臺灣博碩士論文加值系統

中 文 摘 要
本研究在探討，發泡塑膠板用於熱壓成型製程的可行性，並由實驗方法進行改善，用以提升發泡塑膠熱壓成型產品的品質，對工業界提出有效的製程對策與加工參數。
由於熱壓成型製程的加工條件變因很多，而且各變因之間的關係複雜，呈現高度地非線性，故不易以數學式模擬，因此在這樣的情況下，如果使用一般的實驗研究方法，將會耗費許多時間及成本，因此本研究將採用不同於以往的實驗與分析模式，先進行單一實驗，量取成品數據，用以做為訓練類神經網路訓練的資料庫。其次建立以類神經網路為基礎的逆向模型，將期望的產品尺寸作為輸入，求得預期產品特性所應有的加工參數，最後結合ANSYS軟體，做有限元素分析，更進一步的求出，發泡塑膠在熱壓成型製程上，最佳的加工參數。

Abstract
Thermoforming of polymeric foam sheet has increasingly become an important process in industry because of their low cost and easy formability. However there are some unsolved problem confound the overall success of this technique. Nonuniform thickness distribution caused by inappropriate processing condition design is one of them. This report is devoted to investigate the effects of different processing parameters on the thermoforming of polymeric foam.
The first part of this report studies the formability of thermoforming of polymeric foam sheets. The sheets used were polypropylene foam with an initial thickness of 2mm. Experiments were conducted on a lab-type thermoforming machine that was specially designed and built for this study. The second part of this report is to optimize the thermoforming process of polypropylene foam by Artificial Neural Network. After being verified by numerical simulations and experiments, the optimum parameters of the thermoforming process could be exactly forecasted by the Artificial Neural Network model. In addition, the ANSYS finite element analysis was used to simulate the optimum thickness distribution of the thermoformed parts.

目 錄
誌謝……………………………………………………………………….I
中文摘要………………………………………………………….……...II
英文摘要……………………………………………………...….……...III
目錄……………………………………………………………………..IV
圖目錄………………………………………….………………...…..VIII
表目錄………………………………………..………………..….….....XI
第一章 導論……………………………………………….………….….1
1.1 發泡塑膠材料簡介………………………………………………1
1.2 熱壓成型…………………………………………………………3
1.2.1 熱壓成型的原理…………………………………………...5
1.2.2 熱壓成型的操作步驟……………………………………...9
1.2.3 熱壓成型的種類…………………………………….……12
1.2.4 熱壓成型的材料及其應用…………………………….…13
1.2.5 熱壓成型之優缺點……………………………………….15
1.3 研究動機………………………………………………………..18
1.4 研究方向與目標………………………………………………..19
1.5 論文架構………………………………………………………..20
第二章 文獻回顧………………………………………………….……21
2.1 熱壓成型相關文獻……………………………………………..21
2.2 類神經網路技術相關文獻…………………………………..…23
第三章 實驗材料與實驗設備………………………………………….26
3.1 實驗材料………………………………………………..………26
3.1.1 聚丙烯材料…………………………………….………..26
3.1.2 發泡聚丙烯材料………………………………………...28
3.2 實驗設備及量測儀器……………………...…………….…….30
3.2.1 實驗設備…………………………………………………30
3.2.2 量測儀器…………………………………………………31
第四章 相關理論介紹……………………………………………….…34
4.1 逆向模型……………………………………………………..…34
4.2 類神經網路……………………………………………………37
4.2.1 人工神經元模型…….…………………………………39
4.2.2 轉移函數…………………….…………………………40
4.2.3 網路架構...……….……….……………………………42
4.2.4 訓練方式……………….………………………………44
4.3 類神經網路的種類……………………………………………46
4.4 類神經網路的優點……………………………………………47
第五章 實驗方法與流程…………………………………………….…49
5.1 試模……………………………………………………………..50
5.2 單一參數實驗………………………………………………. …51
5.2.1 單一參數實驗的意義……….…………………………51
5.2.2 單一參數實驗方法.…….……………………………52
5.3 實驗數據的量測……..………………………………….……...53
5.4 建立類神經網路訓練資料庫………………………….……….55
5.4.1 資料庫前處理與後處理………………………………...57
5.4.2 倒傳遞網路的架構………………………...……………62
5.4.3 倒傳遞網路的訓練………………………...…………....67
5.4.4 倒傳遞網路訓練的程式………………………………...70
5.5 有限元素結構分析…………….……………………………….71
5.5.1有限元素分析之基本架構…….………….……..………71
5.6 確認實驗…………………………………………………….….77
5.7實驗流程…………………………………………………..…….78
第六章 實驗結果分析與討論………………………………..…79
6.1 試模結果……………………………………………………..…80
6.2 單一參數實驗結果…………………………………….….……85
6.3 影響網路訓練的參數探討……………………………………..93
6.3.1 訓練過程討論………………………………………...…94
6.3.2 各參數之影響………………………………………….105
6.4逆向模型建立……………………………………………….…116
6.4.1 參數選擇……………………………………………….116
6.4.2 建立逆向模型………………………………………….119
6.4.3 驗證逆向模型………………………………………….123
6.4.4 測試逆向模型………………………………………….127
第七章 應用逆向模型預測最佳加工參數……………………….…132
7.1有限元素最佳化分析……...…………………………………..132
7.2 預測最佳加工參數…………….………………..…………….133
7.3 確認實驗………………………………………………………134
第八章 結論………………………………………………………….137
8.1 結論與建議………………………………………………..…137
8.2 未來研究的方向…….……………………………………….140
參考文獻………………………………………………………….……141
附錄一 倒傳遞網路的訓練程式…………………………………….146
附錄二 模型A與模型B之權重值及偏權值……………………….149
附錄三 英文論文……………………………………………….…....157
圖目錄
圖1.1 各種熱壓成型品…………...……………………………..……..4
圖1.2 熱壓成型的程序…………...……………………………………5
圖1.3 連續式熱壓成型加工……..………………………………….…7
圖1.4 非連續式熱壓成型加工……...…………………………………8
圖1.5 塑膠的模數/溫度關係圖…………………..…………………..13
圖1.6 不同溫度的抗張強度與伸長率變化………….…………..…..17
圖3.1 熱壓真空成型機……………………………………………….30
圖3.2 光電控制計數計時器………………………...………………..31
圖3.3 螺旋測微計………………………………….…………………33
圖4.1 逆向模型（inverse model）概念圖……...………..……….……35
圖4.2 逆向模型（inverse model）製程最佳化最示意圖………..……36
圖4.3 人類神經元圖……………………………...…………….…….37
圖4.4 人工神經元模型…………………………...…………………..39
圖4.5 四種常用轉移函數…………………………...………………..40
圖4.6 類神經網路架構圖…………………………...………………..42
圖4.7 類神經網路運作的示意圖…………………...………………..44
圖5.1 杯子厚度量測部位剖面圖………………….…………..……..53
圖5.2 倒傳遞之神經元模型………………………………………….62
圖5.3 正切雙彎曲轉移函數（Tan-Sigmoid）…………..……………..63
圖5.4 線性曲轉移函數（Pure-Line）…………………...……………..63
圖5.5 對數雙彎曲轉移函數（Log-Sigmoid）…………..……………..64
圖5.6 多層前饋網路………………………………………………….66
圖5.7 杯子於ANSYS分析之幾何形狀………...……..……………..72
圖5.8 杯子meshing圖……………………………..…..……………..73
圖5.9 杯子的邊界條件定義…………………………...……………..74
圖5.10 杯子的負載圖…………………………………...……………..75
圖5.11 杯子的分析結果………..…………………………….....……..76
圖6.1 發泡PP板與發泡PE板的成型比較…….…….…………..…..80
圖6.2 發泡PP板與純PP板比較…….………………….………..…..81
圖6.3 發泡PP板1-6點壁厚分布……….………………………..…..81
圖6.4 溫度低於158℃無法成型………………..….……………..…..82
圖6.5 溫度高於263℃易破裂…………..………….……………..…..82
圖6.6 不使用plug其三種材料之成型………..…...……………..…..83
圖6.7 plug下降至79mm（離杯底18mm處）………………….....…..83
圖6.8 plug下降97mm（離杯底0mm處）………...……………....…..84
圖6.9 使用plug其三種材料之成型……………...……………..…..84
圖6.10 材料溫度與六點厚度關係圖…………..……..…………...…..87
圖6.11 plug下降距離與六點厚度關係圖…….….…………………..88
圖6.12 抽真空時間與六點厚度關係圖……….……………..…..…..89
圖6.13 壓力與六點厚度關係圖……………...…………………..…..90
圖6.14 plug下降速度與六點厚度關係圖….……………..……..…..91
圖6.15 plug材料與六點厚度關係圖….……………………………..92
圖6.16 5組~35組的訓練過程圖……….……………..………..…...101
圖6.17 神經元的訓練過程圖….…….……...……………..……..…102
圖6.18 疊代次數的訓練過程圖………………...…..……..……..…103
圖6.19 α（學習速率）的訓練過程圖……………..………………104
圖6.20 測試誤差值與訓練組數關係圖…………....……………….108
圖6.21 測試誤差平方和與訓練組數關係……..…………………...109
圖6.22 測試誤差值與神經元數目關係圖………..…...……………110
圖6.23 測試誤差平方和與神經元數目關係圖………………….…111
圖6.24 測試誤差值與訓練次數關係圖…..………...………………112
圖6.25 測試誤差平方和與訓練次數關係圖……..……….…….….113
圖6.26 測試誤差值與學習速率（α）關係圖……...….…………….114
圖6.27 測試誤差平方和與學習速率（α）關係圖…………….…115
圖6.28 模型A訓練過程圖……………...……..….……..………….121
圖6.29 模型B訓練過程圖…………………..…..…………..…...…122
圖6.30 模型A驗證輸出值與目標值關係圖……….……...……….125
圖6.31 模型B驗證輸出值與目標值關係圖…………………….…126
圖6.32 模型A測試輸出值與目標值關係圖……..……………..….130
圖6.33 模型B測試輸出值與目標值關係圖……………...……..…131
圖7.1 最佳化處理前後杯子的變形…………..……………..…….133
圖7.2 確認實驗值與目標值之誤差關係圖…………..………..….136
表目錄
表4.1 各種轉移函數及其功能表…….……………………….…...…41
表5.1 PP發泡板熱壓成型單一參數實驗表……………………..…52
表6.1 單一參數實驗-材料溫度……………..……..…………………87
表6.2 單一參數實驗-（plug）下降距離……….………………………88
表6.3 單一參數實驗-抽真空時間……….……………………...……89
表6.4 單一參數實驗-壓力……………….………………………...…90
表6.5 單一參數實驗-（plug）速度….…..………………………..……91
表6.6 單一參數實驗-（plug）材料………..………………...…………92
表6.7 影響網路訓練的參數表……………………………………….94
表6.8 變動參數-訓練組數………………………………………..…101
表6.9 變動參數-神經元數目…………….…………………...…..…102
表6.10 變動參數-訓練次數……………….……….…………..…..…103
表6.11變動參數-學習速率……………….………….…….….…...…104
表6.12 測試誤差值-訓練組數………………………………….…….108
表6.13 測試誤差值平方和-訓練組數………………………………..109
表6.14 測試誤差值-神經元數目……………………………………..110
表6.15 測試誤差值平方和-神經元數目……………………….…….111
表6.16 測試誤差值-訓練次數…………………..………………..…..112
表6.17 測試誤差值平方和-訓練次數…….………………………….113
表6.18 測試誤差值-學習速率（α）…………………………………..114
表6.19 測試誤差值平方和-學習速率（α）…….…………………….115
表6.20 參數組合表……………………………………….…………..117
表6.21 驗證組輸入值………………………….……………………..123
表6.22 驗證組目標輸出值…………………….……………………..123
表6.23 模型A之驗證誤差值…………………….…………………..125
表6.24 模型B之驗證誤差值……………………..……………...…..126
表6.25 測試組輸入值………………………….……………………..127
表6.26 測試組目標輸出值………………….………………………..128
表6.27 模型A之測試誤差值…………………….…………………..130
表6.28 模型B之測試誤差值…………………….…………………..131
表7.1 模擬最佳厚度組合表……………….….…………………….134
表7.2 預測最佳加工條件組合……….…….……………………….134
表7.3 六點最佳化確認實驗值……………………….……………..135
表7.4 實驗值與目標值之誤差……………………….……………..136
表8.1 單一參數實驗的結果總整理…………………….…………..140

1. Hiroyuki HAMADA,Toshihiko OKUMURA, “Optimnm Analysis Method For Thermoforming Process By Numerical” , ANTEC , pp.800-804 (1995)
2. A. AROUJALLAN, M. O. NGADI, and J-P. EMOND, “Wall Thickness Distribution in Plug-Assist Vacuum Formed strawberry Containers” , Polymer Engineering And Science, Vol.37 , No.1, pp.178-182(1997)
3. S.-J Liu “Process Optimization of Thermoforming PP/CaCO3 Composites” ,Hanser Publish, Munich Interm.. Polymer Processing XIV, pp.98-102 (1999)
4. REMKO AKKERMAN* and RUUD PRONK , “Vacuum Forming of Thermoplastic Foam” , Polymer Engineering And Science, Vol.39 , No.10, pp.2064-2074(1999)
5. JE KYUN LEE , TERRY L. VIRKLER , and CHRIS E. SCOTT* , “Effects of Rheological Properties and Processing Parameters ABS Thermoforming” , Polymer Engineering And Science, Vol.41 , No.2, pp.240-261(2001)
6. 姚成福，“基於類神經網路及遺傳演算法之金屬切削參數預測模式”，國立屏東技術學院機械所碩士論文，(1996)。
7. 李建宏，“類神經網路在最佳化設計之應用”，國立中興大學碩士論文，(1999)。
8. 沈子坤， “類神經網路在逆向模型及氣體輔助射出製程最佳化之應用”，長庚大學碩士論文，2000。
9. 游寶達，黃仁竑，“類神經網路與模糊理論的設計理念”，模糊系統學刊，第1期，pp.29-36，(1996)。
10. 戴競志，, “類神經網路應用於射出成型模注入口最佳化選擇”，工程科技通訊。
11. 陳勝利，徐淳穎，“以模糊理論及類神經理論探討次微米MOSFET元件臨限電壓預測之研究”，大葉學報，8卷 2期，pp.229-237，(1999 )。
12. 江茂雄，余冬帝， “適應性類神經模糊控制應用於電液負載感測系統之研究”，機械月刊，第7期，pp.325-335，(2001)。
13. 陳厲生，“類神經網路應用於機台參數設定”，機械工業雜誌，元月號，pp.131-143，(2001)。
14. QIN SUN,* DONG ZHANG, BINGHEN CHEN,-and Larry C. WADSWORTH, “Application of Neural Networks to Meltblown Process Control” , Journal of Applied Polymer Science , Vol.62 , pp.1605-1611 (1996)
15. H. D. KiM* and S. Y. Kim , “Application of Neural Networks to Analyze the Drawing Peocess of PET Films ” , Interm.. Polymer Processing XII, pp.378-314 (1999)
16. Tatiana Petrova, David Kazmer, “Development of Hybrid Neural network for Quality Control of Injection Molding”, ANTEC , pp.655-659 (1998)
17. M. J. PARISI, M. E. RYAN, and J.-M.. CHARRIER , “Experimental Study on the Dynamics of Thermoforming of Polystyrene” , Polymer Engineering And Science , Vol.34 , No.2, pp.102-107 (1994)
18. S. W. LYE, S. G. LEE and S. B. TOR , “A Parametric Study of the Shock Charateristics of Expandable Polystyrene Foam Protective Packaging” , Polymer Engineering And Science , Vol.38 , No.4, pp.558-565 (1998)
19. Byeong-Hyeon Min* and Byoung-Chul Shin** , “A Atudy on Volumetric Shrinkage of Injection Molded Parts based on Neural Network ”, Dong-eui Unversity, 1997
20. Lefteri H. Tsoukalas and Robert E. Uhrig, “FUZZY AND NEURAL APPROACHES IN ENGINEERING ”, JOHN WILEY& SONS, INC,1994
21. YUHUA SONG, K. F. ZHANG, Z. R. WANG, and F. X. DIAO “Coupled Thermo-Mechanical Analysis for Plastic Thermoforming ”, Polymer Engineering And Science , Vol.40 , No.8, pp.1736-1746 (2000)
22. J. M. ANZANO , I. B. GORNUSHKIN , B. W. SMITH, and J. D. W, “Laser Induced Plasma Spectroscopy for Plastic Identification ”, Polymer Engineering And Science , Vol.40 , No.11, pp.2423-2429 (2000)
23. JOHN D. MUZZY and XIANG WU and JOHATHAN S. COLTON “Thermoforming of High Performance Thermoplastic Composites”, Polymer Composites , Vol.11 , No.5, pp.280-285 (1990)
24. V. E. Malpass and J. T. Kempthorn “Comparison of Polyolefin Thermoforming by Hot Tensile Testing”, ANTEC , pp.63-68 (1986)
25. J. C. Moller, J. J. Rowe, “Prediction of injection Molded Part Quallity By Neural Networks”, ANTEC , pp.651-654 (1998)
26. T. Petrova, D. Kazmer, “Development of hybrid NeurL network for Quality Control of Injection Molding”, ANTEC , pp.665-659 (1998)
27. Martin J. Stephenson and Michael E.Ryan “Product Variability Associatedb with Continuous Sheet-Fet Thermoforming Operations”, ANTEC , pp.822-830 (1995)
28. Chung, W. R. , T. W. Lee, “Thermoforming simulation of a plastic cup ”, ANTEC, pp.117-121 (1992)
29. Kouba. K., Bartos O., Vlachopoulos. J.:, Polym. Eng. Sci.30, pp.1314 (1990)
30. J. Frados, ed., Plastic Engineering Handbook, 4th Ed, pp.306(1976)
31. B. D. Carleer, “Finite element analysis of deep drawing”, PhD thesis, University of Twente (1997)
32. M. M. V. ADRIANI, and F. SIMIONI, “Chemical and Physical Blowning Agents in Structural polyurethane foams: Simulation andCharacterization”, Polymer Engineering And Science , Vol.40 , No.9, pp.2046-2057 (2000)
33. S. O., Y. LETERREIR, and J. E. MANSON , “Recycling of poly Into Closed-Cell Foams ”, Polymer Engineering And Science , Vol.40 , No.8, pp.1942-1954 (2000)
34. M. A. L. MAN, J. BIAGIOTH, and J. M. K.,“Effect of Reinforcing Fibers on the Crystallization of polypropylene ”, Polymer Engineering And Science , Vol.40 , No.40, pp.2194-2204(2000)
35. E. Ram., D. N.av, and J. S. Lin,“Morphological and Mechanical Properties of Polyproylene PP/Poly Blends.I.Homopolymer PP/EVA System ”, Polymer Engineering And Science , Vol.40 , No.10, pp.2241-2250(2000)
36. S. C. Lee and J. H. Baek,“Shrinkage Nalysis of Molded Parts USING Neyral Network ”, Journal of Reinforced and Composites , Vol.18 , No.2, pp.186-195 (1999)
37. 陳建源，“類神經網路及其應用簡介”，檢測科技，14卷 4期，pp.229-237，(1996)。
38. 郭嘉騰，樓康寧，“類神經網路的應用簡介（一）”，自動化科技，115卷，pp.168-173，(1993)。
39. 郭嘉騰，樓康寧，“類神經網路的應用簡介（二）”，自動化科技，117卷，pp.119-125，(1993)。
40. 蔡金津，蕭柏齡，施希弦, “CO2微細發泡體製程理論含浸時間研究”，工研院化工所塑膠加工研究室。
41. 翁彰明，黃啟洲，汪玉琪，“發泡體與加工及參和之關係”，工研院化工所。
42. 尤俊源、吳建郎等，“物理實驗（上）”，新科技書局。
43. 陳劉旺、丁金超，“高分子加工”，高立圖書。
44. 張志純，“塑膠大全”，徐氏基金會出版。
45. 賴育良、林啟豪、謝忠祐，“ANSYS電腦輔助工程分析”，儒林圖書公司。
46. 張子成，“塑膠產品設計”，全華科技圖書股份有限公司。
47. 葉晉斌，何鐵生，姬良文等，“物理實驗（上）”，文楊出版社。
48. 劉士榮，塑膠加工學，洪秀婉出版，台北市，1995。
49. 劉士榮， 高分子流變學， 洪秀婉出版， 台北市，1995。
50. 三照有限公司，“真空熱壓成型機操作保養說明書”。
51. 羅華強，“類神經網路－MATLAB的應用”，清蔚科技股份有限公司。