基于BP-NSGA-Ⅱ的汽车仪表板注塑工艺优化

根据大型注塑件产品汽车仪表板的生产质量和成本都有较高要求的特点,以某汽车仪表板为研究对象,研究其注塑工艺参数对体积收缩率和翘曲变形量的影响并进行工艺参数的优化。利用Moldflow软件对其进行数值模拟仿真,采用Box-Behnken试验设计方法进行数据采集,以开模时间、模具温度、注塑时间、熔体温度、速度压力切换、保压压力、保压恒压时间、保压衰减时间、冷却时间9个工艺参数为影响因子,体积收缩率和翘曲变形量为优化目标,运用BP神经网络模型和非支配排序遗传算法(NSGA-Ⅱ)获得最佳工艺参数组合,结合Moldflow仿真验证了最佳工艺参数组合的准确性,最终两个目标值分别降低了8.58%和8.83%,汽车仪表板的成型质量得到了有效提高。     

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。     

基于神经网络的车灯副反射器注塑工艺参数优化

利用正交试验方法,借助Mold Flow软件对车灯副反射器进行翘曲变形分析。利用BP神经网络建立注塑工艺参数(熔体温度、模具温度、注射时间、保压时间、冷却时间)与产品翘曲变形之间的关系。利用遗传算法对BP神经网络进行全局寻优,得到产品的最小翘曲变形,以此实现对注塑成型工艺参数的优化,进而减小产品翘曲变形,提高产品质量。     

基于改进的BP神经网络的注塑成型翘曲优化设计

注塑成型是制造塑料产品应用最广泛的一种方法。整个注塑成型过程一般分为注射、保压和冷却3个阶段。成型过程中的翘曲变形是注塑制品一种严重的缺陷。由于注塑制品质量主要受工艺条件影响,所以如何确定最佳工艺条件来减少翘曲变形成为改进注塑制品质量的一个关键。以模具温度、熔体温度、注射时间、保压时间、保压压力和冷却时间为设计变量,运行Moldflow软件进行制品的翘曲变形分析,用BP神经网络模型来建立翘曲变形与设计变量的函数关系,加权形式的期望提高加点准则实现序列的迭代优化设计。这种加点准则能调整局部和全局搜索,在保证计算效率的同时提高对全局最优解的逼近程度。通过实例验证,所提出的优化方法能有效地减小注塑制品的翘曲变形。     

面向能耗的3C门铃注塑成型多目标工艺优化

采用NSGA-Ⅱ及正交实验法与门铃挂架注塑成型有限元模拟技术,确定了符合产品质量特性和能效的多目标最佳工艺方案。以门铃塑件注塑工艺参数为实验变量,翘曲总变形、产品重量及能耗为响应优化指标,基于Moldflow模流分析设计多因素多水平多目标正交试验模型,并借助正交表进一步设计NSGA-Ⅱ优化模型。利用极差分析方法及Pareto前沿解分析了各因素对多目标优化指标的影响规律,并通过试模实验验证了2种优化实验模型的可行性及其优化效果。研究发现,保压压力和熔体温度是影响产品质量特性和能耗的主要因素,并获得多目标优化最佳成型工艺方案。优化后的成型工艺方案提高了PIM过程的稳定性,产品翘曲变形值、重量及能耗分别降低了16. 3%、3. 0%、18. 9%,符合企业绿色制造的要求。     

基于RBF神经网络断路器注塑成型工艺优化

塑壳断路器一般通过注塑成型工艺制得。在注塑成型过程中，模具温度、熔体温度、保压压力以及保压时间均对制件的翘曲变形产生一定的影响。以模具温度、熔体温度、保压压力以及冷却时间作为研究参数，以翘曲变形量作为研究目标，采用最优拉丁超立方抽样法抽取合适的样本，建立RBF神经网络模型，结合遗传算法对制件的翘曲变形量进行优化，得到最佳的成型工艺参数组合。结果表明：四个因素的影响程度大小为模具温度>冷却时间>保压压力>熔体温度。当模具温度为50℃、熔体温度为250℃、保压压力为60 MPa以及冷却时间为10 s时，制件的翘曲变形量最小为2.307 7 mm，相较未优化前降低1.294 2 mm，制件成型质量得到明显改善。     

基于GRA-RBF神经网络的汽车手套箱成型工艺优化

以汽车手套箱翘曲问题的解决为例,针对产品翘曲变形问题,运用CAE有限元分析对其注塑工艺进行了仿真分析,首先优化并确定了产品的浇注方案,进一步的保压、冷却及翘曲分析表明,保压和冷却能得到有效保证,但翘曲变形大为产品注塑的主要质量问题。依据CAE分析的产品翘曲的分离因素结果,运用GRA灰色关联分析法并结合RBF神经网络对其工艺影响因素进行权重取值,调整后的GRA-RBF神经网络对工艺参数因素水平与翘曲变形量之间的关系具有较为准确的预测,依据此神经网络模型,得到产品注塑的优化工艺参数,获得了高质量的注塑产品,降低模具制造成本,有效缩短了模具生产周期。     

基于智能优化算法的注塑成型缺陷多目标优化

通过以注塑成型过程中的最大熔接线相遇角和最小翘曲变形为目标函数,以熔体温度、模具温度、注射时间、保压压力、保压时间和冷却时间等工艺参数为设计变量,建立了优化注塑成型缺陷的多目标优化模型。采用基于混合人工神经网络代理模型和改进多目标粒子群优化的优化方法对多目标优化模型进行求解。以打印机上盖为例,采用正交试验方法和Moldflow软件获得的试验结果训练混合神经网络代理模型,并对其成型缺陷进行了优化。所有结果表明,所给出的优化方法能够得到合理的多目标优化Pareto解,并同时优化了注塑制品的熔接线相遇角和翘曲变形。将得到的优化工艺参数进行Moldflow实验,可知上述2种缺陷分别优化了17.2%和13.6%。     

带金属嵌件的手机外壳注塑成型翘曲变形分析

在Moldflow模拟分析的基础上,通过正交试验研究了熔体温度、模具温度、注射时间、保压压力、保压时闻和冷却时间等工艺参数对带金属嵌件的手机外壳注塑成型翘曲变形的影响,并优化了成型工艺.结果表明,保压时间和保压压力对翘曲变形的影响最大,最佳工艺组合为:熔体温度310℃,模具温度120℃,注射时间0.3 s,保压压力14...     

注塑件翘曲变形分析与成型工艺参数优化

基于正交实验设计,利用Moldflow软件对注塑件注塑成型进行数值模拟。结果表明,保压时间、注射时间、熔体温度对注塑件翘曲变形的影响高度显著。运用方差分析,研究注塑成型参数对注塑件翘曲变形的影响,进行多元线性回归分析,发现注塑件翘曲变形幂函数回归模型与实验数据有很好的相关性。以影响翘曲变形的主要工艺参数为设计变量、翘曲变形为目标函数,建立幂函数回归优化模型,对成型工艺参数进行优化,得到的翘曲变形值小于主实验中的翘曲变形最小值,表明该方法具有较好的工程实用价值。     

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Moldlfow的PP薄壁制品注塑工艺计算机模拟

利用Moldflow对Taguchi法和L16(45)正交表所设计出的聚丙烯(PP)薄壁制品注塑方案进行仿真,研究发现：注射时间、保压时间、保压压力是影响PP薄壁制品翘曲变形的主要因素,并且得到最优注塑参数为：注塑机料筒温度180℃,模具温度75℃,注射时间3.0 s,保压时间3.5 s,保压压力65 MPa。另外,通过CAE模流分析软件中PP薄壁制品注塑加工的翘曲变形进行仿真发现,正交试验所获得的优化工艺的总翘曲变形量为1.417 mm,翘曲变形百分比约为3.30%。其中由于冷却引起的翘曲变形量约为0.159 mm,而由收缩和取向引起的翘曲变形分别约为1.853 mm和0.904 mm。     

基于遗传算法的复杂薄壁件注塑成型工艺参数优化

以某复杂薄壁件为研究对象,建立其有限元模型,运用CAE对初始工艺下的塑件翘曲变形量进行分析,得到了该塑件的最大翘曲变形量。构建复杂薄壁件翘曲变形量优化数学模型,基于BP神经网络结合遗传算法对塑件数学模型进行优化求解,求解结果表明优化后的塑件最大翘曲变形量为0.2313mm,与初始工艺方案下塑件最大翘曲变形量0.2811mm相比,降低了21.53%,提高了塑件的成型质量,得到满足装配要求的塑件。进一步采用优化后得到的最优工艺参数进行实际生产验证,获得了满意的效果,证明了BP神经网络结合遗传算法优化工艺参数技术方法的可行性与可靠性。     

基于灰色关联分析的注塑工艺多目标优化及PSO–SVM预测模型的建立

针对某电器活动上盖翘曲变形及体积收缩问题,对相关注塑工艺参数进行正交实验设计,在Moldflow中模拟分析,并对翘曲变形量及体积收缩率进行信噪比优化处理。利用灰色关联分析法得到翘曲变形量和体积收缩率的灰色关联度,通过对灰色关联度进行极差分析得到各注塑工艺参数对塑件综合目标(翘曲变形量及体积收缩率同时较小)的影响程度为:保压时间>注塑时间>模具温度>熔体温度>保压压力>冷却时间,同时由灰色关联度极差分析结果得出最优工艺参数组合,在最优工艺参数组合下的翘曲变形量相对于正交实验水平下最小翘曲变形量降低了11.8%,体积收缩率相对于正交实验水平下最小体积收缩率降低了5.9%。最后采用粒子群优化算法(PSO)优化后的支持向量机(SVM)神经网络模型对该塑件翘曲变形量及体积收缩率进行预测,通过与不优化的SVM神经网络及BP神经网络预测模型相比发现,PSO–SVM神经网络模型预测精度及稳定性都优于SVM及BP神经网络,可以用于塑件翘曲变形量和体积收缩率的协同优化,解决塑件实际翘曲变形及体积收缩问题。     

基于CAE的汽车副仪表箱体平衡注塑优化分析

针对塑件体积大,形状不规则难以进行平衡注塑的问题,结合计算机辅助工程（CAE）辅助分析手段,通过对3次浇注方案的调整和平衡注塑优化,将塑件的翘曲变形有效地控制降到15 mm左右,避免了基于经验设置浇注系统可能导致模具报废的潜在风险;在基于翘曲变形得到控制的基础上,通过进一步的料温、保压参数、冷却参数的优化调整,获得了塑件的最佳注射成型工艺参数为：料温245 ℃,模温60 ℃,保压分2段保压,分别为90 MPa/16 s,70 MPa/9 s,冷却时间为60 s。通过试模检验,所优化的工艺参数能完全满足本塑件的量产要求。     

车用CD托架CAE注塑工艺参数优化分析

以汽车CD托架注塑成型为例,结合生产实际问题,构建了产品CAE分析模型,运用Moldfl ow2015软件对产品材料推荐的注塑成型工艺参数进行了初步仿真,对注塑过程中的翘曲、熔接痕、气穴等缺陷成因进行了分析,并给出了质量改善优化目标,提出了一种结合Taguchi试验法、BP神经网络预测的注塑成型工艺寻优方法,并对寻优结果进行了CAE模流分析验证。结果表明,神经网络预测结果与CAE模流分析结果相近,产品翘曲量降低至1.192 mm,产品较佳的注塑成型工艺参数为:料温为225℃,模温为60℃,注塑压力为70 MPa,注塑时间为1.3 s,第一保压压力为80 MPa,第一保压时间为12 s,第二保压压力为30 MPa,第二保压时间为3 s,冷却时间为15 s,型腔随形水路C1,C2冷却水的温度均为30℃。提出的优化设计方法能有效降低模具试模成本,缩短模具生产周期。     

基于BP神经网络的导管接头注塑工艺参数优化

以医用介入导管接头为研究对象,基于塑料成型理论在Moldflow软件中进行导管接头模流分析,通过正交实验极差分析,确定了注塑工艺参数对导管接头缩痕指数的影响趋势,得到最佳工艺参数组合。针对实际生产中出现的缩痕缺陷,建立导管接头缩痕指数的BP神经网络参数模型,并用遗传算法进行优化,同时对结果进行仿真模拟,得到缩痕指数为0.0752%,此时的最佳注塑工艺参数为熔体温度238℃、模具温度71℃、注塑压力68 MPa、注塑时间0.61 s、保压压力27 MPa、保压时间24 s,其结果比极差分析法的优化结果(0.088%)减少了14.5%。将遗传算法优化BP神经网络后的注塑工艺参数组合应用于导管接头加工试生产,得到产品外观无明显熔接痕,表面质量良好,满足企业设计要求。     

Moldflow在计算器外壳成型工艺优化中的应用

针对计算器外壳在企业生产过程中存在的具体问题,运用数值模拟技术、正交试验设计理论和神经网络理论优化塑件的工艺成型参数,并获得较为理想的最佳工艺参数组合。本文深入讨论了熔体温度、模具温度、注射时间、保压压力、保压时间、冷却时间六个因素对塑件整体翘曲变形和体积收缩率的影响。     

基于翘曲变形的薄壁塑件成型工艺优化

基于Moldflow软件,对PC、ABS和PC+ABS三种材料薄壁塑件——键盘后盖的翘曲变形进行了数值模拟。按照影响翘曲变形的工艺参数设计了正交模拟试验方案,并完成了翘曲变形的正交模拟试验。据正交模拟实验结果、用极差分析法分析了各工艺参数对翘曲变形的影响程度,得到了最佳工艺参数组合。为类似薄壁塑件的注射成型提供理论和方法指导。