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。     

基于信噪比与灰色关联分析的注塑工艺参数多目标优化

以分线器盖为研究对象,基于信噪比和灰色关联分析,提出了一种注塑工艺参数多目标优化方法.针对顶出时的体积收缩率和总翘曲变形量等质量指标要求,建立5因素4水平的正交试验,得到每组实验的质量指标数值及其对应的信噪比.对信噪比进行无量纲化处理后,计算各因素对质量指标的灰色关联系数和灰色关联度.对灰色关联度进行极差分析,得到最优...     

信噪比灰色关联分析在注塑工艺参数优化中的应用

以汽车接插件注塑成型为研究对象,结合信噪比和灰色关联分析提出了一种注塑工艺参数优化方法。首先,给出了工艺参数优化流程。在正交试验的基础上,采用信噪比分析法,获得注塑加工过程中各工艺参数对优化目标的影响度。利用灰色关联分析,将多目标优化转化为单目标优化问题,由此得到最佳工艺组合。结果表明,翘曲变形量减小5. 19%;收缩率减小17. 52%;该方法能够有效降低注塑加工过程中的缺陷,提高制品成型的质量。     

基于灰色关联分析的注塑工艺参数优化

利用灰色关联分析,将多目标优化转化为单目标优化问题。注塑成型中,制品通常要求满足多个质量目标,如收缩率小、缩痕小、翘曲小等质量要求。在正交试验的基础上,利用模流分析软件Moldflow获得各个质量指标的响应值,并进行信噪比处理。建立各质量指标与参考目标的灰色关系,计算灰色关联度。对灰色关联度进行均值分析和方差分析,得到各个工艺参数各个水平对响应的影响程度,获得最优的工艺参数组合。实验验证体积收缩率9.26%、缩痕0.0095 mm、翘曲0.2765 mm,综合质量明显提高。研究表明,灰色理论应用到注塑成型工艺优化中,取得了较好的效果,说明了该方法在多目标优化中有很大的适用性。     

基于TOPSIS灰色关联的汽车双色开关面板的工艺参数优化

基于Moldflow软件对汽车双色开关面板进行仿真研究,选定外壳体积收缩率为单目标优化,内壳体积收缩率和整体翘曲变形量为多目标优化,结合主成分分析、灰色关联度和优劣解距离法(TOPSIS)来确定灰色相对贴近度,得出最优工艺参数组合和各因素影响程度。综合得出优化后的外壳体积收缩率为9.95%,内壳体积收缩率为2.827%,整体翘曲变形量为2.279 mm,为实际双色注塑成型提供了重要依据且达到了优化目的。     

基于灰色关联度和BP神经网络的多级注塑成型工艺参数优化

针对电动车头罩出现安装困难的问题,本实验以减小产品翘曲量和体积收缩率为优化目标。首先在正交试验的基础上,运用信噪比和灰色关联度分析得出初步最佳工艺参数;然后以初步最佳工艺参数为基础,影响产品质量最大的四个因素为调整手段,建立正交试验,导入已经训练好的BP神经网络中进行预测,得出最佳工艺参数;最后用CAE进行模拟验证,最佳工艺参数下翘曲量为1.540 mm,体积收缩率为6.709%,符合生产要求。提出的优化方法能够有效提高制品质量,缩短产品生产周期,为多级注塑成型工艺参数的优化提供了一种可靠的解决方案。     

基于灰色关联分析和熵权法的双色注塑多目标参数优化

以双色塑料碗为例,给出了一种实现多目标优化的分析方法。选定第一射和第二射的模具温度、熔体温度、保压压力为因素变量,第二射的平均体积收缩率和总翘曲量为优化指标,设计了6因素5水平的正交试验,使用Moldflow软件进行模拟分析。利用试验所得指标参数进行信噪比处理,通过熵权法计算出2个优化指标的权重,最终得到灰色关联度,实现了多目标优化到单目标优化的转变。对优化后的工艺参数进行模拟分析,得到的第二射平均体积收缩率最大值为15.67 %,总翘曲变形量最大值为1.964 mm,较原始工艺参数的分析结果分别降低了7.8 %和18.4 %,产品质量得以提升。试验结果表明了正交试验、灰色关联分析和熵权法相结合实现多目标优化在注塑工艺参数寻优中的有效性。     

基于灰色关联和模糊逻辑的注塑工艺多目标优化

以翘曲、体积收缩、缩痕为优化目标,熔体温度、模具温度、注射时间、保压压力等6个参数为工艺变量,用灰色关联分析和模糊逻辑推理对注塑工艺参数进行多目标优化设计。计算了每个优化目标与参考目标的关联系数,通过隶属函数、模糊规则、逻辑推理、去模糊化等将灰色关联系数转换为灰色模糊推理值,然后进行均值分析,得到最优工艺参数组合A_2B_2C_5D_3E_5F_4。验证试验结果表明,翘曲0.415 3 mm、体积收缩率8.421%、缩痕0.021 6 mm,符合翘曲变形越小越好、体积收缩目标为10%、缩痕目标值为0.025 0 mm的多目标要求。     

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。     

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...     

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。     

基于主成分分析结合灰色关联度的PPO/PA翼子板注射成型研究

以PPO/PA（聚苯醚/聚酰胺）翼子板为研究对象,在数值模拟基础上提出了一种主成分分析（PCA）结合灰色关联度（GRA）的研究方法,得到第一主成分方程、各项指标贡献度、各工艺参数对综合质量的影响程度及较优工艺参数组合,实现翼子板翘曲变形、体积收缩不均和缩痕等缺陷的优化。结果表明,各工艺参数对综合质量的影响程度为：冷却时间>模具温度>熔体温度>保压时间>保压压力;优化后,最大翘曲变形量、体积收缩率和缩痕长度分别由原来的11.29 mm、16.24 %、0.060 6 mm下降到10.21 mm、14.4 %、0.056 4 mm,分别下降了9.6 %、11.33 %和7 %。     

基于正交试验法的注塑件工艺参数多目标优化

从生产实际出发,基于正交试验法和采用Moldflow软件,对不同工艺条件下的塑件成型过程进行模拟分析,最后运用多目标综合平衡法,对塑件成型后的顶出体积收缩率、翘曲变形量和浇口注射压力进行综合评判,确定最优的注射工艺参数组合方案。在此基础上改进模具设计,并对该工艺方案进行生产验证,实际证明与工艺优化前对比效果明显。