人工智能技术在轮胎硫化优化中的应用

打开文本图片集

摘 要：为了提升轮胎硫化程度的均匀性，本文在利用相关软件的基础上对11R22.5载重子午线轮胎的硫化仿真有限元模型进行建立，对轮胎硫化实际过程进行有效结合进而仿真分析温度场。以阿累尼乌斯方程为依据对轮胎硫化程度进行计算。对遗传算法、神经网络、正交试验设计等优化技术进行有效利用，进而使得轮胎硫化数字优化设计方法有效建立。将轮胎硫化过程中以外温蒸汽边界条件作为设计变量，优化轮胎硫化程度均匀性，改善轮胎硫化时间和硫化程度。最终得出结论：轮胎硫化程度均匀性因优化后的外温蒸汽边界的采用而得到提高，性能得到改善。此外，硫化时间被有效降低并保证了轮胎的硫化性能。

关键词：轮胎；硫化；优化

轮胎是汽车的重要组成部件之一，汽车的舒适性、安全性很大程度上取决于轮胎的性能，轮胎的质量与硫化过程息息相关。因此，提升轮胎硫化程度均匀性是本研究的主要目的，将轮胎硫化过程中的外温蒸汽作为设计变量，在对人工智能技术和有限元进行结合的基础上建立数字优化设计方法。这种数值优化设计方法将正交试验设计原理作为依据安排实验方案，并将有限元分析作为虚拟实验过程的基础，自身训练样本通过提取实验数据而获得，进而构建优化目标和设计变量的非线性映射关系的神经网络，外温蒸气最优历程通过运用进化算法得出。

1 硫化程度分析

正硫化时间由确定温度下橡胶的最佳硫化时间决定。将在某一基准温度下的工资正硫化时间同胶料的实际等效硫化时间相比得到的值就是橡胶的硫化程度。在一定的温度下，单位时间内能够达到的硫化程度就是硫化强度，其计算主要通过阿累乌斯方程式

不同时刻相对于温度的相对硫化速度用v标示；参比热力学温度用T0表示；硫化反应活化能用E表示；气体常数是R。

不同时刻各部位温度不相等是轮胎这种厚制品的正要特点，对已知某点温度时间历程和基准温度选定后，可对硫化程度进行计算

硫化结束的时间是te.应用数值积分公式将以上公示离散化为

第m个时间间隔的相对硫化速度用vm表示，分析以上公式可得出结论，1s-1是基准温度下的相对硫化速度，胶料的正硫化时间（t90）等于到达正硫化时的硫化程度EV90的数值，硫化程度等于：

对胶料经过某一硫化历程后所获得的相对硫化程度进行衡量，用来对不同胶料的硫化程度进行比较。

2 优化问题描述

2.1 对有限元分析模型进行建立

11R22.5型全钢载重子午线轮胎是本文的研究重点，通过ABAQUS软件建立的三维轮胎硫化温度场分析模型，钢模和胶囊是升温模型的主要部分，空气中的冷却过程是降温模型。

2.2 建立优化模型

第一，选取设计变量。硫化程度直接影响轮胎硫化后的性能，外温蒸汽会严重影响硫化程度，设计变量选择外温蒸汽变化历程。第二，选取目标函数。在充分考虑实际情况的基础上，将胶料硫化程度作为评估的角度，用硫化程度的偏值表征硫化程度均匀性，也就是

第i个节点的硫化结束时的硫化程度是si；轮胎断面节点个数用n代表；断面所有节点的硫化程度的平均值用s代表。现阶段，要想控制成本并使得生产效率有效提高，就应使硫化时间尽量降低并保证的硫化均匀性，所以优化目标函数为断面硫化均匀程度，将硫化时间尽可能降低。

3 优化过程

（1）设计正交试验。实验方案的安排以正交表L9（34）为依据，在408.15～418.15之间对T1进行选取，在424.15～434.15之间对T2进行选取，在960～1060s之间对t1进行选取，在2480～2580之间对t2进行选取，选取3作为各因素的水平数，划分选定的范围为三等分，各因素的水平取值即可获得。

（2）数值拟合。以函数逼近理论为基础构造是径向基函数网络的特征之一，在多维空间中寻找训练数据的最佳拟合平面是这类网络的学习的本质。相对于BP网络而言，径向基函数网络具有较大规模，但学习速度也快于前者，并优于后者的网络函数逼近能力。因此拟合硫化程度和外温蒸汽历程的偏度值之间的映射关系时应采用RBF网络[1]。

为促进神经网络的泛化能力的提升，将测试集和训练集作为样本数据的分类组成部分。训练网络使用训练集，以学习算法为依据对网络结构参数进行调节；评价已训练好的网络性能则采用测试集。训练样本是从九组样本点中提取而来的任意八组样本点，测试样本为剩下的一组样本点。

（3）优化搜索。不同于传统算法，一个单一的度量函数的梯度或较高此统计是大多数古典的优化算法的基础，一个确定性的试验解序列由此产生。遗传算法的适应性好串的重组以有组织、随机的信息交换为基础，新串的群体由此生成[2]。

4 结果分析和讨论

以搜寻出的最优解为依据，修改外温蒸汽边界条件，同时重分析有限元，优化了的蒸汽边界和原始的蒸汽边界对比，0.6994是原始外温蒸汽条件下轮胎断面硫化程度偏度值，0.4216是优化后的偏度值。可以看出，硫化程度因优化而变得更加均匀，并提升了轮胎性能；严重过硫和欠硫的现象在优化后得到解决，原始时间比外温蒸汽时间长3min，并减少了单条轮胎的生产周期，促进了生产效率的提升，提高了能源的利用率[3]。

5 结论

以轮胎硫化的工艺过程为基础，对遗传算法、神经网络、正交试验设计进行结合，对外温蒸汽历程进行优化和分析。这种优化方法的应用前景很好，对神经网络的数字拟合进行科学利用，排除了按照具体有话要求对数学模型进行构建这一过程。使样机试验转变为利用有限元分析，使现场的实际试验次数大大减少。

参考文献：

[1]闫相桥，童剑.轮胎硫化过程的有限元分析[J].轮胎工业，2012，（12）：259-267.

[2]张建，王国林，傅乃霁，王小娟.硫化介质温度对轮胎硫化特性的影响[J].橡胶工业，2014，（09）：364-368.

[3]杨其，王海，冯彦龙，李可萌，苏巨桥，吴世见.橡胶轮胎硫化测温技术[J].轮胎工业，2013，（07）：496-499.

作者简介：殷允锋（1982-），男，山东枣庄人，助理工程师，青岛科技大学研究生在读，主要从事轮胎硫化工艺研究和管理工作。

推荐访问:硫化 人工智能 轮胎 优化 技术