共查询到19条相似文献,搜索用时 78 毫秒
1.
本文建立了基于神经网络和遗传算法并结合正交试验的薄壳件注塑成型工艺参数优化系统。正交试验法用来设计神经网络的训练样本,人工神经网络有效的创建了翘曲预测模型;遗传算法完成了对影响薄壳塑件翘曲变形的工艺参数(模具温度、注射温度、注射压力、保压时间、保压压力和冷却时间等)的优化,并计算出了它们的优化值,按该参数进行试验,效果良好,可以有效地减小薄壳塑件翘曲变形,其试验数值与计算数值基本相符,说明所提出的方法是可行的。 相似文献
2.
基于神经网络和遗传算法的注射成型工艺优化 总被引:1,自引:0,他引:1
论述人工神经网络和遗传算法在塑料注射成型工艺优化中的应用,首先利用人工神经网络建立注射成型工艺参数与塑件翘曲量之间关系的数学模型,然后用遗传算法对工艺参数优化.其中由正交法设计得到实验样本,由数值模拟软件计算得到塑件翘曲量,将其作为优化目标.按优化后的工艺参数进行实验,获得较高质量的塑料制品,从而为建立和控制注射模工艺参数提供一种行之有效的途径. 相似文献
3.
针对传统遗传算法在处理薄壁件注射成型工艺参数优化问题时存在的全局搜索和局部搜索之间的矛盾以及局部搜索能力不足等问题,提出了优化组合遗传算法,实例验证了该算法的可行性。 相似文献
4.
以某杯形塑件为例,设计了随形冷却水道模具。在Moldflow软件模拟注塑成型过程的基础上,利用正交试验法分析了熔体温度、注射压力、保压压力和保压时间等工艺参数对制品成型周期的影响。通过遗传算法和Moldflow获得的最佳注塑工艺参数为熔体温度180℃,注射压力22 MPa,保压压力16 MPa,保压时间8 s,成型周期14. 11 s。在最佳工艺参数组合下进行注塑成型试验,平均注塑成型周期为14. 19 s。结果表明,模拟结果和试验结果之间相接近。将数值模拟和遗传算法相结合,可以有效提高运算速度和优化效率。 相似文献
5.
在注塑成型过程中,通过合理设置注塑工艺参数可以得到高质量塑料制品。通常可以采用正交试验法对注塑成型工艺参数进行优化。通过对正交试验数据运用极差分析、耦合推广正交算法、灰色关联度分析法以及使用神经网络模型和遗传算法,可以获得注塑成型工艺参数的最优配置组合。 相似文献
6.
7.
8.
9.
10.
《塑料科技》2017,(9):74-78
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。 相似文献
11.
12.
13.
14.
15.
An artificial neural network (ANN) and a genetic algorithm (GA) are employed to model and optimize cell parameters to improve the performance of singular, intermediate‐temperature, solid oxide fuel cells (IT‐SOFCs). The ANN model uses a feed‐forward neural network with an error back‐propagation algorithm. The ANN is trained using experimental data as a black‐box without using physical models. The developed model is able to predict the performance of the SOFC. An optimization algorithm is utilized to select the optimal SOFC parameters. The optimal values of four cell parameters (anode support thickness, anode support porosity, electrolyte thickness, and functional layer cathode thickness) are determined by using the GA under different conditions. The results show that these optimum cell parameters deliver the highest maximum power density under different constraints on the anode support thickness, porosity, and electrolyte thickness. 相似文献
16.
以某塑料拼插齿轮玩具为研究对象,采用自然平衡法设计1模144腔注塑模具。对有限元模型进行合理简化,并采用Moldflow软件进行塑料齿轮注射成型过程中的流动和翘曲分析。针对初始方案中出现的熔接痕和翘曲等缺陷,建立齿轮玩具BP 人工神经网络模型,通过BP神经网络算法训练各工艺参数,并对体积收缩率和总翘曲量进行预测。将训练后较优的工艺参数组合应用于注射成型后,使得该塑料齿轮熔接痕分布改变,翘曲变形量明显降低。 相似文献
17.
18.
Mortaza Aghbashlo Mohammad Hossein Kianmehr Tayyeb Nazghelichi Shahin Rafiee 《Drying Technology》2013,31(7):770-779
In this study, the advantages of integrated response surface methodology (RSM) and genetic algorithm (GA) for optimizing artificial neural network (ANN) topology of convective drying kinetic of carrot cubes were investigated. A multilayer feed-forward ANN trained by back-propagation algorithms was developed to correlate output (moisture ratio) to the four exogenous input variables (drying time, drying air temperature, air velocity, and cube size). A predictive response surface model for ANN topologies was created using RSM. The response surface model was interfaced with an effective GA to find the optimum topology of ANN. The factors considered for building a relationship of ANN topology were the number of neurons, momentum coefficient, step size, number of training epochs, and number of training runs. A second-order polynomial model was developed from training results for mean square error (MSE) of 50 developed ANNs to generate 3D response surfaces and contour plots. The optimum ANN had minimum MSE when the number of neurons, step size, momentum coefficient, number of epochs, and number of training runs were 23, 0.37, 0.68, 2,482, and 2, respectively. The results confirmed that the optimal ANN topology was more precise for predicting convective drying kinetics of carrot cubes. 相似文献