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。     

餐厨垃圾处理设备齿轮结构注射工艺设计与优化

使用Pro/E软件建立了塑料锥齿轮的三维模型,基于Moldflow软件优化了锥齿轮的浇口位置,并对主动锥齿轮和从动锥齿轮的注射工艺进行了研究。仿真结果表明,收缩不均对总翘曲变形产生的影响最大。选取体积收缩率、缩痕和最大翘曲变形量3个指标进行综合评价,选取体积收缩率和缩痕的权重系数为0.2,最大翘曲变形量的权重系数为0.6。通过正交优化试验得到从动锥齿轮的最优注射参数为熔体温度240℃、注射+保压+冷却时间36 s和保压压力80%,主动锥齿轮的最优注射参数为熔体温度240℃、注射+保压+冷却时间36 s和保压压力64%。     

基于神经网络和遗传算法的薄壳塑件注塑工艺优化

散热器外壳是电子产品散热器的主要零件之一,由于壁薄,在注塑成型中经常出现壁厚不均、翘曲变形和熔接痕等缺陷。针对该问题,以熔体温度、模具温度、冷却时间、注射压力、注射时间、保压压力和保压时间7个工艺参数为输入量,注塑件的翘曲量作为输出量,建立RBF神经网络模型;利用均匀试验所得的数据作为样本对神经网络进行训练和测试,得到注塑工艺参数与塑件翘曲变形量之间的非线性映射关系。结合遗传算法对工艺参数进行优化,获得最佳的工艺参数为:熔体温度234. 4℃、模具温度31. 5℃、冷却时间23. 8 s、注射压力128. 3 MPa、注射时间4. 7 s、保压压力93. 0 MPa、保压时间14. 1 s,获得预测的最小翘曲变形值为0. 331 875 mm,并使用优化后的工艺参数进行试验。试验结果表明,优化后产品的最大翘曲变形量降低至0. 318 9 mm,与优化前均匀试验所得的0. 378 1 mm相比,得到了明显的改善,降低了15. 7%。     

基于BP-NSGA-Ⅱ的汽车仪表板注塑工艺优化

根据大型注塑件产品汽车仪表板的生产质量和成本都有较高要求的特点,以某汽车仪表板为研究对象,研究其注塑工艺参数对体积收缩率和翘曲变形量的影响并进行工艺参数的优化。利用Moldflow软件对其进行数值模拟仿真,采用Box-Behnken试验设计方法进行数据采集,以开模时间、模具温度、注塑时间、熔体温度、速度压力切换、保压压力、保压恒压时间、保压衰减时间、冷却时间9个工艺参数为影响因子,体积收缩率和翘曲变形量为优化目标,运用BP神经网络模型和非支配排序遗传算法(NSGA-Ⅱ)获得最佳工艺参数组合,结合Moldflow仿真验证了最佳工艺参数组合的准确性,最终两个目标值分别降低了8.58%和8.83%,汽车仪表板的成型质量得到了有效提高。     

导管接头注塑成型工艺参数优化

以医用导管接头为研究对象,对其注塑成型过程在Moldflow软件中进行模拟,通过极差分析得到工艺参数对导管接头体积收缩率的影响趋势和最佳工艺参数,建立以注塑工艺参数为输入量,塑件的体积收缩率为输出量的BP神经网络模型,并进行训练与测试。结合遗传算法对导管接头的注塑工艺参数进行优化,获得最佳工艺参数为:熔体温度226℃、模具温度47℃、注射压力73 MPa、注射时间0.72 s、保压压力19 MPa、保压时间21 s,得到体积收缩率为12.75%,与优化前极差分析所得的13.13%相比,降低了2.89%。将遗传算法优化后的工艺参数组合应用于产品试生产,得到产品表面质量良好,满足企业的设计要求。     

数值模拟方法在注射成型中的应用

利用Moldflow数值模拟分析软件,在对手机外壳进行浇口定位分析和流动、保压、冷却分析,优化浇口位置和成型工艺条件的基础上,分析了部分注塑工艺参数如保压压力、熔体温度、保压时间等对注塑件翘曲量和体积收缩率的影响,为注射成型合理选择成型工艺参数提供了依据。     

塑料旋钮注射成型工艺优化

研究对象为塑料旋钮,以翘曲变形量和体积收缩率为优化目标并设计正交实验,选取模具温度、熔体温度、注射时间、保压压力和保压时间为影响因素。运用Moldflow软件进行仿真,得到翘曲优化的最佳组合。针对正交实验优化对体积收缩不敏感的情况,采用BP神经网络训练后进行二次寻优。对比Moldflow仿真结果满足工程精度,得到同时满足最佳翘曲和最小体积收缩率的最佳优化组合参数。结合正交实验和BP神经网络预测的方法减少了运算时间提高了分析效率。     

基于Moldflow的温控器外壳注塑工艺优化

选取聚碳酸酯(PC)和丙烯腈-丁二烯-苯乙烯(ABS)共聚物作为填充材料,运用Moldflow软件对某温控器外壳注塑成型过程进行模流分析,得到PC和ABS的填充、翘曲变形分析结果,表明PC更适于生产温控器外壳。通过设计正交实验,探究了各工艺参数对翘曲量的影响。结合极差分析得出,影响塑件质量的顺序为:保压时间、熔体温度、保压压力、模具表面温度,并得到最优工艺参数,即模具表面温度为95℃,熔体温度为285℃,保压时间为11 s,保压压力为130 MPa。优化后,塑件的体积收缩率和最大翘曲量为2.311%,0.927 mm,分别降低了54.75%和40.69%,结果表明,优化后的工艺参数减小了翘曲量。     

基于Critic权重法的车灯灯框注塑成型工艺参数的多目标优化实验

以某型号轿车的车灯灯框为研究对象，体积收缩率与翘曲变形量为优化目标，选取模具温度、熔体温度、注射时间、保压压力及保压时间等工艺参数作为优化变量，建立L₁₆(4⁵)正交试验，采用Moldflow软件进行仿真分析，得出不同工艺参数组合下优化目标值。利用Critic权重法对两个目标值进行客观赋权，得出两指标的权重系数，将多目标优化变为单目标优化，计算两优化目标的综合评分，对综合评分进行极差与方差分析。结果表明：两指标综合评分影响排序为：模具温度>保压时间>注射时间>熔体温度>保压压力。最优工艺参数组合为A₁B₂C₃D₄E₁，通过仿真分析，结果相较于原始方案的翘曲变形量与体积收缩率分别降低了19.28%和5.61%。     

基于正交试验的高压固定板注塑工艺优化

以某一高压固定板为研究对象,把五大因素(模具温度、熔体温度、填充时间、保压压力、保压时间)作为优化目标,制品的体积收缩率和翘曲变形作为研究目标,设计正交试验并通过Moldflow软件模拟仿真,然后对试验数据结果进行极差和方差分析,最终得到的最佳工艺参数组合为:模具温度70℃,熔体温度280℃,填充时间1 s,保压压力为注射压力的90%,保压时间12 s。再次进行Moldflow软件模拟,得到制品的体积收缩率和最大翘曲变形分别为4.824%和0.632 mm,有效地提高了制品的成型质量,对于实际应用生产具有理论指导意义。     

基于BP神经网络的无人机固定翼注塑成型工艺优化

为了解决无人机固定翼在注塑过程中工艺参数的优化选择问题,在考虑了熔体温度、模具温度、保压压力、保压时间、注射时间因素下,用模流分析软件Moldflow和正交试验相结合的方法对翘曲量、体积收缩率和缩痕指数进行了模拟分析,同时为了提高优化效率,根据正交试验数据建立了BP神经网络预测模型,并用模型对工艺参数进行了优化和实际生产验证。结果表明:优化后的塑件最大翘曲变形量、体积收缩率、缩痕指数分别优化了0.212 5 mm、1.26%、1.223%,提高了塑件质量。而且仿真值与模型的预测值基本吻合,相对误差在3%以内,验证了模型的可行性,为优化工艺参数方面的研究提供了理论依据。     

基于正交试验法的汽车保险杠注塑成型工艺参数多目标优化研究

以某汽车保险杠为研究对象,应用Moldflow有限元分析,以注塑成型质量中的翘曲量和体积收缩率为质量指标,采用CAE模拟技术结合正交试验,分析熔体温度、模具温度、注射时间、保压时间和保压压力对制品质量的影响规律。用极差分析法分别得到翘曲变形和体积收缩变形的最优工艺参数组合。最后利用多目标综合平衡法,选出兼顾最小的翘曲变形和体积收缩率的工艺参数组合,并对该工艺组合方案进行模拟验证。     

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RBF神经网络断路器注塑成型工艺优化

塑壳断路器一般通过注塑成型工艺制得。在注塑成型过程中，模具温度、熔体温度、保压压力以及保压时间均对制件的翘曲变形产生一定的影响。以模具温度、熔体温度、保压压力以及冷却时间作为研究参数，以翘曲变形量作为研究目标，采用最优拉丁超立方抽样法抽取合适的样本，建立RBF神经网络模型，结合遗传算法对制件的翘曲变形量进行优化，得到最佳的成型工艺参数组合。结果表明：四个因素的影响程度大小为模具温度>冷却时间>保压压力>熔体温度。当模具温度为50℃、熔体温度为250℃、保压压力为60 MPa以及冷却时间为10 s时，制件的翘曲变形量最小为2.307 7 mm，相较未优化前降低1.294 2 mm，制件成型质量得到明显改善。     

基于收缩平衡的精密注塑产品翘曲优化方法

为解决聚合物注塑产品的收缩翘曲问题,文章提出了一种以数值模拟为手段,对所有网格节点体积收缩率值进行最小化的平衡的优化方法,从而改善产品的翘曲程度。首先,建立注射模具有限元模型,以节点体积收缩率标准差为目标,将通过正交模拟试验得到的节点收缩数据,导入Matlab进行网格节点的体积收缩率标准差运算,最终,采取极差分析,得到注射工艺参数的重要程度顺序为:保压压力、熔体温度、保压时间、模具温度和冷却时间,并得到最佳的注射工艺参数组合。优化注射实验结果表明,节点体积收缩率标准差越小,产品收缩时发生的翘曲程度越小,文章中优化后产品最大变形量仅为0. 073 8 mm,翘曲量约减小了8倍,验证了该优化方法的有效性。     

基于神经网络的工艺参数对翘曲变形和收缩的影响研究

以拉伸和冲击试样(无缺口和有缺口)三种塑料零件的注射成型为例,以翘曲变形和收缩为评价指标,采用Taguchi方法及极差和方差分析方法,优化了模具温度、熔体温度、注塑压力、注塑时间、保压压力、保压时间和冷却时间,获得了最优的工艺参数组合。建立了神经网络模型,利用神经网络的预测功能,预测出变动单个工艺参数下的翘曲变形量和收缩率,研究了单个工艺参数对翘曲变形和收缩的影响,以指导生产实践。     

基于CAE的注塑模浇口与保压优化设计

通过Moldflow软件，对平板形塑料件注塑过程中的流动、翘曲情况进行数值模拟。通过设置不同的浇口数量、位置和保压压力、保压时间，分析了注塑压力、熔接线分布、翘曲变形量和缩水缺陷等情况，优化了浇口数量、位置和保压压力、保压时间以减少注塑缺陷和塑料件变形；并结合分析结果指导模具设计及注塑过程工艺参数的设定。     

基于CAE的注塑模浇口与保压优化设计

通过Moldflow软件，对平板形塑料件注塑过程中的流动、翘曲情况进行数值模拟。通过设置不同的浇口数量、位置和保压压力、保压时间，分析了注塑压力、熔接线分布、翘曲变形量和缩水缺陷等情况，优化了浇口数量、位置和保压压力、保压时间以减少注塑缺陷和塑料件变形；并结合分析结果指导模具设计及注塑过程工艺参数的设定。     

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Moldflow软件的中央接线盒注塑模具优化研究

通过Moldflow分析某中央接线盒的翘曲变形优化方案。基于初始工艺参数得到最大翘曲变形量为1.627 mm,不满足设计要求。设计正交试验并分析最大翘曲变形量的极差及方差。结果表明:保压压力和模具温度对最大翘曲变形量的影响极显著,注射时间和熔体温度对最大翘曲变形量的影响显著,而v/p切换体积对最大翘曲变形量的影响不显著。优化工艺参数:熔体温度为215℃,模具温度为45℃,保压压力为32 MPa,注射时间为1.1 s及v/p切换体积为99.5%。利用Moldflow计算得到最大翘曲变形量为0.992 7 mm,相比初始工艺降低39.0%,满足设计指标要求。优化工艺的填充过程稳定、注射压力较小、外观状态合格。试模样品的外观良好,尺寸满足要求,优化工艺得到验证。