English
Quality analysis and prediction for multi-phase multi-mode injection molding processes
文件大小：
284k
资源说明：### 多相多模式注塑过程的质量分析与预测
#### 引言
在现代工业生产中，批处理作为一类重要的生产方式被广泛应用。为了确保在批处理过程中制造更高附加值的产品，操作安全性和产品品质的一致性成为了研究的重点[1-2]。在此背景下，基于数据的多元统计方法被提出用于解决批处理过程中的复杂问题。例如，多维主成分分析（MPCA）[3]和多维偏最小二乘法（MPLS）分析[4]等方法能够有效处理批处理过程中出现的三维数据结构这一显著特征。
#### 多相特性
多相性是批处理过程的另一大显著特征。自1990年代以来，针对批处理过程的监控及质量分析，大量工作已经集中在如何利用其多相特性[5-7]。这些研究的基本思路是：根据各阶段内部变量间相似的关联性以及不同阶段间的差异性，建立不同的统计模型来捕捉各阶段的不同特征。此外，为了使这些方法更具适用性，一些扩展研究也被提出，如相邻阶段之间的转换[8]和非均匀时长问题[9]。
然而，在基于相的PLS方法中，每个阶段都单独建立了过程变量与最终产品质量变量之间的回归模型，这导致了这些个体模型之间缺乏联系。这种策略存在争议，因为它违背了多个阶段共同贡献于最终质量的本质。因此，近年来提出了一个递归质量回归方法[10]，该方法为多相批处理过程设计，其中当前阶段的回归模型是基于前一阶段的质量残差建立的。
#### 国家自然科学基金支持
本项工作部分由国家自然科学基金资助（编号61503069、61533007），中央高校基础研究基金（编号N150404020）以及流程工业综合自动化国家重点实验室基础研究基金（2013ZCX02-04）支持。
#### 模型建立
在递归质量回归方法中，考虑到前一阶段对后续阶段的影响，模型建立时需要将这些影响因素纳入考虑范围。具体而言：
- **识别阶段特征**：首先需要明确批处理过程中的各个阶段及其特征。
- **数据收集与预处理**：收集所有相关阶段的数据，并进行必要的预处理，如缺失值填充、异常值检测等。
- **建立阶段模型**：对于每一个阶段，基于上一阶段的质量残差建立回归模型。
- **质量预测**：通过逐步应用各个阶段的模型，最终可以预测整个批处理过程的最终产品质量。
#### 研究意义
该研究不仅解决了传统方法中存在的模型孤立问题，而且通过引入递归思想，更准确地反映了多相批处理过程中各阶段间的相互作用机制。这种方法为提高注塑过程及其他类似多相批处理过程的产品质量提供了一种有效的途径。
#### 结论
通过对多相多模式注塑过程的研究，结合递归质量回归方法，我们能够更好地理解和控制批处理过程中的质量变化。这种方法不仅可以应用于注塑过程，还可以推广到其他类型的多相批处理过程，具有广泛的应用前景。未来的研究将进一步探索更多优化模型的方法，以及如何将这种方法应用于实际工业生产环境中。
本源码包内暂不包含可直接显示的源代码文件，请下载源码包。
