基于灰色关联和Kriging模型的汽车饰件注塑工艺优化

为减小某汽车内饰件注塑成型质量缺陷,提出了基于灰色关联分析和Kriging代理模型的注塑成型质量多目标优化方法。以塑件的Z方向翘曲变形值、体积收缩率、缩痕指数为优化目标,影响了塑件成型质量的熔体温度、模具温度、保压压力、保压时间等注塑工艺参数,应用最优拉丁超立方试验设计方法结合模流分析进行数据采样,基于灰色关联分析(GRA),将多目标优化问题转化为单目标优化问题,利用层次分析法(AHP)确定各优化目标对灰色关联度的影响权重,建立灰色关联度与各工艺参数之间的Kriging代理模型,采用自适应粒子群算法(APSO)在代理模型内进行全局寻优,得到最佳工艺参数组合。结果表明,Kriging代理模型的预测值与实际结果基本吻合,优化后,Z方向翘曲变形值、体积收缩率、缩痕指数分别为0.268 6 mm、2.235%、0.397 1%,与优化前相比,分别降低了1.21%、30.11%、68.53%,因此,提出的方法能实现注塑成型质量多目标优化。     

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。     

基于响应面模型和遗传算法的注塑工艺多目标优化

结合Taguchi试验设计,利用注塑成型计算机辅助工程（CAE）模拟软件Moldflow对不同工艺参数下的注射成型进行模拟分析,对成型塑件体积收缩率、翘曲变形及缩痕指数3个目标进行综合评判;建立综合评分与工艺参数关系的代理模型——响应面模型,然后结合遗传算法进行全局多目标优化寻优,获得最优工艺组合,并进行模拟验证。结果表明,建立的响应面模型是可靠的,利用响应面模型进行注塑工艺多目标优化是一种有效的方法。     

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。     

基于优劣解距离法⁃灰色关联分析的注射成型质量多目标优化

为提高座厕椅面板注射成型质量,将优劣解距离法（TOPSIS）与灰色关联分析相结合,提出了基于TOPSIS的灰色关联综合评价模型。首先,优化并确定了塑件浇注系统,然后进行正交试验设计,选择模具温度、熔体温度,注射时间、保压压力、保压时间为试验因素,以翘曲变形量、缩痕指数、体积收缩率为评价指标,运用Moldflow软件进行模拟分析;根据正交试验数据,利用基于指标相关性的指标权重确定（CRITIC）法确定了各评价指标权重系数,采用基于TOPSIS的灰色关联综合评价方法,将多目标优化转化为单目标优化问题,获得了塑件的最佳注塑工艺参数组合。结果表明,优化后的塑件体积收缩率降低14.6 %、缩痕指数降低43.3 %,翘曲变形量与优化前基本一致,塑件综合质量显著提高。     

基于代理模型和NLPQL算法的注塑成型质量控制与预测

为快速求得满足塑件成型质量要求的一组最优注塑工艺参数组合,减少注塑生产时操作人员的调试次数,提高塑件成型质量以及生产效率,提出基于多元二阶响应面代理模型和非线性序列二次规划(NLPQL)算法对注塑成型质量进行控制与预测。以某型无线对讲机的塑料外壳为分析对象,应用拉丁超立方抽样法并结合模流分析建立试验样本,构建试验优化目标同试验因素之间的二阶响应面代理模型,基于NLPQL算法在代理模型内进行全局寻优,求得了一组满足塑件成型质量的最优工艺参数组合,NLPQL算法给出了该塑件翘曲量和缩合指数的预测值。试验结果证明了提出方法的有效性,为其他塑件的注塑成型质量控制提供了一套有益的理论方法。     

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Vague集和响应面模型的注塑工艺多目标优化

针对注塑工艺多目标优化问题,以塑件的翘曲变形量、顶出时体积收缩率和缩痕深度作为优化目标,选取熔体温度、模具温度、注射时间、保压压力、保压时间等工艺参数为试验因素,采用中心复合试验设计结合模流分析建立试验样本,利用Vague集方法计算各优化目标相似度,通过指标相关性的指标权重确定(CRITIC)法确定各优化目标影响权重,得到综合相似度;建立综合相似度与各工艺参数之间的响应面模型,运用灰狼算法进行工艺参数寻优,得到最优工艺参数组合。结果表明,将Vague集和响应面模型相结合的优化结果显著,为实际生产过程提供了有益参考。     

基于RBF神经网络和遗传算法的注塑成型质量控制与预测

针对注塑产品容易产生翘曲和缩痕的问题,以某检测仪外壳为研究对象,运用RBF神经网络模型和遗传算法,对注塑成型质量进行控制与预测。基于正交试验方案,运用Moldflow有限元分析软件获得试验结果;利用样本数据建立试验因素与响应值之间的RBF神经网络模型,并用最优拉丁超立方抽样技术,获得样本点对模型精度进行检验;运用带精英策略的非支配排序遗传算法(NSGA-Ⅱ)对注塑成型工艺参数进行多目标优化,达到有效控制和预测翘曲变形、体积收缩率和缩痕指数的目的,并经模拟和试模验证误差较小。结果表明,运用RBF神经网络模型和遗传算法对注塑成型质量进行控制与预测,生产出检测仪外壳最大翘曲变形量为0.394 mm,外观无缩痕。     

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。     

ABS自动化设备电子元器件外壳注塑成型工艺优化研究

为解决注塑制件成型过程翘曲变形问题,采用Moldflow软件对自动化设备电子元器件外壳注塑过程进行模流分析,但是模拟分析需要的样本数量较多,整个模拟过程缓慢。为了解决这一问题,采用拉丁超立方抽样方法对制件进行随机取样,建立RBF神经网络代理模型。通过模拟退火算法对代理模型进行全局寻优,对制件模具温度、熔体温度、保压压力以及冷却时间进行多目标优化,以制件的翘曲变形量为响应目标,获得最佳的工艺参数组合。结果表明：代理模型R²为0.920 98,模拟值与预测值基本一致,误差为0.84%。通过模拟退火算法优化后,最佳的成型工艺参数保压压力为59 MPa,冷却时间为18 s,模具温度为50℃,熔体温度为240℃,此时制件翘曲量最小为0.538 5 mm,通过该方法为改善制件翘曲变形提供参考。     

基于Taguchi试验的空调导风板预变形控制

空调导风板是典型的长条形外观塑件,其模具需要采用多浇口浇注,在注塑生产时塑件表面容易产生熔接痕和翘曲变形,严重影响塑件的表面质量和装配精度。针对塑件表面熔接痕问题,选用针阀式热流道系统,对浇口进行时序控制,通过浇口的有序打开有效消除塑件表面的熔接痕。针对空调导风板容易翘曲变形的问题,应用模拟仿真软件Moldflow对其成型过程进行仿真分析,利用Taguchi试验对注塑工艺参数进行优化设计,得出优化工艺参数组合,即熔体温度230℃、模具温度60℃、保压压力35 MPa、保压时间10 s、冷却时间16 s。在此基础上,对塑件进行反向预变形设计,预变形量为8 mm,仿真分析结果显示产品总翘曲变形量为7.962 mm,方向与预变形方向相反,二者相抵后塑件的翘曲变形量约为0.038 mm,接近零变形。经过实际生产验证,塑件表面无熔接痕、无缩痕,翘曲变形量在0.5 mm以内,具有良好的表面质量和装配精度,满足生产和使用要求。     

基于响应面模型的防护箱箱体注塑成型优化

以某注塑防护箱箱体为研究对象,选取模具温度、熔体温度、保压压力和保压时间四项工艺参数为设计变量,以塑件的最大缩痕指数为优化目标,采用响应曲面法,利用注塑成型有限元分析获取试验样本,构建设计变量与优化目标之间的响应面模型,得到各工艺参数及其交互作用对注塑制品质量的影响规律。经方差分析、误差统计及残差分析检验后,通过优化求解得到最优的注塑成型工艺参数组合,使最大缩痕指数达到最小。     

基于最优拉丁超立方抽样方法和NSGA–Ⅱ算法的注射成型多目标优化

提出应用最优拉丁超立方抽样的方法并结合响应面模型和带精英策略的非支配排序遗传算法(NSGA–Ⅱ算法)实现注射工艺多目标优化,缩短寻找最优工艺参数的时间,提高塑件生产效率。以充电宝上盖塑件的体积收缩率、缩痕指数为优化目标,以模具温度、熔体温度、保压时间、保压压力、冷却时间作为影响因素。通过模流分析获得优化目标值;建立体积收缩率、缩痕指数与影响因素之间的响应面模型并通过复相关系数评价了响应面模型的有效性;基于NSGA–Ⅱ算法在响应面模型内自主寻优,获得了满足塑件注塑成型质量的一组最优工艺参数组合。优化后的体积收缩率为5.584%,比优化前的体积收缩率6.337%降低了11.88%;优化后的缩痕指数为1.458%,比优化前的缩痕指数1.681%降低了13.27%,优化效果明显。     

前馈神经网络与遗传算法相结合解决曲轴中心缩孔

引言缩痕与孔洞是塑件成型时一种常见的缺陷。当制件外层材料冷却固化后,心部材料开始冷却,心部收缩把制件表层拉向制件内部,引起缩痕,如果制件表层的刚度足够大,则将在制件内部产生孔洞而不是缩痕[1]。关于塑件成型过程中的缩痕、翘曲、收缩等缺陷问题,许多学者提出了工艺参数设计的单目标和多目标优化模型,如Kriging模型、BP神经网络、响应面法、支持向量回归等,针对这些模型,采用的优化求解算法主要有:遗传算法、粒子群法、蚁群算法等。申长雨等[2]采用神经网络与混合遗传算法结合优化注塑成型工艺,改善了制品的体收缩     

注塑零件多指标优化方法研究及应用

针对塑件在成型过程中的多指标优化问题,利用注塑仿真软件对塑件进行仿真,预测其翘曲、体积收缩以及缩痕效果,并结合正交试验、极差分析和综合评分方法对注塑工艺参数进行优化。结果证明,当模具温度为50℃,熔体温度为200℃,保压压力为注射压力的120%,冷却时间为15 s,保压时间为20 s,注射时间为3 s时,塑件成型综合质量较好,注射时间对综合评分影响最大。     

基于GA-ELM及遗传算法的注塑件成型工艺优化

以某电器扣盖壳体注塑成型工艺参数优化为例,对正交试验结果进行极差分析,得到各工艺参数对塑件翘曲变形量的影响程度顺序为保压时间＞模具温度＞注射时间＞熔体温度＞保压压力＞冷却时间.利用遗传算法优化后的极限学习机网络模型(GA-ELM)预测该塑件的翘曲变形量,得到训练好的GA-ELM模型可以很好反映6个工艺参数与翘曲变形量之...     

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。     

基于正交试验的塑料接线盒翘曲变形优化控制

注塑成型是一个具有多变量的复杂成型工艺过程,采用正交试验合理安排注塑工艺过程中进行多因素试验,通过分析各因素对试验结果的影响,确定工艺参数优化组合。对塑料接线盒的翘曲变形进行了优化控制研究。通过正交试验设计,从影响翘曲变形的6个工艺参数的角度分析了对塑件X、Y、Z 3个方向的翘曲变形量的影响,得到塑件翘曲变形最佳的注塑工艺参数组合:模具温度45℃、熔体温度190℃、保压时间35 s、保压压力120%、注射时间1. 5s、冷却时间13 s。通过试模,可知注塑出的塑件质量优良,符合客户要求。通过正交试验进行了塑件注塑质量优化控制,可针对不同试验指标,进行不同的试验因素分析,避免大量无序的试验成本,并且能够有效地解决了问题,可推广应用到其它塑件成型。     

采用RFR-GA算法的薄壁注塑件质量多目标优化

汽车内饰件可由注塑加工获得,但成型过程中塑件产生的翘曲、体积收缩较大,针对该问题,以某汽车薄壁注塑件为例,研究了其注塑工艺参数的优化方法.通过以注塑过程中的最小翘曲和最小体积收缩率为目标函数,以注塑温度、模具温度、注射压力、保压压力、保压时间以及冷却时间等参数作为设计变量,构建了多目标全局优化模型.利用Moldflow...