薛茂遠(yuǎn)，梅益，唐芳艷，肖展開，羅寧康

(貴州大學(xué)機(jī)械工程學(xué)院，貴陽(yáng) 550025)

塑料制件在如今生活生產(chǎn)中的應(yīng)用十分廣泛，例如家用電器外殼、管材管件、建筑工程領(lǐng)域等。塑件質(zhì)量近年來(lái)要求越來(lái)越高，在外觀、使用性能等方面提出了新的要求。翹曲變形及體積收縮是注塑過(guò)程中常見的缺陷，翹曲變形量及體積收縮率過(guò)大會(huì)導(dǎo)致塑件質(zhì)量下降[1-3]。

影響翹曲變形量及體積收縮率的因素有很多，其中注塑工藝參數(shù)的選擇對(duì)塑件的質(zhì)量有很大影響。翹曲變形主要指塑件形狀偏離模具型腔的形狀，會(huì)對(duì)塑件的尺寸精度及力學(xué)性能有一定影響。翹曲變形的塑件在脫模后內(nèi)部存在殘余應(yīng)力，可能導(dǎo)致塑件不能完全正常裝配使用。體積收縮率是指塑件在成型溫度下尺寸與從模具中取出冷卻至室溫后尺寸之差的百分比。它反映的是塑件從模具中取出冷卻后尺寸縮減的程度[4-6]。許多學(xué)者對(duì)降低塑件翹曲變形量及體積收縮率進(jìn)行了大量研究，最常見采用正交實(shí)驗(yàn)優(yōu)化注塑工藝參數(shù)，可在一定程度上降低體積收縮率及翹曲變形量[7]。還有使用智能算法對(duì)工藝參數(shù)進(jìn)行研究尋找較佳工藝搭配[8]。為了便于相關(guān)工藝人員對(duì)翹曲變形量及體積收縮率進(jìn)行預(yù)測(cè)，在此領(lǐng)域最常見的預(yù)測(cè)算法有BP神經(jīng)網(wǎng)絡(luò)、灰色關(guān)聯(lián)分析等。灰色關(guān)聯(lián)分析隸屬于灰色系統(tǒng)，可用于分析多個(gè)變量因素對(duì)質(zhì)量指標(biāo)的影響程度及質(zhì)量指標(biāo)之間的關(guān)聯(lián)程度，灰色關(guān)聯(lián)分析法擁有定性與定量分析結(jié)果基本無(wú)差異特點(diǎn)，可以彌補(bǔ)回歸分析、方差分析、極差分析等分析方法的不足，常用于多目標(biāo)優(yōu)化。筆者利用灰色關(guān)聯(lián)分析法與極差分析尋找6個(gè)注塑工藝參數(shù)對(duì)電器活動(dòng)上蓋塑件綜合目標(biāo)(翹曲變形量及體積收縮率同時(shí)較小)的影響程度，同時(shí)得到最優(yōu)工藝參數(shù)組合，從而使翹曲變形量及體積收縮率在一定程度上盡量降低。同時(shí)，在優(yōu)化工藝參數(shù)后建立了粒子群優(yōu)化算法(PSO)-支持向量機(jī)(SVM)神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)系統(tǒng)，該預(yù)測(cè)系統(tǒng)能直觀反映不同工藝下的翹曲變形量及體積收縮率，可以檢測(cè)優(yōu)化工藝對(duì)應(yīng)的翹曲變形量及體積收縮率，減少反復(fù)試模次數(shù)，降低工作強(qiáng)度。由于工藝參數(shù)對(duì)質(zhì)量指標(biāo)的影響為非線性、強(qiáng)耦合及變性較大，很難準(zhǔn)確確定工藝參數(shù)，采用PSO-SVM預(yù)測(cè)模型可在塑件注塑工藝優(yōu)化之前對(duì)其質(zhì)量指標(biāo)進(jìn)行預(yù)測(cè)，考察當(dāng)前工藝下的質(zhì)量指標(biāo)是否滿足使用性能及外觀要求：如果滿足，可以不用再進(jìn)行多余工藝優(yōu)化，降低工作強(qiáng)度及成本；若不滿足，則再進(jìn)行工藝優(yōu)化。最終使用PSO-SVM神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)系統(tǒng)對(duì)塑件的翹曲變形量及體積收縮率進(jìn)行預(yù)測(cè)，預(yù)測(cè)效果較好，可以為相關(guān)工藝人員后續(xù)進(jìn)一步協(xié)同優(yōu)化塑件注塑工藝提供一定理論指導(dǎo)。

1 塑件結(jié)構(gòu)和工藝性分析

1.1 電器活動(dòng)上蓋結(jié)構(gòu)

圖1為電器活動(dòng)上蓋結(jié)構(gòu)圖。電器活動(dòng)上蓋的尺寸為94.5 mm×67 mm×25.3 mm。該塑件外部存在較大圓弧區(qū)域，且內(nèi)部區(qū)域形狀較為復(fù)雜。由軟件NX12.0的壁厚分析得到該塑件的最大壁厚為3.6 mm，平均壁厚為1.83 mm。

按：段注：“各本無(wú)‘裳下緝’三字。今依《韻會(huì)》補(bǔ)。……《論語(yǔ)·鄉(xiāng)黨》孔注曰：衣下曰齊?！薄蹲謪R·齊部》：“裳下縫也?！?/p>

圖1 電器活動(dòng)上蓋結(jié)構(gòu)

1.2 電器活動(dòng)上蓋工藝性分析

電器活動(dòng)上蓋需要時(shí)常打開或關(guān)閉，對(duì)耐磨性、強(qiáng)度、光滑性、變形等方面有一定的要求。特別是在變形方向需加以控制，若產(chǎn)生較大變形，可能導(dǎo)致上蓋與下蓋不能完全閉合，不僅會(huì)造成電器使用壽命的降低，還會(huì)對(duì)人身安全產(chǎn)生不利影響。此塑件為薄壁制件，塑件外部存在的較大圓弧區(qū)域和內(nèi)部形狀較為復(fù)雜的區(qū)域在注塑過(guò)程中容易發(fā)生翹曲變形及體積收縮，需對(duì)翹曲變形量及體積收縮率進(jìn)行控制。塑件材料選用丙烯腈-丁二烯-苯乙烯塑料(ABS)，ABS塑件的強(qiáng)度、光潔性及耐磨性等方面性能較優(yōu)，能夠滿足電器活動(dòng)上殼的使用環(huán)境需求。

SVM類似于徑向基函數(shù)網(wǎng)絡(luò)與多層感知器網(wǎng)絡(luò)，可用于模式分類及非線性回歸擬合。SVM大致思想是構(gòu)建一個(gè)分類超平面作為決策平面，最大化正例與反例兩者之間的隔離邊緣。SVM建模是根據(jù)結(jié)構(gòu)風(fēng)險(xiǎn)最小化原理進(jìn)行的。SVM具有結(jié)構(gòu)簡(jiǎn)單、魯棒性好、泛化能力強(qiáng)、不易出現(xiàn)局部最小等優(yōu)點(diǎn)。基本過(guò)程為：假設(shè)訓(xùn)練樣本，創(chuàng)建輸入變量x的映射函數(shù)F(x)，根據(jù)高維數(shù)特征空間的相關(guān)知識(shí)，使用函數(shù)f(x)=wF(x)+b數(shù)據(jù)樣本進(jìn)行擬合，利用核函數(shù)式檢測(cè)非線性回歸擬合的效果[14-15]，目標(biāo)函數(shù)如式(8)所示。

1.3 CAE 網(wǎng)格劃分與處理

利用灰色關(guān)聯(lián)分析方法得到的最優(yōu)參數(shù)組合(A1B1C5D5E1F1)在Moldflow中進(jìn)行模擬。圖3為正交實(shí)驗(yàn)水平下最小翹曲變形量與最小體積收縮率，圖4為該塑件灰色關(guān)聯(lián)分析得到的最優(yōu)參數(shù)組合對(duì)應(yīng)的總翹曲變形量與體積收縮率。由圖3和圖4可以看到灰色關(guān)聯(lián)分析優(yōu)化后的翹曲變形量相對(duì)于正交實(shí)驗(yàn)水平下最小翹曲變形量降低了11.8%，體積收縮率相對(duì)于正交實(shí)驗(yàn)水平下最小體積收縮率降低了5.9%?；疑P(guān)聯(lián)分析總體優(yōu)化效果較好，可用于該塑件翹曲變形量的優(yōu)化。

2 正交實(shí)驗(yàn)設(shè)計(jì)與灰色關(guān)聯(lián)分析

2.1 正交實(shí)驗(yàn)因素水平設(shè)計(jì)

注塑工藝參數(shù)對(duì)翹曲變形量及體積收縮率的影響較為復(fù)雜，選取模具溫度(A)、熔體溫度(B)、保壓壓力(C)、保壓時(shí)間(D)、注塑時(shí)間(E)、冷卻時(shí)間(F)為因素，翹曲變形量及體積收縮率為目標(biāo)。A，B及E推薦值可由Moldflow成型窗口分析得到，根據(jù)推薦值選取合適的變量范圍。通過(guò)查閱相關(guān)文獻(xiàn)以及相關(guān)知識(shí)和經(jīng)驗(yàn)，選定C，D，F(xiàn)的范圍[9]，設(shè)計(jì)了六因素五水平的正交實(shí)驗(yàn)因素水平表，見表1。對(duì)塑件進(jìn)行仿真分析得到表2的正交實(shí)驗(yàn)結(jié)果，可以看到正交實(shí)驗(yàn)條件下最小翹曲變形量為第5#組的0.249 7 mm，最小體積收縮率為第1#組的8.431%。

表1 正交實(shí)驗(yàn)因素水平表

由于每組正交實(shí)驗(yàn)的多次重復(fù)實(shí)驗(yàn)結(jié)果有所變化，需對(duì)每組的翹曲變形量和體積收縮率進(jìn)行信噪比(η)優(yōu)化處理，評(píng)價(jià)指標(biāo)有望大、望目、望小三種處理方式。翹曲變形量及體積收縮率應(yīng)該越小越好[10]，故采用η望小公式(1)計(jì)算翹曲變形量的η1及體積收縮率的η2。

②訓(xùn)練SVM模型。

表2 正交實(shí)驗(yàn)結(jié)果

2.2 灰色關(guān)聯(lián)分析

灰色關(guān)聯(lián)分析用于分析多個(gè)變量因素對(duì)特定質(zhì)量指標(biāo)的影響程度是可行的，灰色關(guān)聯(lián)分析的步驟主要如下[11-12]：

[6][7][8][9][10][26][36][37][38][44][45][46][49][50][51][52]《馬克思恩格斯文集》(第1卷)，北京：人民出版社，2009年，第220、221、195、530、528、500、499、499、499、500、500、192、162、501、532、501頁(yè)。

①確定參考系列X0(t)與比較系列Xi(t)。

第一，以提升支部規(guī)范化標(biāo)準(zhǔn)化建設(shè)能力為重點(diǎn)，抓好“體制、機(jī)制、制度、工作”的四個(gè)對(duì)接融合。按照“有鮮明的品牌名稱、有創(chuàng)新的品牌理念、有實(shí)效的運(yùn)行機(jī)制、有豐富的活動(dòng)載體和有廣泛的社會(huì)影響”的“五有”創(chuàng)建標(biāo)準(zhǔn)，以爭(zhēng)創(chuàng)“紅旗黨支部”，開展黨員“創(chuàng)效標(biāo)兵”、“服務(wù)標(biāo)兵”為載體，實(shí)施“一月一提示、一季一督查”工作機(jī)制，明確目標(biāo)，拓寬思路，團(tuán)結(jié)和帶領(lǐng)全體黨員積極投身到各條戰(zhàn)線上去，創(chuàng)造性的開展工作。

式(2)中，(t)表示目標(biāo)無(wú)量綱化處理后的數(shù)據(jù)(t)表示第i項(xiàng)對(duì)應(yīng)實(shí)驗(yàn)值，i=0，1，2，...，25。

③求差序列Δi(t)及差序列的最大差Δmax和最小差Δ min，如式 (3)、式 (4)、式 (5)所示。

④求灰色關(guān)聯(lián)系數(shù)ξi(t)，如式(6)所示。

本文利用模塊化理論與方法，對(duì)發(fā)射場(chǎng)特種機(jī)械設(shè)備進(jìn)行模塊化分析和研究,綜合傳統(tǒng)模塊劃分方法的分類,結(jié)合特種設(shè)備的具體特點(diǎn),歸納了創(chuàng)新式和變型式模塊的方法步驟,為實(shí)現(xiàn)發(fā)射場(chǎng)特種機(jī)械設(shè)備通用化設(shè)計(jì)與系列化設(shè)計(jì)提供技術(shù)支持,并以火箭測(cè)試廠房平開大門為研究對(duì)象,進(jìn)行了實(shí)例分析.

⑤計(jì)算灰色關(guān)聯(lián)度γ，如式(7)所示。

式(7)中，m表示優(yōu)化目標(biāo)數(shù)量，本實(shí)驗(yàn)m=2。

通過(guò)上述步驟得到表3灰色關(guān)聯(lián)結(jié)果。

表3 灰色關(guān)聯(lián)結(jié)果

圖2 灰色關(guān)聯(lián)度極差分析圖

為了得到實(shí)驗(yàn)因素變量對(duì)翹曲變形量與體積收縮率的綜合影響，對(duì)灰色關(guān)聯(lián)度進(jìn)行極差分析，通過(guò)Minitab軟件繪圖得到直觀極差圖，如圖2所示?；疑P(guān)聯(lián)度的極差值越大，對(duì)應(yīng)的因素水平對(duì)多目標(biāo)的影響程度越高，且越有利于多目標(biāo)的優(yōu)化，灰色關(guān)聯(lián)度最高的因素水平搭配就成為綜合目標(biāo)的最優(yōu)參數(shù)組合[13]。通過(guò)圖2分析可以得到較優(yōu)綜合目標(biāo)(翹曲變形量與體積收縮率最小)對(duì)應(yīng)的最優(yōu)參數(shù)組合(A1B1C5D5E1F1)為模具溫度40℃、熔體溫度260℃、保壓壓力80 MPa、保壓時(shí)間8 s、注塑時(shí)間0.2 s、冷卻時(shí)間15 s。極差值跨度越大，對(duì)應(yīng)因素水平對(duì)綜合目標(biāo)的影響程度就越高，故可得到因素對(duì)綜合目標(biāo)影響程度由大到小排序?yàn)镈＞E＞A＞B＞C＞F，即保壓時(shí)間＞注塑時(shí)間＞模具溫度＞熔體溫度＞保壓壓力＞冷卻時(shí)間。

對(duì)Julius使用單詞內(nèi)部與單詞之間音素識(shí)別的影響。在對(duì)實(shí)驗(yàn)語(yǔ)料庫(kù)開發(fā)集進(jìn)行了大量實(shí)驗(yàn)之后，發(fā)現(xiàn)采用單詞之間的音素識(shí)別是更好的選擇。

2.3 模擬驗(yàn)證

塑件形狀較為復(fù)雜，存在很多圓角、倒角、凸臺(tái)、凸起等微小區(qū)域，雖然這些微小區(qū)域在分析過(guò)程中對(duì)分析結(jié)果影響并不大，但若直接導(dǎo)入Moldflow進(jìn)行網(wǎng)格劃分，達(dá)到翹曲模擬分析條件時(shí)的三角形單元數(shù)為53 451，分析時(shí)間較長(zhǎng)，增加工作強(qiáng)度。故將塑件通過(guò)Cad Doctor對(duì)一些圓角、倒角、凸臺(tái)、凸起等微小區(qū)域進(jìn)行處理，處理后由網(wǎng)格統(tǒng)計(jì)得：三角形單元數(shù)為16 770，縱橫比最大為10.96，最小為1.16，平均為1.78，配向不正確單元與完全重疊單元數(shù)量為0，匹配百分比為91.5%，滿足該塑件模流分析條件。

圖3 正交實(shí)驗(yàn)水平下最小翹曲變形量與最小體積收縮率

圖4 灰色關(guān)聯(lián)分析優(yōu)化結(jié)果

3 構(gòu)建PSO-SVM 網(wǎng)絡(luò)預(yù)測(cè)系統(tǒng)

3.1 SVM網(wǎng)絡(luò)簡(jiǎn)述

1）農(nóng)村出生人口性別比高于城市。據(jù)“五普”、“六普”人口普查資料顯示，安康市農(nóng)村、鎮(zhèn)出生人口性別比遠(yuǎn)遠(yuǎn)高于城市（表2）。從人口普查數(shù)據(jù)斷定，20世紀(jì)80年代以來(lái)安康市出生人口性別失衡主要表現(xiàn)在農(nóng)村出生人口性別的失衡，即農(nóng)村男性人口數(shù)量遠(yuǎn)遠(yuǎn)超過(guò)女性。而當(dāng)年出生的人口到現(xiàn)今都已到了婚配時(shí)期，由于出生人口性別比嚴(yán)重失調(diào)而導(dǎo)致的農(nóng)村男青年婚戀困難問(wèn)題也日漸凸顯。

式(8)中，w為權(quán)重向量，b為閾值，指泛化能力為懲罰項(xiàng)，c為懲罰參數(shù)，ξi，為損失函數(shù)，ε為給定精度。

使用拉格朗日乘子將原問(wèn)題轉(zhuǎn)換為對(duì)偶優(yōu)化問(wèn)題，經(jīng)式(9)、式(10)求解后可得到回歸方程。

式 (6)中，ρ為分辨系數(shù)，范圍為 0～1，一般ρ=0.5。

環(huán)太湖地區(qū)春、秋兩季的降水整體上呈減少趨勢(shì),冬、夏兩季降水則是增加趨勢(shì),春、夏兩季的降水波動(dòng)較大(圖略)。春季,太湖湖心地帶的降水較為明顯,太湖北部、東南部的降水量較少(圖3c);夏季,在太湖湖心及南部大部的降水較多,北部降水較少(圖略);秋季,太湖南部降水多于北部地區(qū)(圖略);冬季,在太湖湖心地帶的蘇州、吳江、東山、長(zhǎng)興的降水最多,其次是太湖北部的常州,降水最少的是嘉興(圖3d)。總體上,環(huán)太湖地區(qū)春、夏季降水的空間差異性大于秋、冬季。

式 (9)、式 (10)中，αi，表示 Language乘子，對(duì)應(yīng)點(diǎn)即為支持向量，xi與xj為總輸入樣本x中兩個(gè)隨機(jī)樣本，g為核函數(shù)參數(shù)。

3.3 個(gè)體化系統(tǒng)管理模式降低了剖宮產(chǎn)率 觀察組孕婦在妊娠期定時(shí)參加醫(yī)院的健康教育大講堂和專項(xiàng)培訓(xùn)演練[12]，宣傳自然分娩的好處，改善圍產(chǎn)期保健觀念，減少因社會(huì)因素導(dǎo)致的剖宮產(chǎn)率，而且妊娠期高危因素的減少也是觀察組剖宮產(chǎn)率降低的因素。在孕晚期增加心理干預(yù)課程，采用現(xiàn)場(chǎng)參觀，個(gè)別指導(dǎo)，專業(yè)人員示范分娩時(shí)的配合，明顯增加了孕婦的自然分娩的信心。本研究結(jié)果顯示：觀察組自然分娩率明顯高于對(duì)照組，差異有統(tǒng)計(jì)學(xué)意義。

3.2 構(gòu)建PSO-SVM的翹曲變形量預(yù)測(cè)模型

將模具溫度、熔體溫度、保壓壓力、保壓時(shí)間、注塑時(shí)間、冷卻時(shí)間作為輸入，翹曲變形量及體積收縮率作為輸出。利用PSO尋找SVM預(yù)測(cè)模型最優(yōu)的懲罰參數(shù)c和核函數(shù)參數(shù)g，提高SVM網(wǎng)絡(luò)預(yù)測(cè)結(jié)果的準(zhǔn)確性，流程圖如圖5所示。主要步驟如下所示[16]：

②參考系列與比較系列無(wú)量綱處理。由于變量綱量不一樣，會(huì)影響分析結(jié)果，故進(jìn)行無(wú)量綱處理，如式(2)所示。

①將表2前20組數(shù)據(jù)作為訓(xùn)練樣本，第21#組到第25#組數(shù)據(jù)作為測(cè)試樣本，并對(duì)樣本數(shù)據(jù)進(jìn)行歸一化處理。

式(1)中，n表示重復(fù)實(shí)驗(yàn)次數(shù)，yi表示第i次翹曲變形量或體積收縮率，i=1，2，…，25。

③設(shè)置PSO主要參數(shù)(粒子位置、速度、種群規(guī)模大小)。

④計(jì)算所有粒子的適應(yīng)度值Fit(xi)，與個(gè)體的極端值Pbest(xi)比較，若Fit(xi)＞Pbest(xi)，則將粒子的適應(yīng)度值替換個(gè)體的極端值。

⑤再比較分析粒子的適應(yīng)度值Fit(xi)與全局極值gbest(xi)。若出現(xiàn)Fit(xi)＞gbest(xi)情況，說(shuō)明Fit(xi)可以替換掉gbest(xi)。

⑥更新粒子位置xi和速度vi。

⑦若滿足終止條件，則獲得優(yōu)化后的SVM參數(shù)c與g。不滿足返回步驟②。

⑧比較預(yù)測(cè)結(jié)果與真值的吻合度及相對(duì)誤差，及時(shí)調(diào)整PSO的主要參數(shù)，直到得到一個(gè)較優(yōu)SVM預(yù)測(cè)模型。

圖5 PSO-SVM流程圖

3.3 PSO-SVM與SVM，BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)結(jié)果對(duì)比分析

為了體現(xiàn)PSO-SVM網(wǎng)絡(luò)預(yù)測(cè)模型優(yōu)越性，將應(yīng)用較為廣泛的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型與之對(duì)比，創(chuàng)建BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型，BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型隱含層節(jié)點(diǎn)數(shù)目設(shè)為13(多次實(shí)驗(yàn)得到)，隱含層的激勵(lì)函數(shù)選為“l(fā)ogsig”函數(shù)。將表2前20組數(shù)據(jù)作為訓(xùn)練樣本訓(xùn)練SVM，BP與PSO-SVM預(yù)測(cè)模型，最后 5 組樣本 (對(duì)應(yīng)編號(hào)為 1，2，3，4，5)作為測(cè)試集檢測(cè)訓(xùn)練效果。通過(guò)Matlab得到如圖6所示的翹曲變形量及體積收縮率的測(cè)試集真值(表2的值)與SVM，BP及PSO-SVM預(yù)測(cè)值的吻合度，以及圖7所示的SVM，BP與PSO-SVM預(yù)測(cè)相對(duì)誤差。通過(guò)圖6和圖7看到，PSO-SVM神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)值與真實(shí)值吻合度很高，高于SVM與BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型，預(yù)測(cè)精度較高，且PSO-SVM神經(jīng)網(wǎng)絡(luò)翹曲變形量預(yù)測(cè)相對(duì)誤差最大為4.976%、體積收縮率預(yù)測(cè)相對(duì)誤差最大為2.218%，PSO-SVM神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)性能較優(yōu)?？梢杂糜谒芗N曲變形量和體積收縮率的預(yù)測(cè)，有較高預(yù)測(cè)精度及效率。

吳耕點(diǎn)點(diǎn)頭，火光照在他黑黢黢的臉上，松樹火把劈劈啪啪地燃燒，橘黃的光芒映在緋紅石壁上，溫暖明亮，像是由曲折的暗洞里挖出來(lái)一個(gè)房間，將他們四個(gè)人攏在一起。

圖6 測(cè)試集真值與BP，SVM，PSO-SVM預(yù)測(cè)值對(duì)比

圖7 BP，SVM與PSO-SVM預(yù)測(cè)相對(duì)誤差

4 結(jié)論

(1)對(duì)影響塑件翹曲變形量及體積收縮率的相應(yīng)工藝參數(shù)進(jìn)行正交實(shí)驗(yàn)設(shè)計(jì)，通過(guò)Moldflow進(jìn)行模擬分析，發(fā)現(xiàn)最小翹曲變形量為第5組工藝參數(shù)的0.249 7 mm，最小體積收縮率為第1組工藝參數(shù)的8.431%。

(2)采用灰色關(guān)聯(lián)分析得到翹曲變形量及體積收縮率的灰色關(guān)聯(lián)度，對(duì)灰色關(guān)聯(lián)度進(jìn)行極差分析，以此來(lái)評(píng)價(jià)工藝參數(shù)對(duì)綜合目標(biāo)(翹曲變形量及體積收縮率)的影響程度，得到的影響程度順序?yàn)椋罕簳r(shí)間＞注塑時(shí)間＞模具溫度＞熔體溫度＞保壓壓力＞冷卻時(shí)間。同時(shí)根據(jù)灰色關(guān)聯(lián)度極差分析結(jié)果得到最優(yōu)工藝參數(shù)組合為模具溫度40℃、熔體溫度260℃、保壓壓力80 MPa、保壓時(shí)間8 s、注塑時(shí)間0.2 s、冷卻時(shí)間15 s?；疑P(guān)聯(lián)分析優(yōu)化后的翹曲變形量相對(duì)于正交實(shí)驗(yàn)水平下最小翹曲變形量降低了11.8%，體積收縮率相對(duì)于正交實(shí)驗(yàn)水平下最小體積收縮率降低了5.9%。驗(yàn)證了灰色關(guān)聯(lián)分析法可靠性。

有經(jīng)銷商向記者反映，目前西南地區(qū)集中用肥季節(jié)已經(jīng)基本結(jié)束。當(dāng)前，國(guó)內(nèi)冬儲(chǔ)備肥已開啟漲價(jià)模式，在成本居高利好支撐下，個(gè)別肥企已調(diào)漲報(bào)價(jià)。上游原料價(jià)格上漲，氮磷鉀的價(jià)格均有不同程度上漲，導(dǎo)致復(fù)合肥成本略有增加，業(yè)內(nèi)漲價(jià)預(yù)期強(qiáng)烈。下游經(jīng)銷商仍處在在回籠資金階段，詢價(jià)雖有增多，但是磷復(fù)肥產(chǎn)銷會(huì)召開在即，廠價(jià)價(jià)格尚不明朗，短期內(nèi)復(fù)合肥靜觀其變態(tài)度占主流。預(yù)計(jì)待產(chǎn)銷會(huì)之后，復(fù)合肥冬儲(chǔ)報(bào)價(jià)將會(huì)陸續(xù)出臺(tái)。

(3)利用PSO尋找SVM預(yù)測(cè)模型最優(yōu)的c和g參數(shù)，得到PSO-SVM翹曲變形量及體積收縮率預(yù)測(cè)系統(tǒng)，通過(guò)比較分析BP，SVM與PSO-SVM神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)效果，發(fā)現(xiàn)PSO-SVM神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)系統(tǒng)預(yù)測(cè)精度及穩(wěn)定性較高，可用于塑件總翹曲變形量及體積收縮率的預(yù)測(cè)，為相關(guān)工藝人員調(diào)整和優(yōu)化注塑工藝參數(shù)提供指導(dǎo)。