橡胶配方优化设计课程论文现代橡胶配方优化设计(下)

3.橡胶CAD技术
3.1简介
目前橡胶工程领域的计算机应用已趋于普及，不仅广泛地应用在财务及管理上，而且在技术领域中如产品的结构设计、配方设计、模具设计等方面也得到广泛的应用，一般涉及到的是计算机辅助设计CAD技术。

近十年来，CAD技术在橡胶工程领域的研究中已形成了众多风格不同的应用软件系统，尤其是支持windows操作系统的专用软件系统更加受到了广大技术工作者的青睐。

这些系统不仅操作简单、直观、易学易用，而且将较新的数据库技术应用到了该领域中，可自动实现试验方案的拟定，试验结果的分析，以及配方的优化等。

RCAD全称是Rubber Computer Aided Design，即橡胶行业相关的计算机辅助设计技术，特指运用计算机辅助橡胶相关设计人员进行产品和工程设计的技术。

随着计算机性能的迅速提高，计算机在橡胶行业中的应用日益广泛深入。

由于计算机技术的引进，大大促进了设计能力的提高，不但体现了工作效率和质量方面，更体现在先进的计算机技术对传统的工作方式的促进与变革。

国内已有部分大型橡胶企业建立起较完整的CAD系统，设计开发新产品，提高市场竞争能力。

另外，少数大型企业采用CAD技术后产生的明显的经济效益，对中小企业的影响十分巨大。

它们首先应用计算机和相应的CAD软件组成CAD系统，进行产品的配方设计和工程图纸的绘制，与传统设计方法相比提高了效率。

同时，应用范围也不断扩大，而且逐步深化。

从80年代起，国内一些高等院校和科研机构在橡胶CAD技术领域内进行了大量的研究工作，自行开发了一些实用的CAD软件。

如青岛科技大学开发的“橡胶配方优化设计系统”、“轮胎消耗定额管理系统”、“轮胎结构设计系统”等。

3.2橡胶配方优化设计软件
从上世纪80年代起,青岛科技大学在橡胶配方CAD 技术领域内进行了大量的研究工作,自行研制开发了橡胶配方优化设计系统等实用的配方CAD 软件。

橡胶配方优化设计系统是综合运用橡胶工程、运筹学、概率论和数理统计及计算机科学等理论，结合大量配方设计实际经验开发而成的计算机软件系统，属于信息技术在橡胶工业中的高新技术成果。

可广泛应用于橡胶制品配方的研究开发以及工艺参数优化等，是利用信息技术改造传统配方设计的基本工具和手段。

该系统可根据给定的约束条件，自动选择试验点并安排试验方案，使得试验次数尽可能减少，通过对试验数据的处理又能够达到全面试验效果，可以揭示考察因素和考察指标间隐藏的规律、预测不同试验条件下的试验结果、优选配方或最佳工艺条件、对配方进行成本核算等。

3.3橡胶配方优化设计软件试验方法
橡胶配方设计的数学方法，包括单因素变量的试验设计和多因素变量的试验设计：（1）单因素变量试验方法，常用的有黄金分割法（0.618 法）、平分法、分批试验法、分数法（裴波那契法）、爬山法、抛物线法等。

单因素变量法比较简单，特别是用来鉴定新材料或生产中原材料变动时，只做较少的试验就可做出判断，见效快，试验数据易于处理，通过图表直观比较即可得出结论。

正因为如此，这种方法在配方试验中仍然有一定的价值。

（2）多因素试验设计方法，例如纵横对折法、坐标转换法、平行线法、矩形法、多角形试验设计法、三角形对影法、列线图法、等高线图形法、正交试验设计法、组合试验设计法、中心复合试验设计法、均匀设计法等。

现代配方优化设计又提出了专家系统及模型辅助决策系统自组织原理等概念，并且将神经网络技术、Intemet/Intranet等技术应用到了橡胶配方设计与优化之中。

下面介绍一下课程学习过程中用到的几种多因素试验方法。

3.3.1正交试验法
正交试验设计[5]（Orthogonal Design）是利用正交表进行多因素整体设计、综合比较和统计分析的一种重要的数学方法。

其特点是将试验点在试验范围内安排得“均匀分散、整齐可比”。

“均匀分散”性使得试验点均衡地分布在试验范围内，每个试验点都有充分的代表性；“整齐可比”性使得试验结果的分析十分方便，易于估计各因子的主效应和交互作用。

结果分析，一种是直观分析，另一种是方差分析。

通过对试验结果（数据）的分析，能够确定以下内容：（1）对指标影响显著的因子和对指标无关紧要的因子；
（2）对指标最为有利的水平搭配；
（3）在最优水平组合下指标大致的变化范围；
（4）进一步试验的方向。

正交试验设计因试验次数至少是试验水平数的平方，比较适合水平数不高的实验安排。

3.3.2回归设计
回归试验设计法[6]是一种处理配方变量因子与因子之间关系的数学方法，通过某种胶料性能响应方程式（回归方程式）建立起自变量（即配方组分）和因变量（即某种胶料的物理性能）之间的联系。

显然，用数学回归方程式表达的这种联系，不但有质的相互关系，而且有量的相互关系。

通式为：
y=b0+Σb i x i+Σb ii x i2+Σb ij x i x j
式中 i ≠j
回归分析的方法，主要解决以下几个方面的问题。

（1）确定几个特定的配方因子变量之间是否存在相关性，如果存在则找出合适的数学表达式。

（2）根据一个或几个配方因子变量的值预测或控制某种物理性能指标的值。

反之，也可根据几种物理性能指标的范围，预测或测出一个或几个配方因子变量的值。

通过计算可预测或控制可达到的精确度。

（3）进行配方因子的分析，弄清楚这些因子之间的相互关系。

找出哪些因子是重要的，哪些是次要的，哪些是可以忽略的，通过方程式求出所需性能的配方因子最佳组合；画出某种性能的等高线；探讨各配方因子变量对性能的影响，从而预测胶料的物理性能等。

3.3.3均匀设计
正交实验设计缺点是实验次数随着水平数呈二次指数增加。

在实验费用昂贵或者为破坏性实验时，人们希望尽量减少实验次数。

2 0 世纪 7 0 年代末，我国数学家方开泰利用数论方法发明了均匀实验设计法[7]，较好地解决了这一问题。

与以前的实验设计法相比，均匀设计法有以下特点：
（1）实验点在实验范围内分布得更均匀，具有很强的代表性；
（2）可以保证在反映事物间主要规律的前提下得到最少试验次数，最适宜多因子多水平的实验优化，而且参与实验的因素和水平越多，均匀设计能最大限度地减少实验次数的优越性越突出；
（3）可应用多种数学模型进行数据处理，如回归分析、遗传算法、神经网络等。

运用均匀设计法进行橡胶配方试验，一般包含以下几个步骤：
（1）根据实验目的，结合专业知识或生产经验，确定需要试验的因子和水平；（2）根据欲试验的因子和水平数计算出最少需要试验的次数，在选择合适的均匀表；（3）根据选择的均匀表和均匀表的使用表进行表头设计和安排试验方案；（4）按试验计划进行试验；（5）对试验数据进行分析，确定最优配方或最佳生产条件；（6）根据选取的最有配方或最佳生产条件进行论证。

选择试验设计方法时应注意以下几点[8]：
（1）试验设计应以专业知识为基础，抓住问题的关键所在，确定主要影响因素及其变化范围、关键性指标。

（2）应采用试验次数少、试验点分布合理的设计方法。

（3）采用广义因子变量以减少试验因子数目。

如在保持氧化锌和硬脂酸比例不变的情况下改变其总用量，在保持炭黑总用量不变的情况下改变两种炭黑并用比例，在分析海绵胶结构时采用强度对密度的比例未揭示泡沫的结果等。

（4）增加时间漂移量。

当试验次数较多、无法保持相同的试验条件时，试验误差会随时间延续而增加，这称为时间漂移。

时间漂移量较小时，可归入试验误差；较大时，则应进行单独处理，通常可采用分组法（如正交分组）。

（5）各种试验方法各有优缺点，试验设计也不是一成不变的，应根据实际
情况选择合适的实验设计方法。

3.4橡胶配方优化设计软件的功能特点
橡胶配方优化设计软件的开发需综合运用橡胶工艺学、运筹学、概率论和数理统计及计算机科学等理论，并用大量橡胶配方设计进行实际验证，方可用于橡胶制品的研究开发以及工艺参数优化等。

作为橡胶配方优化设计软件, 一般应包含以下功能[9]。

3.4.1 数据库管理
图2. 橡胶配方优化设计软件配方管理界面
在橡胶配方优化设计软件中，数据的种类既可分为试验数据和非试验数据，又可分为当前数据和历史数据。

为满足数据共享和实时性要求，需要用数据库管理系统中的数据，这些数据包括原材料、生产配方、试验配方、试验方案、试验数据等。

见图2，下层界面的左侧是采用树形结构对配方进行分类管理，右侧显示完整的配方，包括材料名称、材料规格、代号以及用量等。

上层为向系统中添加新配方的界面。

上方为配方基本信息，左下方为从原材料库中读取的原材料信息, 右下方为配方输入区域，配方中的原材料可以从原材料库中直接调入，实现数据共享, 提高了工作效率，更是对传统配方管理方式的促进和变革。

3.4.2 试验设计和建模
为更好的揭示试验数据中隐含的规律，减少配方研制过程中的人力物力的消耗, 使用尽量少的试验代替全面试验，使数据具有更好的代表性。

实践发现, 均匀试验设计、正交试验设计、回归试验设计等数理统计方法于橡胶配方设计中均能起到很好的效果。

试验设计和建模是根据产品设计的需要, 由配方工程师提出要求, 系统自动选择最优的试验设计方法, 给出试验方案。

试验方案用工程进行管理, 每个工程相当于一个分类, 便于试验方案的检索和维护。

系统根据用户给
定的考察因素和范围自动选择试验点并生成试验方案
3.4.3 数据处理
数据处理是对试验中测得的各项性能数据按照建立的数学模型进行运算, 对系统中数据(如试验方案等) 进行存储、调入和维护, 绘制性能曲线图及性能等高线图等。

3.4.4 性能预测和配方优选
（1）根据输入的原材料用量配比, 系统给出预测的结果。

原来设计出一个新的试验条件, 只有实施后才能知道结果, 现在让系统预测一下就知道结果如何, 不好的条件不用做试验, 自认为较好的条件可实际做一下, 这样就节省了时间和经费。

（2）根据给定的性能约束条件, 优选出满足要求的配方性能指标通常是互相牵制的, 某个考察因素的控制值一变, 几个考察指标的值可能都会发生变化, 故要求配方CAD 软件能把各种考察指标综合考虑, 优选出满足各种考察指标要求的原材料用量配比。

见图2, 上层界面中可以输入试验配方对性能的要求, 下层界面显示优选出的满足条件的配方。

3.4.5 强大的报表处理能力
橡胶配方优化设计软件能够以图形、文档等多种形式输出系统中的各种数据, 并允许用户进行部分定制。

3.4.6 与通用软件的接口
橡胶配方优化设计软件能够将系统中的数据报表自动转换为其它通用软件的格式, 如Microsoft Word、Excel等, 方便进一步编辑、作报告等。

3.4.7 数据的备份和恢复
在计算机使用过程中, 不可避免的会出现各种软、硬件故障, 甚至造成数据丢失。

所以, 作为一个健壮的软件系统, 应该具有强大的数据备份和恢复功能。

配方设计者可以很方便的对系统中的数据进行备份, 当出现问题时可以很容易的把备份的数据恢复到系统中。

3.4.8 用户管理
为增强数据的安全性, 系统应能够为不同的用户设置不同的使用权限。

如把技术主管设置为最高权限, 可以查看系统中所有数据, 配方工程师设置为一般权限, 只能查看自己设计的试验方案等。

4.回归试验设计数据分析
现选取回归试验设计的数据和其中的一个性能指标进行分析。

在试验中，水平数是9，2因子，分别是是硫磺和促进剂DCP，下表5是试验方案和测试的性能数据。

表6，是试验得到的回归方程。

表5.回归试验相关数据
序号DCP(X1)硫黄(X2)Mh-Ml / dN*M
试验1 2.00000.300016.838
试验2 3.00000.300018.839
试验3 4.00000.300020.81
试验4 2.0000 0.4000 16.299
试验5 3.0000 0.4000 19.72
试验6 4.0000 0.4000 22.81
试验7 2.0000 0.5000 15.99
试验8 3.0000 0.5000 18.838
试验9 4.0000 0.5000 21.869
表6.回归方程
性能名称回归方程
Mh-Ml y = 19.629444 + 2.727000(X1) + 0.035000(X2) + 0.476750(X1X2)
-0.029667(X1^2) -0.745667(X2^2)
对（M h-M l）取16.838、16.299、15.99、18.839、19.72、18.838、20.81，绘制性能等高线。

由图3可知，在硫磺、DCP的这个试验范围，基本能够满足（M h-M l）的性能要求，当DCP用量固定时，硫磺用量变化对（M h-M l）的影响较小；当硫磺用量固定时，随DCP用量的增加，（M h-M l）的值增大。

图3.回归设计中(Mh-Ml)
根据上述分析，现将DCP回归设计性能曲线分析
图4. 回归设计中(M h-M l)与DCP用量的关系图
现固定硫磺用量为0.400phr。

由图4所示，硫磺用量固定时，表示交联程度的参数(M h-M l)数值随DCP用量的增加，而呈线性增大。

5.结语
橡胶配方设计是个古老的问题，对经验的依赖性很大。

电子计算机作为一种新的计算手段，可帮助配方工作者进行综合性的分析。

但是如果认为有了电子计算机，就可以把配方工作者原来的配方设计经验完全抛弃，那是完全错误的；相反，必须依赖配方工作者丰富的知识和经验，抓住客观事物的本质，才能把配方因素变化原因找出来。

由于这个原因，只懂电子计算机的程序设计和计算操作而不懂橡胶工艺配方的人，将无法运用计算机作配方设计和优选配方。

从另一个角度来说，如果配方工作者掌握数理统计方法和电子计算机程序设计原理，结合经验作系统的配方设计，了解影响配方本质的主要因素，则能够收到很好的效果。

21世纪是高度信息化的时代。

而计算机的广泛应用以及软、硬件技术的飞速发展，为橡胶配方优化设计提供了强有力的工具。

面向信息时代，橡胶工业应该建立新的橡胶配方优化设计概念，充分利用计算机辅助设计技术, 最终实现配方设计的人工智能化与网络化。