盾以及局部搜索能力的不足等是经常出现的问题，出现这些问题的原因一方面是未将全局和局部搜索合理的结合应用；另一方面，即使采用模拟退火算法或其它优化算法等也不能很好地改善遗传算法的局部寻优性能。对于这一问题的解决，本文将在传统算法的基础上，对遗传算子的操作做特殊处理，利用传统算法中某些算子具有良好的局部搜索功能，结合全局搜索，可以较快的达到寻优目的。具体思路是：在进行遗传操作时，采用全局搜索算子和局部搜索算子相结合的搜索策略，全局搜索算子为高变异率和低杂交率的均匀杂交法，局部搜索算子为低变异率和高杂交率的分基因单点杂交法，并且采用每代优化；因为在对注射成型工艺参数进行寻优之前不知道其精确解，可以采取迭代到一定次数或者说经历了一定数目的“代”之后退出算法。 （1）选择策略的确定采用锦标赛选择策略能避免超级个体的影响，在一定程度上可以避免过早收敛和停滞现象的发生，但锦标赛选择的缺点是不利于局部寻优，为此，需要通过改进措施（即将前代的最好个体替代本代的最差个体）来提高局部寻优效率。 （2）杂交方式的优化设计采用Gray编码技术可使用的杂交算子主要有点式杂交和均匀杂交。比较二者的优缺点，在进行全局搜索时，宜选用均匀杂交法，杂交概率一般取0140～0160之间；而对于局部搜索最好选用分变量（基因）点式杂交法，杂交概率取0160～0180为好。 （3）变异方式的优化设计采用Gray编码技术使用变异方式较简单，优化效率主要体现在变异概率参数的设置上，一般来说，全局搜索时应该设较大值，取0103～011之间；而局部搜索时则应设较小值，一般为01005～0102. 113算法流程 以Matlab语言编程实现，算法描述如下：开始随机产生初始参数；种群初始化：P（0），t=0；选择P（0）中最好适应度染色体； 2研究实例 本文以某产品手机外壳为例，平均壁厚115mm.产品CAD模型所示，在MPI510软件平台上划分、编辑过的CAE网格模型。材料为美国GE公司生产的ABS/PC树脂（CycoloyC2950），主要性能参数：熔体密度01977g/cm3，固体密度11116g/cm3，弹性模量2780MPa，泊松比0141，热传导率0127W/m℃，推荐熔体温度范围255～295℃，推荐模具温度范围60～80℃，顶出温度113℃。 根据CAE分析确定最佳浇口位置及浇注系统，采取系统默认的成型工艺条件进行填充、保压及翘曲分析，结果所示，总体最大翘曲变形量为014893mm，在两端部。分析得知：对产品翘曲变形影响较大的工艺参数主要有模具温度、熔体温度、保压压力、保压时间和冷却时间等，可选取（这些参数）作为优化组合遗传算法的优化参数。 在系统默认的成型工艺参数条件下对产品进行DOE分析，并在此基础上进行翘曲变形分析。可以看出，该算法运行得到的最优参数和翘曲变形量，与MPI510系统基于DOE分析所得的优化结果非常接近，各参数相对误差都比较小，分别仅为4176、0140、1137、0132、5128和1120.说明该算法在塑料薄壁件注射成型工艺参数的快速预测方面是切实可行的。 3结束语 本文以手机外壳为例，根据CAE分析结果，对影响塑料薄壁件成型质量的主要工艺参数（翘曲变形）进行预测，并经MPI510软件系统在DOE分析的基础上，对制件进行翘曲分析，验证了该算法的可行性，为塑料橡胶薄壁件成型工艺优化提出了一条新思路。 |
