注射成型工艺参数的混合优化

采用Taguchi正交试验设计法,选用熔体温度、模具温度、保压压力和保压时间为试验因素,选取充填时间和翘曲度为制品质量的主要评价因子,经过注塑CAE软件Moldflow模拟分析,找到最优序列。利用灰色关联分析获得最接近期望的参数组合,并通过试验检验分析结果。结果表明,灰色关联分析与CAE技术相结合,能迅速有效地实现注射成型工艺参数优化。     

复杂结构光学元件注射成型工艺参数优化

利用Taguchi试验设计法,以成型过程中的保压压力、保压时间、注射时间、熔体温度、模具温度5个工艺参数作为影响因素,设计了L27试验矩阵进行CAE仿真实验.以减小透镜注塑件翘曲变形为目标,通过计算信噪比,获得了最优工艺参数组合,为下一步工艺设计提供计算和实验依据.     

基于正交试验汽车前灯注塑工艺参数优化

以某厂汽车前灯为研究对象,采用正交试验法设计试验方案,使用Moldflow对其进行翘曲模拟分析,以保压压力、保压时间、注射时间、V/P(速度/压力)转换为试验因素,分析其对翘曲变形量的影响规律,旨在获取最小翘曲变形量,找到最优的工艺参数组合,再次模拟验证得到翘曲变形量为1.828 mm,通过分析,优化后的工艺参数组合有效减小了翘曲变形量,并且发现4因素对翘曲变形影响程度为:保压压力保压时间注射时间V/P(速度/压力)转换,进而提高了制品的使用性能,为实际注塑工艺参数的设置提供了正确理论指导。     

基于Moldflow和正交试验法的塑料杯注塑工艺参数优化

以某一塑料杯为研究对象,采用正交试验法设计试验方案,使用Moldflow对其进行翘曲模拟分析。以熔体温度、模具温度、注射时间、保压时间、保压压力为试验因素,分析其对翘曲变形量的影响规律,旨在获取最小翘曲变形量,找到最优的工艺参数组合,再次模拟验证得到翘曲变形量为0.066 0 mm。通过分析,有效减小翘曲变形,并且发现5因素对翘曲变形影响程度为:保压时间熔体温度模具温度注射时间保压压力,进而提高了制品的尺寸精度和使用性能,为实际注塑工艺参数的设置提供了正确理论指导。     

基于层次分析和灰色关联分析的注塑工艺多目标优化

针对制品的翘曲、收缩、缩痕等多个质量指标要求,提出层次分析法和灰色关联分析法相结合的注射成型工艺优化方法。运用层次分析法,对3个质量指标进行综合评判,得到各自的权重。通过田口正交试验设计和Moldflow成型模拟,得到了各质量指标的预测值,计算试验序列的各质量指标的灰色关联系数,进而通过层次分析法（AHP）和灰色关联分析（GRA）综合评价模型,得出各试验序列的灰色关联度,并进行均值分析。结果表明,二段保压压力对综合的质量指标影响最显著,注射时间次之;最优的成型工艺参数是注射时间为1.2 s、一段保压120 MPa、二段保压120 MPa、三段保压80 MPa;手机壳体实例验证了方法的有效性。     

基于Moldflow和正交试验设计的注射成型工艺参数的优化

以保护盖为研究对象,采用Moldflow软件对其注射成型过程进行了数值模拟,结合正交试验设计方法,研究了熔体温度、模具表面温度、成型时间、保压时间与保压压力5个工艺因素对塑件体积收缩率和翘曲变形量的影响。通过对模拟结果的信噪比分析和方差分析,获得了各因素的最佳水平,进而获得了最优工艺参数组合。对最优组合工艺参数的注射成型进行模拟试验,验证了采用正交试验设计优化注射成型工艺参数的有效性。     

基于Grey-Taguchi方法的汽车内置储物盒注塑工艺参数多目标优化

以某汽车内置储物盒为研究实例,运用CAE软件建立了储物盒注塑成型的数值模型。选取模具温度、熔体温度、保压时间、保压压力及注射时间5个注塑工艺参数为影响因素,以储物盒的翘曲变形量及缩痕指数为优化指标,通过L_(16)(4~5)正交试验分析,获得翘曲变形及缩痕指数最小的最优工艺参数组合及影响趋势,并结合灰色关联分析法,将多目标优化转化为单目标优化问题,获得兼顾两目标的最优工艺参数组合。仿真验证结果表明:优化后的翘曲变形量减小了9.25%,缩痕指数降低了33.42%,获得了较高品质的塑件。     

基于灰色关联分析的汽车前风窗玻璃除霜格栅注塑成型工艺多目标优化

以汽车前风窗玻璃除霜格栅为研究对象，采用20%滑石粉填充聚丙烯(PP+20%Talc)，并借助Moldex3D模流分析软件进行注塑成型模拟。根据分析结果，优化产品成型质量，以解决体积收缩率和凹痕位移等缺陷。采用正交试验法，以充填时间、熔体温度、模具温度、保压压力和保压时间为试验因素，并基于灰色关联分析对注塑成型工艺参数进行了优化。结果表明：各工艺参数对灰色关联度的影响程度排序为：熔体温度>模具温度>充填时间>保压时间>保压压力。最佳工艺参数组合为A₂B₁C₂D₃E₄。将最佳工艺参数进行试模验证，与优化前相比，体积收缩率改善了6.55%，凹痕位移改善了13.50%。因此，灰色关联分析可以实现注塑成型质量多目标优化，提高了塑件成型质量和试模效率。     

基于神经网络和遗传算法的工艺参数优化

以翘曲变形和收缩为质量指标,采用正交试验法、神经网络模型和遗传算法,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,获得了工艺参数的最优配置组合,提高了制品质量。利用最优配置组合的工艺参数进行了注塑成型试验,并通过测量验证了CAE模拟的正确性。     

基于径向基函数神经网络和多岛遗传算法的注射成型质量控制与预测

针对现有多参数、多目标注塑工艺优化应用的遗传算法、粒子群算法等寻优算法存在的实施难度大、求解时间长等缺点,提出基于最优拉丁超立方试验设计方法并结合径向基函数(RBF)神经网络模型和多岛遗传算法(MIGA)对注射成型质量进行控制与预测。以充电宝下盖塑件的体积收缩率和缩痕指数为优化控制目标,以模具温度、熔体温度、保压时间、保压压力、冷却时间为试验因素,应用最优拉丁超立方试验设计方法获得试验样本,基于模流分析获得试验结果,构建试验因素与优化控制目标之间的RBF神经网络模型,基于MIGA在试验因素给定的水平范围内获得了一组最优注塑工艺参数组合并给出了优化控制目标的预测值。模拟试验结果证明,预测值与模拟试验结果基本吻合,提出的方法能实现注塑成型质量的控制与预测,减少了寻找最优工艺参数组合的时间,提高了塑件的生产效率。     

汽车轮眉注塑成型工艺分析及优化设计

对汽车轮眉的注塑成型过程进行了模拟分析。首先通过有限元软件ANSYS对轮眉进行载荷分析,得到轮眉的应力分布图和形变分布图。然后利用Moldfl ow软件模拟轮眉的注塑成型过程,设计了两种注塑成型方案,分别进行流变、冷却和翘曲模拟,分析轮眉的填充、保压、收缩和变形等情况,选择最优的注塑成型方案。再采用正交试验法分析影响轮眉翘曲变形的因素,寻找可使轮眉翘曲变形量最小的最优参数组合。结果表明:轮眉应力集中的位置在外表面拐角处;最优的注塑成型方案为单浇口浇注;各因素对翘曲变形的影响程度为保压时间保压压力熔体温度模具温度注射时间;最优工艺参数组合为熔体温度250℃、模具温度40℃、注射时间2.5 s、保压时间10 s、保压压力90 MPa。最优工艺条件下,轮眉的最大翘曲量可降至0.774 mm。     

基于数值模拟技术的塑料板凳注塑工艺参数优化

为了得到最优的注塑工艺参数,缩短模具设计周期,降低成本,以日常生活中常用的塑料板凳为对象,利用Moldflow软件对注塑工艺参数进行优化。首先优化了冷却方式,在最佳的冷却方式下以注塑件的翘曲变形为主要优化目标,采用正交试验手段对注塑成型过程中的注塑温度、充填时间、保压压力及保压时间等参数进行优化。获得了翘曲变形量的主要影响因素,得到一个较优的工艺参数,为改善注塑件翘曲变形和缩短模具设计周期奠定了基础。     

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CAE的无线采集器注塑模具工艺参数优化研究

针对无线采集器收缩不均的缺陷,通过Moldflow对制品进行初始分析。以冷却时间、熔体温度、注射速率、保压时间和保压压力为试验变量,无线采集器的体积收缩率为质量评价指标,设计正交试验。结果表明:通过极差分析得到最优工艺参数为冷却时间20 s、熔体温度320℃、注射速率80 cm3/s、保压时间12 s以及保压压力45 MPa。与优化前相比,制品翘曲变形明显降低,降低幅度达到35.47%。     

基于热流道时序控制浇注系统的复杂薄壁塑件翘曲变形研究

以汽车内饰门板为研究对象,采用热流道时序控制浇注系统,利用CAE数值模拟技术分析了浇口位置、最优打开顺序及时序间隔时间对其翘曲变形的影响。结果表明:浇口打开顺序为A-C-E-D-B,时间间隔分别为1.8、2.5、3.2、3.75 s。以翘曲变形量为优化目标,基于优化后的浇注系统,进一步获取最小翘曲量的浇注方案,并以此为基础深入研究温度、压力和时间三要素对模具温度、熔体温度、保压压力及保压时间的影响规律。采用Taguchi试验,确定最优工艺参数为:模具温度50℃,熔体温度240℃,保压压力35 MPa,保压时间15 s,为实际生产的工艺参数选择提供了指导。     

基于Moldflow的注射器翘曲分析

利用Moldflow软件对注射器塑料件的翘曲原因进行分析,并采用正交试验设计方法(单参数变动实验)对保压压力、熔体温度、模具温度、冷却时间等进行分析。经分析后得出影响制品翘曲变形的最主要因素是保压压力,其次则是熔体温度、模具温度、冷却时间。模拟得到本例最优成型参数分别为,模具温度35℃、熔体温度240℃、保压压力100MPa、保压时间17s、冷却时间20s。     

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。     

空调面板残余应力的分析及工艺优化

为了解决空调塑料面板残余应力过大的问题,提出了结合优化的BP神经网络与遗传算法的方法来优化成型工艺参数。以残余应力为目标变量,模具温度、熔体温度、保压压力、保压时间四个参数为设计变量。采用优化的BP神经网络进行全局最优求解,得到最优工艺参数组合:模具温度为38℃,熔体温度为256℃,保压时间为6s,保压压力100MPa。最优工艺参数组合通过模拟仿真,得出的结果达到了预期效果,将其应用于实际工厂生产,有效减少了由于残余应力过大引起的缺陷。     

BP神经网络与GA算法相结合的空调风叶翘曲均匀性优化

以模具温度、熔体温度、注射时间、保压时间、保压压力5个因素为设计变量,空调风叶叶片尖部Z轴坐标最大差值为目标变量,采用田口方法进行实验设计并根据实验方案进行CAE模拟,根据模拟结果采用BP神经网络构建设计变量与目标变量之间的数学关系模型,并利用GA算法对数学模型进行全局最优求解。求得最优工艺参数为：模具温度45 ℃、熔体温度205 ℃、注射时间1.8 s、保压时间6 s、保压压力50 MPa。模拟验证得到优化工艺参数下的目标变量为0.08 mm,低于各个实验设计方案,且风叶各叶片翘曲均匀性得到提高。     

基于CAE的机箱前面板注塑工艺评判

以机箱前面板为例,通过Taguchi试验并结合CAE分析,研究了模具温度、熔体温度、保压压力和保压时间等工艺参数对制品翘曲变形的影响规律,并获得了最优工艺参数组合,使翘曲变形量减小至原始量的68.1%。运用变量分析确定了工艺参数对翘曲变形的影响程度,为工艺参数的选择提供了指导。