利用類神經網路於射出成型之分析 黃孟文、吳政憲
E-mail: 9511386@mail.dyu.edu.tw
摘 要
中文摘要 由於現今科技的發達，電腦產業日新夜異，使人門注意到電腦和人腦的不同而衍生出人工智慧(artificial
intelligence)與類神經網路(neural networks)，運用類神經網路採試著模仿人類腦部神經工作的模式，藉由多個處理單位之間 接受刺激並交換訊息，得到某種結果，由大腦中樞做出適當的回應。類神經網路可以採用硬體或軟體的方式來建立，硬體 的方式會像平行處理器的架構，讓多個處理器(processors)以高速的匯流排(bus)相連在一起。軟體的方式則是以資料結構與 演算法來描述彼此相連的節點，節點間的連結可具有權重(weight) ，某些節點可以接受輸入的刺激，某些節點則可聯合輸 出一些有意義的結果。所以我們將神經元的傳輸運作過程用電路圖模仿，然後將其傳輸過程變成我們所需的訓練方程式 用VB(Visual Basic)以及Matlab和Moldflow模擬，再加上基本的流力、熱傳、材力方程式經由VB轉成專家系統，經由實際的 實驗最佳參數以倒傳遞類神經網路進行訓練以得到數值的趨勢以完成完整的神經網路系統。 關鍵字：類神經，神經元，專 家系統，電路圖
關鍵詞 : 類神經，神經元，專家系統 類神經，神經元，專家系統 類神經，神經元，專家系統 目錄
目錄 封面內頁 簽名頁 授權書 iii 中文摘要 iv 英文摘要 v 誌謝 vi 目錄 vii 圖目錄 x 表目錄 xii 第一章 緒論 1.1 前言 1 1.2電腦 輔助工程與塑膠射出成形 1 1.3射出機成形條件之設定 3 1.4射出設計概念 4 1.5類神經網路的由來 5 1.6神經細胞的構造 7 1.7 類神經網路應用 8 1.8類神經網路優缺點 10 1.9類神經網路的功能 11 1.10研究方向與目標 13 第二章 國內外有關本問題之研 究情形 2.1國內有關類神經網路研究情形 15 2.2國外有關類神經網路研究情形 21 2.3結果與心得整理 23 2.3.1國外部份心得 23 2.3.2國內部份心得 24 第三章 液壓測試系統之控制研製 3.1實驗規劃 25 3.2量測工具以及模具圖 25 3.3實驗元件規格表 29 3.4成型品尺寸大小 31 3.5實驗材料 32 3.6實驗方法 34 3.6.1設計實驗參數 34 3.6.2類神經網路的種類 34 3.6.3類神經網路訓練 系統 35 第四章 實驗架構 4.1試模 38 4.2單一參數實驗 39 4.2.1使用單一參數的意義 39 4.2.2單一參數的射出實驗方法 40 4.3 實驗參數的量測 40 4.4實驗結果與類神經網路之初步訓練結果 41 4.5倒傳遞類神經網路訓練的架構 41 4.6實驗流程 44 第五 章 實驗結果分析 5.1射出成品的拉伸結果 46 5.2單一參數實驗 55 5.2.1單一參數的實驗結果 55 5.2.2單一參數實驗過後得到 之影響曲線 57 5.3類神經網路的訓練及修正的因素探討 63 5.3.1類神經網路訓練次數與是否收斂的關係 63 5.3.2類神經網路 各種模型的訓練結果 67 5.4類神經網路模型的應用 71 5.4.1對於各項參數的修正 72 5.4.2對於各項參數的預測 78 5.4.3類神經 對於線性回歸準確度的比較 82 5.4.4類神經對於非線性回歸準確度的比較 86 第六章 結論 90 參考文獻 93 圖目錄 圖1.1 成形 視窗顯示壓力與溫度的影響 3 圖1.2 系統輸入輸出關係圖 6 圖1.3 類神經輸入輸出關係圖 7 圖1.4 生物神經元 8 圖3.1 Solidworks繪製模具頂出圖 26 圖3.2 拉伸試驗機 27 圖3.3 成品圖 28 圖3.4 試片尺寸 31 圖3.5 神經元結構圖 36 圖3.6 類神經 網路轉換圖 37 圖4.1 類神經網路訓練圖 41 圖4.2 MatLab訓練設定參數 42 圖4.3 MatLab訓練設定參數2 43 圖5.1 改變融膠溫 度 57 圖5.2 改變模溫 58 圖5.3 改變射出速度 59 圖5.4 改變保壓壓力 60 圖5.5 改變保壓時間 61 圖5.6 改變冷卻時間 62 圖5.7 訓練25次的收斂圖 63 圖5.8 訓練25次的訓練結果 64 圖5.9 訓練50次的收斂圖 64 圖5.10訓練50次的訓練結果 65 圖5.11訓 練100次的收斂圖 65 圖5.12訓練100次的訓練結果 66 圖5.13單一無纖維全部 67 圖5.14單一20%纖維 67 圖5.15單一30%纖維 68 圖5.16單一無纖維有縫合線 68 圖5.17所有參數比對結果(無纖維) 69 圖5.18所有參數比對結果(20%纖維) 69 圖5.19所有參 數比對結果(30%纖維) 70 圖5.20所有參數比對結果(有縫合線) 70 圖5.21整合所有參數-實際拉伸應力 78 圖5.22整合所有參數- 預測拉伸應力 79 圖5.23單一參數無纖維試片-實際拉伸應力 79 圖5.24單一參數無纖維試片-預測拉伸應力 79 圖5.25單一參 數20%維試片-實際拉伸應力 80 圖5.26單一參數20%維試片-預測拉伸應力 80 圖5.27單一參數30%維試片-實際拉伸應力 80 圖5.28單一參數30%維試片-預測拉伸應力 81 圖5.29單一參數無試片有縫合線-實際拉伸應力 81 圖5.30單一參數無試片有縫 合線-預測拉伸應力 81 圖5.31類神經網路無纖維試片預測結果 83 圖5.32線性回歸分析無纖維試片預測結果 83 圖5.33類神經 網路20%纖維試片預測結果 83 圖5.34線性回歸分析20%纖維試片預測結果 84 圖5.35類神經網路30%纖維試片預測結果 84 圖5.36線性回歸分析30%纖維試片預測結果 84 圖5.37類神經網路無纖維有縫合線試片預測結果 85 圖5.38線性回歸分析無纖 維有縫合線試片預測結果 85 圖5.39類神經網路無纖維試片預測結果 86 圖5.40線性回歸分析無纖維試片預測結果 87 圖5.41 類神經網路20%纖維試片預測結果 87 圖5.42線性回歸分析20%纖維試片預測結果 87 圖5.43類神經網路30%纖維試片預測結 果 88 圖5.44線性回歸分析30%纖維試片預測結果 88 圖5.45類神經網路無纖維有縫合線試片預測結果 88 圖5.46線性回歸分 析無纖維有縫合線試片預測結果 89 表目錄 表3.1射出機規格表 29 表3.2拉伸試驗機弘達公司提供規格表 30 表3.3實驗材料 弘達公司提供規格表 32 表5.1所有條件參數綜合表 48 表5.2改變融膠溫度 57 表5.3改變模溫 58 表5.4改變射出速度 59 表5.5
改變保壓壓力 60 表5.6改變保壓時間 61 表5.7改變冷卻時間 62 表5.8單一參數固定分析輸入參數-融膠溫度 72 表5.9單一參 數固定分析各參數之修正趨勢-融膠溫度 72 表5.10單一參數固定分析輸入參數-模溫 73 表5.11單一參數固定分析各參數之修 正趨勢-模溫 73 表5.12單一參數固定分析輸入參數-射出速度 74 表5.13單一參數固定分析各參數之修正趨勢-射出速度 74 表5.14單一參數固定分析輸入參數-保壓壓力 75 表5.15單一參數固定分析各參數之修正趨勢-保壓壓力 75 表5.16單一參數固 定分析輸入參數-保壓時間 76 表5.17單一參數分析各參數之修正趨勢-保壓時間 76 表5.18單一參數固定分析輸入參數-冷卻 時間 77 表5.19單一參數固定分析各參數之修正趨勢-冷卻時間 77
參考文獻
參考文獻 [1]陳書豪,”類神經網路導入裝備計畫性維修之研究”, 國防大學中正理工學院碩士論文, (2002) [2]劉昇志,”運用類神經網路技 術改善搬送控制系統-以某彩色濾光片廠為例”, 國立中正大學碩士論文, (2001) [3]賴麗新,”具線上學習Neocognitron類神經網路於圖案辨 識之應用”, 國立中正大學碩士論文, (2002) [4]張銘謙,”使用類神經網路之工具機恆溫控制”, 長庚大學碩士論文, (2002) [5]黃耀德,”植 基於類神經網路之影像隱藏資訊偵測系統”, 國立中興大學博士論文, (2002) [6]黃水田,”遞迴類神經模糊網路於橡膠射出成型機模具加溫 之應用”, 國立中興大學碩士論文, (2001) [7]林易俊,”應用模糊類神經網路於積體電路之微影製程機台故障診斷分析”, 國立成功大學博 士論文, (2001) [8]楊國珍,”類神經模糊系統應用於蒸發量推估之研究”, 國立成功大學碩士論文, (2001) [9]許雅雯,”應用類神經網路於結 構損傷即時診斷”, 國立成功大學碩士論文, (2001) [10]陳秋恭,”應用模糊類神經網路於穿刺結構之動態訊號分析”, 國立成功大學碩士論 文, (2001) [11]王盈中,”利用輸出遞迴式模糊類神經網路設計的非線性系統適應反覆學習控制”, 國立交通大學碩士論文, (2002) [12]陳丞 璽,”應用類神經網路於晶粒表面銲墊變色辨識之研究”, 國立交通大學碩士論文, (2001) [13]張加儒,”類神經網路理論於逆向工程曲面重 建之研究”, 國立中央大學碩士論文, (2001) [14]陳維翰,”應用倒傳遞類神經網路於BGA瑕疵檢測系統”, 國立台灣科技大學碩士論文, (2001) [15]林漢偉,”應用二維小波轉換與類神經網路於比流器局部放電圖譜之辨識”, 國立台灣科技大學碩士論文, (2001) [16]林建成,”
應用類神經網路於二維橋樑之非破壞檢測”, 中原大學碩士論文, (2000) [17]許慶安,”應用類神經網路推估混凝土之抗壓強度”, 國立中興 大學碩士論文, (2000) [18]劉得平,”以類神經網路為基礎之適應性整合式反射模型及其在三維立體重建之應用”, 國立交通大學碩士論文, (2000) [19]林長煒,”以類神經網路求解負載溫度敏感度並應用於系統可靠度分析”, 國立中山大學碩士論文, (2000) [20]蔡柏灃,”類神經 網路模式預測控制”, 國立清華大學博士論文, (2000) [21]張正東,”應用類神經網路與模糊聚類於非織物瑕疵分類之比較”, 國立台灣科技 大學碩士論文, (2000) [22]劉俊宏,”類神經網路在光學纖維抽絲製程上之預測與參數控制及修正之研究”, 國立交通大學碩士論文, (1999) [23]黃光騭,”類神經計算與高等平均場退火理論”, 國立東華大學碩士論文, (1999) [24]陳永昌,”應用類神經網路與遺傳演算法對端銑削 加工參數之最佳化”, 國立高雄第一科技大學碩士論文, (1999) [25]李永昌,”應用田口法與類神經網路於射出成型製程之建構與分析”, 國 立台灣科技大學碩士論文, (1999) [26]吳銘洲,”應用類神經網路於複材製程參數之設計與最佳化”, 國立成功大學碩士論文, (1998) [27]柯 岐謀,”應用監督式類神經網路於晶粒表面缺陷辨識之研究”, 國立交通大學碩士論文, (1998) [28]李柏穎,”以類神經網路預測擬均向性碳 纖維強化聚醚醚酮複材疊層板承受低能量衝擊並經修補後之靜態及疲勞性質”, 國立清華大學碩士論文, (2000) [29]萬中一,”類神經網路 應用於孔型輥軋與擠製加工之製程參數分析”, 國立台灣科技大學碩士論文, (1998) [30]許家維,”撓性軸承微定位系統之階層式類神經模 糊控制”, 國立中興大學碩士論文, (1998) [31]吳國安,”應用RBF類神經網路於綜合加工機主軸溫升熱變形之預測”, 大葉大學碩士論文, (2005) [32]林宥任,”適應性RBF類神經網路於CNC車床即時溫升熱變形熱補償之研究”, 大葉大學碩士論文, (2004) [33]羅華強,”類神經 網路-MATLAB的應用第六版”, 清蔚叢書MATLAB系列2 [34]張智星,”MATLAB程式設計與應用”, 清蔚叢書MATLAB系列1 [35]洪國 勝,”Visual Basic專業版入門大補帖”, 松崗點腦圖書股份有限公司 [36]溫庭廷,”應用類神經網路於高分子熱壓成型之研究”, 長庚大學 碩士論文, (2000) [37]曾立凱,”Visual Basic的程式設計”, 全華科技圖書股份有限公司 [38]陳俊源,”Visual Basic資料庫應用”, 松崗點腦圖 書股份有限公司 [39]Stephen L. Wood and David G. Ullman，"The Function of Plastic Injection Moulding Features"，Design Studies ，Vol. 17
，No. 2，pp.201-213，April 1996.
[40]張文華，"塑膠模具結構與製造實務"，全華科技圖書股份有限公司 , 1996.
[41]劉大佼，"高分子加工原理與應用"，國立編譯館，1997.
[42]V. Leo and Ch. Cuvelliez，"The Effect of the Packing Parameters，Gate Geometry，and Mold Elasticity on the Final Dimensions of a Molded Part"，Polymer Engineering and Science，Vol. 36，No. 15，pp.1961-1971，MID-August 1996.
[43]S. M. Richardson，"Hele-Shaw Flow with a Free Surface Produced by the Injection of Fluid into a Narrow Channel"，J. Fluid Mech. ，Vol.
56，pp.609-618，1972.
[44]R. L. Ballman，T. Shumsman and H. L. Toor，"Injection Molding"，Ind. Eng. Chem.，Vol. 51 , pp.847-850 , 1959.
[45]R. L. Ballman，T. Shumsman and H. L. Toor，Mod. Plastics，Vol. 37，No. 105 , 1959.
[46]張榮語，"射出成型模具設計"，高立圖書有限公司，1995 [47]Bernard Sanschagrin，"Process Control of Injection Molding"，Polymer Engineering and Science，Vol. 23，pp.431， Mid-June，1983.
[48]詹仲豪，〝CAD/CAM軟體應用於航太工業資料傳遞問題之探討〞， 碩士論文，淡江大學航太太空工程學系，2001。
[49]賴元隆，〝整合型CAD/CAM軟體系統之研發〞， 博士論文，國立中興大學機械工程研究所，2003。
[50]施議訓，〝CAD/CAM趨勢〞機械技術雜誌，169期，P108-112，1999。
[51]MIT ，〝Introduction to Neural Networks, Fall 2002〞。
[52]Boston University CNS group，〝Welcome to the Department of Cognitive and Neural Systems〞。
[53]CSANN，〝Design the neural network to perform algorithms in VISI〞 [54]Howard Demuth and Mark Beale (2003).Neural network toolbox user guide [Online].Available: http”//www.mathworks.com/access/helpdesk/help/toolbox/nnet/nnet.shtml.
[55]S.Haykin,”Neural Networks,” Prentic Hall International,1999.
[56]J.A.Freeman and D.M.Skapura,”Neural Networks,” Addison-Wesley,1992.
[57]D.E.Rumelhart,G..E.Hinton, and R.J.Williams,”Leaming Internal Rpresentation by Error Propagation in Parallel Distributed Processing,
”Vol.1,pp.318-362,D.E.Rumelhart and J.L.Mcclelland (Eds.),M.I.T.Press,Cambridge,MA,1986.
[58] 粱琬蓉，〝微射出成形參數對縫合線強度之影響〞， 碩士論文，大葉大學機械與自動化工程學系，2002。
