Resumen

La estabilidad de la temperatura es fundamental para la consistencia de la calidad del producto en el proceso de moldeo por inyección, y es muy necesario mejorar la precisión del control de la temperatura en condiciones dinámicas. Sin embargo, debido al gran retardo de tiempo, el fuerte acoplamiento y las características dinámicas existentes en el sistema, no es una tarea fácil lograr un control preciso de la temperatura en el proceso de moldeo por inyección. En este trabajo se propone una nueva estrategia de control inteligente de la compensación de la temperatura para el proceso de moldeo por inyección en condiciones dinámicas, con el fin de resolver dos problemas clave en la estrategia de control de la compensación: el tiempo de compensación y la cantidad de compensación. Se diseña un algoritmo de control de aprendizaje iterativo (ILC) basado en datos para aprender el tiempo de compensación óptimo. Una vez aprendido el tiempo de compensación óptimo, se propone un algoritmo de aprendizaje Q profundo que combina el aprendizaje Q con una red neuronal artificial (RNA) para aprender la cantidad de compensación óptima. Se diseña una plataforma experimental para validar la superioridad del método propuesto. Los resultados experimentales muestran que el método propuesto puede mejorar eficazmente la precisión del control de la temperatura en condiciones dinámicas. Al mismo tiempo, también se ha mejorado la consistencia del producto.

• Materias:Polímeros Industria del caucho Agua Caucho Hidrogeles
• Subjects:Polymers caucho industry Water Rubber Hydrogels
• Palabras claves:proceso de moldeo por inyección, estrategia de control de la compensación, tiempo de compensación óptimo, condiciones dinámicas, precisión del control de la temperatura, métodos propuestos, consistencia de los productos, red neuronal artificial, cantidad de compensación óptima, gran retraso temporal
• Keywords:injection molding process, compensation control strategy, optimal compensation time, dynamic conditions, temperature control accuracy, proposed methods, consistency of products, artificial neural network, optimal compensation quantity, large time delay