复合材料成型热压罐设备智能监控系统的开发和实现

【摘要】：我国碳纤维树脂基复合材料从上世纪80年代开始进入全面的推广应用阶段,经历了30多年的发展,已经实现了大部分的作业环节从手工作业到自动化作业的转型升级,进入21世纪,由于碳纤维树脂基复合材料制造过程的黑箱众多,制造过程显性程度低,制造过程过多的依赖特殊过程的控制来保证碳纤维树脂基复合材料的质量,难以通过制造过程的数据进行机理问题的分析和解决,导致现阶段产能提升困难,产品质量波动较大。针对上述问题,本文以碳纤维树脂基复合材料制造过程涉及产品物理化学变化的最关键的热压罐固化成型工序为研究对象,通过对热压罐设备的关键数据采集分析建模,进行实时的监控预警,及时发现制造过程中的异常,及时开展调控,避免质量事故的出现;同时进行深度数据的建模应用,开展制造过程的预测工作,提前发现制造过程的不合理的情况,在制造前端的工艺设计阶段进行干预和调整;最后将该技术应用于碳纤维树脂基复合材料成型制造各环节,提升整个制造过程的效率,有效降低制造成本,稳定产品的质量。本文具体工作包括:(1)提出了碳纤维树脂基复合材料成型热压罐设备智能监控系统的总体设计方案,包括热压罐数据采集模块,在线实时检测和监控模块以及热压罐热分布预测模块。(2)通过设备的PLC和Modbus/TCP的工业通讯协议实现了热压罐运行过程的温度、压力、真空等关键参数和状态数据的采集。同时通过二维码技术实现了产品数据和运行参数的关联对齐。为后续的数据应用提供了数据源。(3)设计并实现了热压罐在线实时在线检测和监控功能模块,并构建了工艺业务的模型,应用采集的数据实现了碳纤维树脂基复合材料热压罐固化过程的快速精准检验,极大的缩短了检测周期。并通过热压罐运行过程的实时监控及时发现设备运行过程的问题,提前对操作者进行预警提示,避免质量事故的发生。(4)基于碳纤维树脂基复合材料成型机理和热压罐设备运行原理开展关键温度分布情况预测,针对碳纤维树脂基复合材料固化过程物理化学耦合度高、影响的数据因素重点的问题,对影响的数据进行数据清理和归一化处理,然后引入机器学习的方法,通过构建支持向量回归模型,进行碳纤维树脂基复合材料的固化过程的产品温度分布的预测,并对模型进行了优化和迭代。