《表2 各工艺参数对应的θk值》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于Kriging模型的注塑工艺稳健优化》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

确定好Kriging模型的回归模型、相关模型后，需要确定θk的值。结合式（6）及图1的流程，通过变异粒子群算法可以获得该目标函数的最优解，以建立高精度的Kriging模型。设置最大迭代次数Tamax为200、变异因子vaf为0.05（在粒子每次更新后以5%的概率重新初始化粒子位置），其他参数取默认值，优化计算结果如图3所示，经过100次左右迭代，求得式（6）中的目标函数φ（θk）收敛于最小值，此时对应的θk（下角标k可取Tmo，Tme，…，tpa，分别为5个工艺参数对应的相关模型参数）如表2所示，说明以Kriging模型，结合变异粒子群算法，经约100次迭代后，收敛于最小值，具体可参照式（6）。