基于微注射成型的微连接器工艺实验研究

基于正交实验设计方法,对微连接器在不同的微注射成型工艺参数下的充填情况进行研究,选择制品的质量作为实验指标,确定模具温度、熔体温度、注射速度、保压压力、保压时间、冷却时间等6个工艺参数为实验因素,通过对实验数据进行极差分析,得到了各因素对指标值的影响的主次顺序。实验结果表明,模具温度是影响制品质量精度的主要工艺参数因素,而冷却时间的影响最小。通过因素水平影响趋势图分析,得出了微连接器的最优工艺参数组合方案为模具温度80 ℃、熔体温度335 ℃、注射速度100 mm/s、保压压力20 MPa、保压时间1.5 s、冷却时间3.0 s,为微型器件生产中的工艺设计提供了理论依据和实际指导。     

空调面板残余应力的分析及工艺优化

为了解决空调塑料面板残余应力过大的问题,提出了结合优化的BP神经网络与遗传算法的方法来优化成型工艺参数。以残余应力为目标变量,模具温度、熔体温度、保压压力、保压时间四个参数为设计变量。采用优化的BP神经网络进行全局最优求解,得到最优工艺参数组合:模具温度为38℃,熔体温度为256℃,保压时间为6s,保压压力100MPa。最优工艺参数组合通过模拟仿真,得出的结果达到了预期效果,将其应用于实际工厂生产,有效减少了由于残余应力过大引起的缺陷。     

汽车轮眉注塑成型工艺分析及优化设计

对汽车轮眉的注塑成型过程进行了模拟分析。首先通过有限元软件ANSYS对轮眉进行载荷分析,得到轮眉的应力分布图和形变分布图。然后利用Moldfl ow软件模拟轮眉的注塑成型过程,设计了两种注塑成型方案,分别进行流变、冷却和翘曲模拟,分析轮眉的填充、保压、收缩和变形等情况,选择最优的注塑成型方案。再采用正交试验法分析影响轮眉翘曲变形的因素,寻找可使轮眉翘曲变形量最小的最优参数组合。结果表明:轮眉应力集中的位置在外表面拐角处;最优的注塑成型方案为单浇口浇注;各因素对翘曲变形的影响程度为保压时间保压压力熔体温度模具温度注射时间;最优工艺参数组合为熔体温度250℃、模具温度40℃、注射时间2.5 s、保压时间10 s、保压压力90 MPa。最优工艺条件下,轮眉的最大翘曲量可降至0.774 mm。     

变模温注塑模瞬态温度场数值模拟与工艺优化

应用Autodesk三维有限元瞬态传热分析方法对变模温模具传热过程和模具与熔体之间的耦合传热进行了瞬态求解和数值模拟,获得了模具温度场的变化过程及分布规律。应用三维瞬态注塑模拟,结合正交试验设计,对变模温成型工艺参数进行了优化。数值模拟后获得的最优结果:热水温度150℃,熔体温度250℃,冷却时间4s,注射时间0.3s,保压时间2s,保压压力为注射压力的110%。最后对最佳工艺参数进行了数值模拟验证,获得的结果是最大翘曲变形量为0.180 mm。     

基于正交试验的高铁橡胶外风挡注射成型工艺参数优化

基于Moldflow软件,采用正交试验和响应曲面法,对高铁橡胶外风挡注射成型的模拟方案优化设计,并对注射成型工艺参数进行研究。结果表明:模具温度是影响橡胶外风挡顶出时的体积收缩率和缩痕指数的最显著工艺因素,其次分别是熔体(胶料)温度、保压时间、保压压力、注射时间;优化的注射工艺参数为:模具温度185℃,熔体温度65℃,注射时间160 s,保压时间14 s,保压压力110 MPa。在此工艺参数下的橡胶外风挡顶出时的体积收缩率最大值为4.165%,缩痕指数最大值为5.103%。     

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。     

基于正交试验的高压固定板注塑工艺优化

以某一高压固定板为研究对象,把五大因素(模具温度、熔体温度、填充时间、保压压力、保压时间)作为优化目标,制品的体积收缩率和翘曲变形作为研究目标,设计正交试验并通过Moldflow软件模拟仿真,然后对试验数据结果进行极差和方差分析,最终得到的最佳工艺参数组合为:模具温度70℃,熔体温度280℃,填充时间1 s,保压压力为注射压力的90%,保压时间12 s。再次进行Moldflow软件模拟,得到制品的体积收缩率和最大翘曲变形分别为4.824%和0.632 mm,有效地提高了制品的成型质量,对于实际应用生产具有理论指导意义。     

基于稳健设计与综合加权评分法的注塑工艺参数优化

采用稳健设计、均值分析、变量分析等方法,对机箱盖在注塑过程中出现的翘曲及体积收缩品质缺陷等问题进行了研究。结果表明,获得了翘曲变形及体积收缩最小的最优工艺参数组合及各因素的影响因子;确定了兼顾翘曲变形量及体积收缩率这两目标最优的工艺参数组合为熔体温度为250℃,模具温度为80℃,注射时间为1.3s,保压时间为25s,冷却时间为19s,保压压力为100%,获得了表面品质及尺寸均合格的产品。     

基于计算机辅助技术的玻纤增强PA66止回阀阀体尺寸精度控制

针对50%玻纤增强PA66材料止回阀,采用仿真模拟技术对阀体的三个重要位置的圆柱度进行优化。初始工艺下结果显示:螺栓孔圆柱度为0.152 3 mm,满足设计指标要求;卡扣区域圆柱度为0.273 0 mm,中心流路圆柱度为0.107 4 mm,均不满足设计指标要求。正交试验得到各工艺参数对卡扣区域圆柱度的影响程度排序为:模具温度注射压力保压压力熔体温度保压时间;对中心流路圆柱度的影响程度排序为:熔体温度保压时间注射压力模具温度保压压力。结合卡扣区域及中心流路的圆柱度,得到优化工艺参数为注射压力85 MPa、保压压力50 MPa、保压时间4 s、熔体温度295℃及模具温度85℃。优化工艺下仿真结果表明:三个位置的圆柱度均满足设计指标要求,通过试模验证其具有实际生产的可行性。     

基于响应面法和保压曲线的注塑工艺参数优化分析

以某一电工仪表外壳为研究对象,模具温度、熔体温度、充填时间和保压压力4个注塑工艺参数为优化目标,制品残余应力和体积收缩率为试验目标函数,采用响应面法(RSM)进行试验设计。所得最优工艺参数优化组合为:模具温度80℃、熔体温度285℃、充填时间1.8 s、保压压力89.18 MPa。经Moldflow模拟,得到最大残余应力与最大体积收缩率分别为54.83 MPa和3.395 4%,这表明响应面模型对工艺参数具有很好的优化效果。以此工艺参数组合为基础,进一步对保压曲线进行优化,得到了近乎最小的残余应力和体积收缩率,从而保证了产品质量,提高了生产效率。     

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     

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。     

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。     

基于神经网络和遗传算法的薄壳件注塑成型工艺参数优化

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。     

复杂壳体类塑料件气体辅助注射成型工艺参数优化研究

以21英寸彩电前壳作为研究对象,将Moldflow 2010作为CAE模拟试验平台,以熔体温度、模具温度、熔体注射时间、气体延迟时间、气体压力为关键工艺因素,考察了复杂壳体类塑料件气体辅助注射成型(GAIM)时制件的翘曲变形量和气体穿透情况。以正交试验设计方法为基础,利用遗传算法并结合径向基神经网络建立GAIM工艺参数优化系统,可用于工艺参数组合的快速确定,为GAIM过程中工艺参数优化提供了一种新的求解思路。     

基于Moldflow和BP神经网络的超薄塑料制品流程长度预测

基于Moldflow/MPI软件,结合正交试验,研究了注塑压力、注射速率、模具温度、熔体温度、保压压力、保压时间等6个重要工艺参数对超薄塑料制品注塑流程长度的影响规律.然后建立一个三层BP神经网络,仿真结果表明,利用该神经网络模型,可预测超薄塑料制品的流程长度.     

BP神经网络与GA算法相结合的双色成型保压曲线优化

提出采用前馈神经网络（BP神经网络）与遗传算法(GA算法)相结合优化产品保压曲线,通过改善2种材料的顶出时体积收缩率,进而改善双色产品的翘曲问题。得到优化的工艺参数组合为：聚丙烯（PP）保压压力55 MPa,保压时间12.5 s;丙烯腈苯乙烯丁二烯共聚物（ABS）保压压力75 MPa,保压时间3.5 s; 模拟验证得到优化保压曲线下优化目标为 4.411,小于各实验方案; 双色产品的翘曲由原来的1.696 mm降为0.7427 mm。     

复杂厚壁汽车塑件精密成型工艺优化研究

以塑件最小体积收缩量为优化目标,以模具温度、保压时间、保压压力和熔体温度为优化变量,采用BOX(Box Behnken Design)二阶响应曲面法,结合方差分析技术,建立了高适配性体积收缩响应面优化模型,进而优化得出了最优工艺参数组合,通过计算机辅助工程(CAE)分析与成型实验验证,验证表明塑件的体积收缩量减少约8 %左右,满足塑件高精确装配要求,证明了研究工艺优化技术方法的可行性和可靠性。     

复杂结构光学元件注射成型工艺参数优化

利用Taguchi试验设计法,以成型过程中的保压压力、保压时间、注射时间、熔体温度、模具温度5个工艺参数作为影响因素,设计了L27试验矩阵进行CAE仿真实验.以减小透镜注塑件翘曲变形为目标,通过计算信噪比,获得了最优工艺参数组合,为下一步工艺设计提供计算和实验依据.     

基于Taguchi与BPNN–PSO的薄壁注塑件翘曲变形优化

以家用空调遥控器前壳注塑件为例,在应用CAE模流分析确定塑件浇注系统和冷却系统的基础上,选取模具温度、熔体温度、注塑时间、保压时间和保压压力为设计变量,通过集成有限元模拟、Taguchi正交试验、BP神经网络(BPNN)以及粒子群优化算法(PSO)等来实现对薄壁塑件翘曲变形量的优化。优化后的工艺参数使得塑件翘曲变形量较优化前减少了37%,并应用Moldflow对优化工艺参数可靠性进行了模拟验证,结果显示,验证值和优化结果吻合度高,仅相差0.015 mm,表明所采用的薄壁塑件翘曲变形优化方法能显著减少注塑工艺参数调控过程对操作人员的经验依赖,具有较高的工程应用价值。