基于多任务学习的注射成型工艺参数⁃制品性能⁃能耗协同优化研究
发布时间:2026-10-23 | 来源:中国塑料 | 作者:周杰辉, 石峰, 管学龙, 孔锐言, 何慧凡
提出一种基于多任务学习(MTL)的注射成型工艺参数⁃制品性能⁃能耗协同优化方法。先构建面向工艺参数优化的深度残差多任务代理模型,以6个关键工艺参数设定值为直接输入,通过残差连接与批归一化构建共享特征提取层,实现翘曲变形量、拉伸强度和单位能耗3个目标的端到端同步预测;其次设计基于同方差不确定性的自适应损失加权策略,动态平
提出一种基于多任务学习(MTL)的注射成型工艺参数⁃制品性能⁃能耗协同优化方法。先构建面向工艺参数优化的深度残差多任务代理模型,以6个关键工艺参数设定值为直接输入,通过残差连接与批归一化构建共享特征提取层,实现翘曲变形量、拉伸强度和单位能耗3个目标的端到端同步预测;其次设计基于同方差不确定性的自适应损失加权策略,动态平衡3个任务的训练进程;再将训练好的多任务代理模型嵌入非支配排序遗传算法(NSGA⁃Ⅱ),实现工艺参数的多目标帕累托寻优,并采用熵权⁃逼近理想解排序法(TOPSIS)从帕累托解集中选出最优折中方案。以聚丙烯(PP)电器外壳为研究对象开展注塑实验验证。结果表明,所提多任务代理模型在翘曲量、拉伸强度和单位能耗3个任务上的平均绝对百分比误差分别为3.82 %、2.91 %和2.15 %,相比单任务建模平均精度提升15.2 %;经协同优化后,制品翘曲变形量降低28.7 %,拉伸强度提升8.3 %,单位生产能耗降低13.5 %,实现了制品性能与能耗的协同优化。
返回资讯频道