薄壁塑件注射成型翘曲变形的工艺优化

本文以注射成型照相机前壳为研究对象,以注塑成型中的翘曲量为优化目标,利用正交试验结合CAE模拟技术,研究模具温度、熔体温度、注射时间、保压时间、保压压力和冷却时间对制品翘曲的影响规律。用均值分析法得到最小翘曲变形的一组优化工艺参数组合,并进行CAE模拟验证。再运用方差分析确定各个工艺参数对翘曲变形的影响程度。     

薄壁塑件注射成型翘曲变形的工艺优化

本文以注射成型照相机前壳为研究对象,以注塑成型中的翘曲量为优化目标,利用正交试验结合CAE模拟技术,研究模具温度、熔体温度、注射时间、保压时间、保压压力和冷却时间对制品翘曲的影响规律。用均值分析法得到最小翘曲变形的一组优化工艺参数组合,并进行CAE模拟验证。再运用方差分析确定各个工艺参数对翘曲变形的影响程度。     

基于Moldflow的注射成型与注压成型对比研究

通过对注射成型和注压成型方法的Moldflow模拟仿真,结合两种成型方法的特点,对注射成型和注压成型方法生产超薄导光板的工艺条件和制品质量进行了详细的对比和分析。结果表明,注压成型制品所需的注射压力明显小于注射成型制品,注压成型可以节约能源;注压成型制品的残余应力和翘曲变形数值都小于注射成型的制品,注压成型能够增加制品生产的合格率,可以提高生产效率。     

基于灰色关联分析的注塑成型工艺多目标优化

针对复杂曲面构件注塑成型过程中体积收缩率、翘曲变形量和缩痕指数最小化等多目标优化问题,采用正交试验法设计了六因素五水平的聚甲醛叶轮注塑加工试验;基于灰色关联分析将多目标优化问题转化为单目标优化问题,利用主成分分析法确定体积收缩率、翘曲变形量和缩痕指数对灰色关联度的影响权重;通过对试验数据的回归分析,建立了灰色关联度与注塑成型主要工艺参数的二阶预测模型;基于各工艺参数对体积收缩率、翘曲变形量和缩痕指数影响规律的分析,确定了注塑工艺参数的优化方案。利用响应曲面求解注塑成型参数优化问题并进行注塑成型仿真实验,结果表明:由该优化方法获得的注塑成型工艺参数组合可以使制品的体积收缩率、翘曲变形量和缩痕指数均大幅减小。     

玻璃纤维增强PA66厚壁注塑件翘曲变形研究

以玻璃纤维增强尼龙66注塑的厚壁件为对象,从制品结构、模具设计及注射成型过程中各工艺参数如模具温度、熔体温度、保压压力、保压时间等方面研究了其翘曲变形的成因,发现浇口位置的变更对产品的翘曲变形影响很大。     

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。     

注塑制品翘曲变形的数值模拟优化与预测

以电池后盖板为CAE模拟分析模型,利用正交试验设计方法,将减小制品翘曲变形量作为优化目标,得到各工艺参数对制品翘曲变形量的影响程度及最优化工艺参数组合。利用径向基函数RBF神经网络对制品翘曲量进行预测,建立了各工艺参数与制品翘曲变形之间非线性映射关系模型,并与BP神经网络进行了对比。结果表明:RBF神经网络模型,可以较准备地预测制品的翘曲变形,并且在精度、训练速度等方面优于BP网络。     

注塑制品翘曲变形的影响因素及对策

翘曲变形是注塑制品常见的成型缺陷,它直接影响注塑制品的外观质量和使用性能。基于翘曲变形的产生机理和多年的实践经验,作者从塑料性能、塑件结构、模具结构、成型工艺参数、塑件脱模后处理情况等方面对翘曲变形的影响因素进行了较详尽的分析,并给出了相应的对策。     

工艺参数对短玻璃纤维增强PP注塑制品翘曲变形的影响研究

针对玻璃纤维增强聚丙烯(PP)注塑制品存在的翘曲变形缺陷, 利用计算机辅助工程（CAE）以及正交实验设计相结合的方法,以汽车内饰件为例,研究了注射工艺参数如熔体温度、模具温度、纤维含量、注射时间、速度压力转换对制品成型翘曲的影响。结果表明,纤维含量、模具温度对翘曲变形影响作用较为明显,且存在最佳值;通过优化工艺参数,可使注塑制品翘曲变形最小,提高注塑制品的品质。     

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。     

选择性激光烧结尼龙制件翘曲研究

通过大量的复合尼龙粉末烧结实验,研究不同工艺参数如激光功率、铺粉厚度、预热温度对制件翘曲程度的影响,并采用翘曲高度法、弦长与实长的差异法来表征翘曲程度,根据实验数据绘出了尼龙制件翘曲程度随各工艺参数的变化曲线,总结出了制件翘曲程度随各工艺参数变化的趋势。     

高密度聚乙烯平板翘曲变形实验研究

研究了两种模具、七种成型工艺参数与高密度聚乙烯平板翘曲变形之间的关系。归纳实验现象,总结各种因素对翘曲变形的影响规律,并探讨翘曲变形成型机理。结果发现：结晶型HDPE平板非常容易发生翘曲变形;模具浇口的形状、大小和位置对HDPE平板翘曲变形的影响非常大;浇口和塑料类型不同,各个工艺参数对翘曲变形的影响程度也不同。     

BP神经网络在注射成型工艺参数优化中的作用

本文研究的是注射工艺参数对塑件翘曲变形的影响。通过CAE模拟计算,以工艺参数为输入参数,以翘曲量为输出参数,构建BP神经网络模型。以CAE分析结果作为训练样本和检测样本,分析BP神经网络在工艺参数优化方面的作用。     

注塑制品的翘曲优化及影响因素分析

注塑制品的翘曲变形是一种严重的缺陷;本文提出一个最小化制品翘曲变形的近似优化方法。该方法用Moldflow软件进行制品的翘曲变形分析;借助于Kriging模型建立翘曲与优化参量间的函数关系;然后利用所建立的近似函数进行优化设计。以手机壳制品为例;用模具温度、熔体温度、注射时间和保压压力做设计变量;对制品进行了翘曲优化设计。结果表明;所提出的方法可以有效地减小制品的翘曲变形;最后对优化结果及影响因素做了较详尽的分析。     

注射工艺参数对超薄导光板翘曲影响的模拟

翘曲是影响导光板质量的主要原因之一。利用正交模拟的方法,同时进行方差分析,得到影响超薄导光板翘曲变形最主要的因素为保压压力。影响翘曲变形程度的工艺参数依次是保压压力、模具温度、注射速度、熔体温度和保压时间。通过调节工艺参数,可以使导光板获得较小的翘曲变形。通过对生产情况进行模拟,可以对生产工艺的优化提供一定的帮助。     

基于BP 神经网络的塑料齿轮玩具注射成型优化分析

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。     

气体控制参数对气体辅助成型产品翘曲的影响

从气体辅助注射成型工艺的角度探讨了气体的延迟时间和第一段压力这两个关键的参数对槽的影响进而对产品翘曲变形的影响，结果表明：虽然通过使用气体辅助注射成型技术能改善产品变形，但并不能完全消除变形；造成产品变形的原因和机理十分复杂，只有进行从设计到工艺的全方位考察才能有效的控制变形，气体手指效应也是造成产品变形的一个重要因素，工艺上可以通过调整延迟时间和气体压力来减小产品的变形量。     

FDM 3D打印塑件翘曲变形影响因素的研究

针对熔融沉积成型(FDM)工艺易产生翘曲变形的缺陷,建立翘曲变形数学模型,利用正交试验研究了分层厚度、打印温度、托板温度、产品壁厚4个因素对打印试样翘曲变形的影响程度与趋势。结果表明,实验结果与数学模型相印证,得出分层厚度对翘曲变形影响程度最大,打印温度次之,托板温度与产品壁厚影响较小。通过优化FDM成型工艺参数,使打印精度提高了44.4 %,提高效果显著。     

注射成型工艺参数对丙烯制品翘曲的影响及机理研究

使用正交实验法分析PP塑料熔体温度、模具温度、注射/保压压力及注射速度四个工艺参数对制品翘曲度的影响。讨论了这四个工艺参数对结晶度的影响并解释其对翘曲度的影响机理。     

基于EBF神经网络和粒子群算法的注射成型优化设计

基于拉丁超立方设计建立了椭球基（EBF）神经网络模型描述注塑工艺参数与翘曲值间的函数关系,将EBF神经网络模型与Kriging模型对比,说明EBF神经网络模型可以准确地描述注塑工艺参数与翘曲值之间的函数关系,并结合多目标粒子群算法对工艺参数进行优化,并与邻域培植遗传算法优化结果对比,说明多目标粒子群算法的优点。结果表明,基于EBF神经网络模型和粒子群优化算法可以使塑料出水管翘曲值减小11.64 %,同时使保压时间和冷却时间总和减小了2.13 s,从而在出水管批量生产过程中减少了生产时间。