气辅注射成型过程的模拟与计算机分析仿真

介绍了气辅注塑成型过程计算机仿真研究方面的最新进展。作者从模拟和计算机仿真方面着手，叙述了近年来国内外有关气辅注塑计算机仿真研究所取得的成果。最后展望了气辅注塑成型计算机仿真研究的发展趋势，认为随着计算机控制技术以及软件技术的发展，对加工参数实现更灵敏的控制，可对成型过程实现更加逼真的模拟仿真；但与国外相比，国内的CAE技术相对落后，因此需要在气辅计算机仿真研究方面尽快与国际接轨。     

基于二维半数值模拟的箱体类制件气辅注射成型研究

文章分析了箱体类制件的特点和利用注射气辅成型的必要性,以普通轿车的手套箱本体为研究对象,研究了二相熔体的理论流变特性以及基于二维半数值模拟的理论表达方程,并在注射压力、锁模力、填充时间、熔接线、体积收缩率和翘曲变形等6个影响成型的主要方面,通过与普通注射成型的数值模拟对比分析,全面研究了各个工艺参数对箱体类复杂制件气辅注射成型的影响。结果表明：采用气辅注射成型的箱体类制件可获得更高的综合质量,进一步在汽车配件中应用气辅注射成型工艺是汽车产业以塑代钢发展的迫切需要。图10表2参8     

CAE技术在轿车保险杠浇口设计中的应用

采用Moldflow／MPI注塑分析软件,针对桥车保险杠大型复杂注塑品的整个注塑成型过程进行注塑参数预分析,确定了制件成型的参数。并在此基础上对3种成型方案进行了流变模拟分析。模拟熔融体在型腔中的填充、保压情况,准确预测了制件成型过程中的熔接痕和收缩等情况,通过分析结果的比较,确定了优化的成型方案,并进行了相应的实验。结果表明,该方法不仅验证了CAE模拟结果的准确性,还可以为其他类似的加工提供一定的技术支持。图8表1参10     

基于田口技术及BP神经网络的气辅注射成型工艺优化

采用田口试验设计（Taguchi）和BP神经网络技术对引起翘曲的气辅注射成型工艺参数进行了优化。结果表明：在CAE仿真的基础上Taguchi技术可以在较少的试验次数的情况下，确定各因素对气辅制品翘曲的相对影响程度，并获得使翘曲程度最小的各因素最佳的水平组合；运用BP神经网络建立气辅成型制品翘曲产生的神经网络模型，可以预测各因素在不同水平组合下的制品翘曲变形程度，达到预测的目的。     

新型气辅注塑成型方法及发展趋势

介绍了近年来气辅注塑成型技术方面的几种新技术 ,包括外部气体辅助成型技术、振动气辅成型技术、冷却气体气辅成型技术、多腔控制气辅成型技术和气体辅助共注成型技术。最后展望了气辅注塑成型技术的发展趋势     

塑料刀叉气辅成型模具浇注系统设计

气体辅助注射成型是一种特殊注塑成型工艺,其模具设计尚未形成完善的体系。文章以塑料刀叉为例,基于塑料熔体的充填流动和气体保压模拟,通过熔体充填区域和气体充填区域来评价设计优劣,进行气辅成型模具浇注系统的设计,并推荐可行的工艺参数。     

气辅注塑工艺的计算机辅助模拟分析

介绍了气辅注射成型中的CAE分析方法,阐述了气辅制品缺陷与工艺参数的关系。并通过塑料成型过程分析软件M o ld f low P lastic Insight 5.0对制品进行FLOW-COOL-FLOW分析,调整工艺参数达到消除气辅缺陷的目的。     

基于HVI指标与RBF神经网络的纱线质量预测

将人工神经网络与HVI指标相结合,提出了一种基于RBF神经网络的纱线质量预测方法,克服了BP神经网络训练效率低、容易陷入局部极小化等不足。通过实例分析,利用马克隆值等14项HVI指标和工艺参数对纱线的单纱断裂强度等4项指标进行预测,试验结果表明:与传统纱线质量预测方法相比,基于RBF神经网络的纱线质量预测模型表现出了优良的预测精度及稳定性,对降低生产成本、提高生产效率具有积极意义。     

基于Moldflow的多筋类塑件注塑成型参数优化

文章借助Moldflow软件对多筋类塑件进行初始方案模流分析,发现了塑件翘曲变形过大的缺陷。通过调整注塑参数再次进行模流分析并与初始方案进行了对比,发现改善方案能有效解决制品翘曲变形量较大的问题,成功优化了注塑成型工艺参数。实践证明,借助Moldflow的模流分析,可估定塑件成型时各个加工参数的合理值变动区域,减少试模次数,设定最佳的模具注塑方案,获得质量更优的塑料制件。     

基于BP人工神经网络的纱线毛羽预测研究

研究基于BP人工神经网络的纱线毛羽预测问题.以棉纤维的7项品质指标作为输入参数,以棉纱的毛羽指数H指标作为输出参数,通过使用36组数据分别进行网络模型训练,最终将纱线毛羽指数预测模型的结构选定为7-10-1来进行纱线毛羽的预测,结果表明:BP人工神经网络模型的预测速度和精度较好.     

新型发泡注塑技术

分析了生产厚壁塑料制件的各种成型技术如气体辅助注射、微孔发泡技术的优缺点,提出了一种新型发泡技术的组成及工作原理,采用经过改进的注塑成型设备、普通模具、塑料原材料、化学发泡剂来生产厚壁塑料发泡件.该技术能提高产品设计的灵活性、改善加工效率和降低成本,产品性能可靠,成品率高.     

气辅成型的CAE模拟及应用

介绍了气辅成型的优越性，系统地阐述了塑料原料、制品设计、模具结构和注射成型工艺条件与气辅成型的关系。给出了Moldflow软件中用气辅分析模块对气辅成型进行分析模拟的具体步骤和两个气辅成型的分析实例。     

面向气辅注射成型工艺参数优化的软计算研究

针对气辅注射成型模流技术在应用中遇到的耗时、实验结果仅限于特定条件等问题,提出了一种软计算方法的解决方案。文中重点研究了软计算方法中代理模型的建立。代理模型经过初步试验及改进之后,能较好地反映原模型的气体穿透情况。由此,在一定程度上克服了气辅注射成型仿真技术中制品外型的限制,从而拓展了软计算在气辅成型工艺参数优化中的应用性。图11表3参12     

基于模拟退火遗传算法优化的BP网络在质量预测中的应用

翘曲量预测精度是注塑成形优化的难点。文章以某零件翘曲量为对象,选取注射温度、模具温度、保压压力、保压时间、注射速度等参数,进行数值模拟实验,建立BP神经网络的翘曲量预测模型。针对BP神经网络易陷入局部最优解的缺陷,设计一种基于模拟退火遗传算法优化的BP网络模型,与BP网络的预测精度对比。结果表明,基于模拟退火遗传算法优化的BP网络模型预测精度高于BP网络模型,同时加快收敛速度,增强全局搜索能力。     

气体辅助注射成型装置技术研究进展

为促进气体辅助注射成型设备及模具技术的研究与应用，从气体辅助注射成型技术的3种进气方式（喷嘴进气、流道进气和型腔进气）、2种气体发生与控制方式（体积控制和压力控制）、模具设计与工艺等方面介绍了国内研究开发的新技术和新方法，并展望了气体辅助注射成型技术的发展趋势，如CAE技术等。     

神经网络技术在预测织物透湿性能上的应用

用蒸发法测试了几种织物的透湿性能,应用神经网络对织物结构参数与透湿性能之间的关系进行了深入研究.利用MATLAB建立神经网络模型,选择最佳网络参数并对网络进行训练.通过应用实例提出了如何处理试验数据的方法,并通过建立大量的BP网络进行比较,筛选出最具应用价值的网络.用该网络对未经训练的试样进行相对透湿率预测,发现预测结果与实测值非常接近.说明用神经网络对各种织物进行透湿性预测是可行的.