大数据驱动的注塑成型知识自动化理论与方法研究

Plastics becomes the top1 industrial materials beyond to steel. But low intelligence of plastic industry becomes the major impediment for 2025 Chinese manufacturing strategy. The discovery of new knowledge and value from big data is interesting point both in industrial and academic circle. The knowledge injection molding to obtain from big data will be used to enhance intelligence of injection molding machines, which is a workable idea. Aim to the knowledge data sparsity and high-complexity problem, we will research knowledge data cleaning, knowledge representation and knowledge acquisition under the environment of industrial big data in the plastic molding field, and then discuss knowledge automatic control theory of injection molding equipment..1）The knowledge expression system based on kernel adaptive filtering will be used to get the relationship among the environment, parameters set, operating status, rate of finished products, plastic materials, molds, etc..2）Deep learning network about the injection molding is constructed based knowledge expression. By using the knowledge big data online or offline learning, virtual expression stability of the injection equipment about the deep learning network..3）Construct knowledge automation framework based on the parallel control between physical equipment and knowledge network, study on the controllability and robustness theory of knowledge automation of injection molding, which will be used to optimize the real injection molding machine..4)Relying on national and provincial platform and industry leading enterprises, the intelligent injection equipment will be design and applied based on the knowledge automation theory and technology.

塑料超越钢铁成为第一大工业材料，但是塑料产业整个智能化水平低下，对人的经验和知识依赖度高成为制约中国制造2025的战略实施的关键。从注塑成型大数据中获取注塑成型的知识，从而改善注塑成型装备的智能性是可行的。本项目针大数据中的知识的稀疏性和算法复杂度高的难题，在注塑成型装备知识自动化过程中研究工业大数据环境下的面向塑料成型领域的知识数据清洗、知识表达和知识获取，然后研究注塑成型装备控制的知识自动化理论。.1）构建基于核自适应滤波滤波方法构建知识表达体系，获得将环境、参数、运行状态、产品、材料、磨具等参数信息关系；.2）通过大数据知识数据的表达关系构建深度学习网络，运用长时间大数据在线或离线学习，注塑装备的知识优化后稳定虚拟表达；.3）构建知识网络与物理装备平行控制的知识自动化架构，研究注塑成型知识自动化的能观能控及鲁棒性理论；.4）依托国家基地搭建大数据平台和智能装备验证平台，推动应用转化。

本项目针对注塑过程对人工经验和知识的严重依赖问题，研究基于工业大数据的注塑过程知识自动化理论与应用。在理论上，建立了基于大数据驱动的注塑成型知识自动化理论方法，建立了工业数据知识清洗与表达方法，构建深度学习网络注塑成型知识数据的表示学习方法，提出面向注塑工艺过程的智能调优和控制方法。在技术上，构建了基于注塑工艺专家经验的知识库，设计了基于专家经验和知识网络的注塑参数优化方法体系，搭建了面向注塑工艺参数优化的大数据平台；在产业应用上，协助企业研发了注塑成型网络化和智能化模块，构建注塑成型智能工厂系统，基于“华为云”和“阿里云”工业云平台构建了“注塑云”和“数字工厂”两大互联网平台，入选广东省工业互联网资源池，服务300多家企业。.研究成果在国内外控制领域等重要学术刊物发表SCI/EI论文30篇、获得教育部科技进步一等奖1项、申请发明专利30项，软件著作权3项。同时，项目执行期间，积极开展了国际合作交流，支持项目组成员参加国内外控制领域学术活动10人次。.项目执行期内，已培养硕士研究生10名，博士研究生1名，博士后1名；项目负责人2017入选年广东省“特支计划”科技创新领军人才，2018年入选中组部“万人计划”科技创新领军人才。.综上，项目在理论与技术成果、获得知识产权、人才培养和成果推广等方面超额完成了基金任务书要求的内容。本项目研究成果进一步为大数据驱动作用下的注塑过程建立了先进的控制理论方法与知识自动化方法，同时也为注塑装备以及工业互联网领域系统开发以及相关行业领域提供进一步的理论支持以及解决方法。