基于GA-ELM及遗传算法的注塑件成型工艺优化

以某电器扣盖壳体注塑成型工艺参数优化为例,对正交试验结果进行极差分析,得到各工艺参数对塑件翘曲变形量的影响程度顺序为保压时间＞模具温度＞注射时间＞熔体温度＞保压压力＞冷却时间.利用遗传算法优化后的极限学习机网络模型(GA-ELM)预测该塑件的翘曲变形量,得到训练好的GA-ELM模型可以很好反映6个工艺参数与翘曲变形量之...     

基于灰色关联分析的注塑工艺多目标优化及PSO–SVM预测模型的建立

针对某电器活动上盖翘曲变形及体积收缩问题,对相关注塑工艺参数进行正交实验设计,在Moldflow中模拟分析,并对翘曲变形量及体积收缩率进行信噪比优化处理。利用灰色关联分析法得到翘曲变形量和体积收缩率的灰色关联度,通过对灰色关联度进行极差分析得到各注塑工艺参数对塑件综合目标(翘曲变形量及体积收缩率同时较小)的影响程度为:保压时间>注塑时间>模具温度>熔体温度>保压压力>冷却时间,同时由灰色关联度极差分析结果得出最优工艺参数组合,在最优工艺参数组合下的翘曲变形量相对于正交实验水平下最小翘曲变形量降低了11.8%,体积收缩率相对于正交实验水平下最小体积收缩率降低了5.9%。最后采用粒子群优化算法(PSO)优化后的支持向量机(SVM)神经网络模型对该塑件翘曲变形量及体积收缩率进行预测,通过与不优化的SVM神经网络及BP神经网络预测模型相比发现,PSO–SVM神经网络模型预测精度及稳定性都优于SVM及BP神经网络,可以用于塑件翘曲变形量和体积收缩率的协同优化,解决塑件实际翘曲变形及体积收缩问题。     

基于BP神经网络的双色塑件翘曲变形量预测

以某遥控器前壳双色塑件注塑成型为例,以该塑件在注塑成型过程中的翘曲变形量为研究目标,提出了一种结合AMI数值模拟、正交试验和BP神经网络的双色塑件翘曲变形量快速、准确的预测方法。首先建立了基于AMI数值模拟的CAE模流分析模型,并对注塑成型工艺参数及翘曲变形量进行数值模拟分析;之后结合正交试验设计法使AMI软件数值模拟结果在指定的工艺参数范围内实现了离散分布;最后以正交试验数据为基础建立BP神经网络预测模型,通过Matlab训练网络使其满足误差精度要求,从而达到准确预测新工艺参数下翘曲变形量的目的。结果表明:训练出的BP神经网络模型具有很高的预测精度,能够满足对该双色塑件翘曲变形量准确、快速的预测要求。     

基于模糊集的车用升降器开关面板注射成型保压曲线优化研究

研究了车用升降器开关面板制件产生翘曲变形的原因;通过选择保压曲线模型及参数进行正交实验设计并在Moldflow软件中进行模拟分析,得到了制件的翘曲变形量;通过对翘曲变形量进行极差分析,得到了极差分析优化法的最优工艺参数组合;利用模糊集（Vague 集）对体积收缩率标准差（δ）和最大体积收缩率（V_max）进行多目标优化,求取了Vague集优化法的最优工艺参数组合;并将不同优化方法得到的翘曲变形量进行了对比。结果发现,收缩不均是引起该制件翘曲变形的主要因素;极差分析优化法对应的翘曲变形量较正交实验中最小翘曲变形量降低了1.5 %,优化效果不明显;Vague集优化法对应的翘曲变形量较正交实验方案中最小翘曲变形量降低了26.5 %,制件内部压力分布无较大差异,优化效果优于极差分析法,很大程度上降低了该制件的翘曲变形程度。     

基于支持向量机算法的微注射成型工艺参数优化

为了控制菲涅尔透镜在注塑过程中的翘曲变形量,采用支持向量机算法建立了菲涅尔透镜的翘曲预测模型,并对该模型的预测精度进行了研究.采用正交试验法获取注塑工艺参数,各组注塑工艺经Moldflow仿真得出模型的训练样本及检验样本数据.然后,对支持向量机算法建立的翘曲预测模型进行样本学习,训练完毕后由检验样本验证该模型的预测精度.实验结果表明:采用支持向量机算法建立的预测模型预测误差比较稳定,均在0.2%以内.因此,采用支持向量机算法建立菲涅尔透镜的翘曲预测模型可有效地预测菲涅尔透镜的最大翘曲量,且预测的精度与稳定性较高.     

基于CAE和正交试验的工艺参数对翘曲变形的研究

利用CAE技术,选取模具温度、熔体温度、保压压力、保压时间等工艺参数作为研究对象,以塑件在不同方向的翘曲变形量为指标,利用正交试验建立L_(16)(4~5)正交试验表,优化最佳工艺参数组合,有效减少塑件的翘曲变形。通过方差分析,得出对塑件x、y、z方向翘曲变形影响最大因素分别为熔体温度、保压压力、保压压力;对塑件x、y、z方向翘曲变形影响最小因素分别为模具温度、保压时间、保压时间。     

电连接器接触件注塑成型翘曲变形的优化分析

结合正交试验法和数值分析,以最大翘曲量为质量指标,研究了不同工艺条件下某Y型电连接器接触件注塑成型过程,通过对翘曲变形的极差分析,确定了熔体温度、模具温度、注射时间、保压压力、保压时间等工艺参数对翘曲变形的影响敏感性。利用BP(back propagation)人工神经网络,建立主要工艺参数和塑件翘曲变形量之间的数学模型,并进行了预测。结果表明:所建立的数学模型具有较高的预测精度,从而达到以较少的试验实现注塑成型工艺的优化与控制。     

基于神经网络与正交试验的塑件翘曲变形优化

针对塑件在注塑成型过程中出现的翘曲变形过大的问题,采用了人工神经网络、正交试验和数值模拟三者结合的方法改进了注塑成型的工艺参数,优化塑件的翘曲变形。首先以正交试验得到的数据作为神经网络的训练样本,建立了输入、输出分别为成型工艺参数与塑件翘曲变形量的神经网络模型,并用样本验证模型的准确度,从而提高了成型工艺参数的选择效率。其次,采用验证过的神经网络模型代替CAE模拟仿真来获得塑件的翘曲变形量,结合正交试验法,改进了注塑成型工艺参数,得到了塑件的最佳成型工艺参数组合,使塑件的最大翘曲变形量降低了61%。最后,通过对塑件的实际制造证实了优化方案的正确性。     

汽车B柱外饰板双色注塑翘曲变形分析及工艺优化

以某汽车B柱外饰板塑件[由聚甲基丙烯酸甲酯(PMMA)/丙烯腈-丁二烯-苯乙烯塑料(ABS)两种材料组成]为研究对象，以厚度比、熔体温度、保压压力、保压时间为影响因素，结合拟水平法进行Taguchi正交试验设计，基于Moldflow软件进行模拟仿真，并对试验数据进行极差、方差分析处理，最后得出最佳的双色注塑工艺组合方案。结果表明，厚度比是影响塑件翘曲变形量的最为重要的因素，其次是保压时间、保压压力，最后是熔体温度。在总厚度不变的情况下，改变PMMA/ABS的厚度比值，塑件所产生的翘曲变形量将发生改变，第一次注射的厚度越薄，所产生的翘曲变形量越大，当厚度比越趋近于1时，所产生的翘曲变形量越小。最佳工艺组合为：厚度比0.96∶1，内层(ABS层)成型阶段熔体温度240℃、保压压力80 MPa以及保压时间6 s，外层(PMMA层)成型阶段熔体温度260℃、保压压力50 MPa以及保压时间6 s。优化后得到的总翘曲量为1.435 mm，相比优化前翘曲量降低了69.7%。     

汽车音响面板热流道注射成型工艺优化研究

针对某汽车音响面板在注射成型过程中易发生翘曲变形的现象,在该塑件工艺分析和翘曲变形预测理论分析的基础上,利用UG和Moldflow构建了该塑件的三维模型和分析模型,设计了以翘曲变形值最小为实验目标和以充填时间A、熔体温度B、模具温度C、保压压力D和保压时间E为因子的正交实验方案,并运用Moldflow进行了注射成型工艺模拟实验。通过对实验结果进行极差和方差分析得出,对塑件的翘曲变形量影响程度从大到小依次为DBACE,保压压力占比65.76%,最优工艺参数为充填时间1.4 s、熔体温度250℃、模具温度60℃、保压压力64 MPa、保压时间11 s,其翘曲变形值为0.549 7 mm,比用推荐工艺参数的翘曲变形值减少了24.84%。实践表明,采用该优化工艺生产的塑件,翘曲变形小,无熔接痕,质量优良,易于装配。     

基于MPI和灰色关联异型出风罩注塑参数优化

针对某异型出风罩注塑成型工艺,以聚碳酸酯/丙烯腈-丁二烯-苯乙烯共聚物(PC/ABS)工程塑料合金为填料,运用Moldflow软件对其注塑过程进行模流分析,通过田口实验设计研究了熔体温度、保压时间、保压压力、注射时间和模具温度对塑件收缩率和翘曲变形量的影响,得到它们对塑件收缩率的影响次序为:保压时间>熔体温度>保压压力>注射时间>模具温度,对翘曲变形量的影响次序为:保压压力>注射时间>熔体温度>保压时间>模具温度。基于灰色关联分析,获得了最优组合工艺参数,即:熔体温度280℃、模具温度为65℃、注塑时间2.1 s、保压时间11 s、保压压力21 MPa。优化后的仿真结果表明,塑件的体积收缩率为6.523%、翘曲变形量为0.80 mm,比灰色关联次序中位组合的样本数据分别降低6.9%和15.8%,并获得最大注射压力为20.34 MPa、最大锁模力为3.25×10^5 N,为后期模具的设计和注塑参数设定提供了有力的参考,缩短了模具开发周期。     

基于计算机辅助工程的测绘仪连接器注塑参数优化

以某玻纤增强PA66材料的测绘仪连接器为研究对象,为降低最大翘曲变形量和质量,设计正交试验探究的工艺参数优化方案。工艺参数对最大翘曲变形量的影响程度排序为:模腔温度>保压压力>注射时间>料筒温度,对质量的影响程度排序为:料筒温度>注射时间>模腔温度>保压压力。基于各因素影响的显著性程度,最优的工艺参数组合为A₄B₄C₂D₃。相比初始工艺,优化工艺下最大翘曲变形量降低44.9%,质量降低9.3%,均达到设计指标要求。模拟分析及实际试模发现,产品外观良好、尺寸公差满足要求,验证优化工艺的合理性。     

基于优劣解距离法⁃灰色关联分析的注射成型质量多目标优化

为提高座厕椅面板注射成型质量,将优劣解距离法（TOPSIS）与灰色关联分析相结合,提出了基于TOPSIS的灰色关联综合评价模型。首先,优化并确定了塑件浇注系统,然后进行正交试验设计,选择模具温度、熔体温度,注射时间、保压压力、保压时间为试验因素,以翘曲变形量、缩痕指数、体积收缩率为评价指标,运用Moldflow软件进行模拟分析;根据正交试验数据,利用基于指标相关性的指标权重确定（CRITIC）法确定了各评价指标权重系数,采用基于TOPSIS的灰色关联综合评价方法,将多目标优化转化为单目标优化问题,获得了塑件的最佳注塑工艺参数组合。结果表明,优化后的塑件体积收缩率降低14.6 %、缩痕指数降低43.3 %,翘曲变形量与优化前基本一致,塑件综合质量显著提高。     

飞机气门减震器注塑成型液路孔圆柱度优化分析

以注塑成型的飞机气门减震器为研究对象,探究其液路孔圆柱度的工艺参数优化方案。以熔体温度、模具温度、保压压力及保压时间为研究的自变量,设计正交试验并进行分析。结果表明:各工艺参数对液路孔圆柱度的影响程度排序为:保压时间>熔体温度>模具温度>保压压力。当工艺参数组合为A₂B₂C₂D₃,即熔体温度330℃、模具温度140℃、保压压力80 MPa、保压时间12 s,液路孔圆柱度获得最优值。优化工艺的液路孔圆柱度为0.218 mm,相比初始工艺降低38.6%,优化效果显著,且满足设计指标的要求。采用优化工艺进行试模得到的样品外观状态良好,液路孔圆柱度满足要求,证明优化工艺的合理性。     

注塑成型工艺参数对PP饭盒盖翘曲变形量的影响研究

以聚丙烯(PP)饭盒盖为研究对象,针对其在注塑过程中存在的质量缺陷问题,以翘曲变形量为优化目标,熔体温度、模具温度、保压时间、冷却时间为影响因子设计了4因素5水平的正交试验。用Moldflow软件进行仿真,对试验结果采用极差分析法,获得了使翘曲变形量最小的各因素水平,进而获得最佳工艺参数组合。其中熔体温度为275℃,模具温度为80℃,保压时间为12 s,冷却时间为45 s,优化后翘曲变形量为1. 699 mm。最佳工艺参数组合有效降低了翘曲变形量,并且发现各因素对塑件质量的影响程度为熔体温度>冷却时间>保压时间>模具温度,为实际生产提供了理论指导。     

基于DOE、RSM及PSO的大尺寸板类塑件的翘曲优化

首先通过实验设计（DOE）分析得出对柜式空调面板翘曲变形影响较大的工艺参数为熔体温度、模具温度、保压压力和保压时间。其次,以这4个工艺参数为实验变量,以面板的翘曲量为目标,采用响应面法（RSM）构建出两者之间的二阶响应面模型,并优化出翘曲量最小的工艺参数,翘曲量预测误差率仅为2.486 %,模型精度较高。最后,运用粒子群算法（PSO）对二阶响应面模型进行迭代寻优,得出最优工艺参数。验证结果表明,PSO优化误差为4.882 %,相比于RSM优化,翘曲量实际值由5.217 mm降为3.459 mm,降低了38.367 %,优化效果较好。     

塑料盖注塑成型方案分析及翘曲变形参数优化

以塑料盖作为研究对象,获得最优成型方案,预测塑件成型后的翘曲变形程度以提高塑件质量。初步提出两种注塑工艺方案加工塑料盖,使用Moldflow软件对两种方案注塑过程进行模拟对比分析,对产生翘曲缺陷的原因进行研究;利用五因素四水平的正交试验,以减小翘曲变形程度作为优化目标,优化工艺参数。模拟结果表明:方案二为最优方案,且翘曲变形主要是由收缩不均匀以及取向不均匀而造成的,翘曲变形程度最小的工艺参数组合为熔体温度250℃、模具温度60℃、保压时间12 s、冷却时间12 s、填充时间0.9 s,优化后比优化前翘曲变形程度降低9.4%左右,熔料熔接和材料性能也有所改善,塑料盖整体质量提高。实验可有效地缩短塑料盖的研发周期,降低生产成本,提高塑料盖的研发成功率。     

基于计算机辅助技术的汽车油底壳注塑成型优化设计研究

汽车塑料油底壳密封面的法向翘曲变形量直接影响其装配和密封性能。以某玻纤增强PA6油底壳为研究对象,采用计算机辅助技术与正交试验,探究注射时间、保压压力、保压时间、熔体温度、模具温度及冷却时间对其最大密封面法向(X向)翘曲变形量的影响。对比分析单点及两点热流道进胶方案,发现两点进胶方案在流动前沿温度、注射压力和填充末端压力方面效果更好。优化工艺下X向最大翘曲变形量为0.739 9 mm,相比初始工艺降低47.1%,满足设计指标要求。实际试模产品外观及X向翘曲变形结果均合格,验证优化工艺具有可行性。