基于BP神经网络遗传算法的汽车塑件CAE优化分析

以汽车内饰中立柱本体注射成型为例,基于Moldflow中CAE分析基础上,对塑件注塑所需的成型工艺参数进行了仿真,并分析了塑件翘曲成因,给出了翘曲改善优化目标。结合注塑工艺规律,借助于Tugachi正交试验法、BP神经网络遗传算法、Matlab数值分析对塑件注射成型工艺参数协同进行优化,并对优化结果进行了CAE比对验证。结果表明:神经网络预测推荐的工艺参数能有效将翘曲结果控制在质量误差范围内,提出的优化设计方法能有效降低模具试模成本,改善塑件成型质量。     

基于CAE的扶手后盖翘曲变形注塑参数优化设计

借助CAE技术,对塑件的注塑成型进行了流动分析,潜在的成型缺陷在于塑件注塑成型翘曲变形大,通过调整注塑成型工艺参数,先对料温和模温进行优化,获得了较好的翘曲优化效果,再通过保压工艺的参数优化,将翘曲变形控制在2.052 mm以下,有效地保证了塑件的成型效果。优化获得的最终注塑成型工艺为:模温60℃,料温240℃,保压控制为40 MPa-15 s,25 MPa-5 s,冷却时间28 s。实践表明:经CAE分析后,该塑件的外观质量、尺寸、装配性能等均满足生产要求,具有较好的参考价值。     

轿车手套箱箱体注塑成型CAE优化分析

分析了某轿车内饰手套箱箱体的结构特征,根据该塑件的结构特征进行了模塑成型工艺分析,为获得塑件最优成型方案,降低生产成本,通过Moldflow软件进行了塑件注塑成型CAE优化分析,对塑件的浇口位置、浇注系统、充填、保压、冷却时间及翘曲变形进行了优化,获得了塑件最佳注塑成型工艺参数,该CAE优化分析结果得到了实际验证,塑件成型质量良好,为同类汽车塑件成型的CAE优化分析提供有益参考。     

基于BP神经网络的显示仪框注塑CAE优化分析

以汽车显示仪框的注塑成型为例,构建了该汽车塑件两种浇注方案的CAE分析模型,得到了最佳浇注方案,运用Moldflow软件对塑件的注塑成型工艺参数进行了仿真,并对塑件注塑过程中的翘曲、熔接痕、气穴等缺陷成因进行了分析,给出了质量改善优化目标,最后提出了一种新的结合Tugachi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,运用Tugachi正交试验分析、BP神经网络、CAE模流分析相结合的方法,能获得较佳的注塑成型工艺参数,使汽车塑件的注塑质量得到明显改善。     

注塑成型模拟技术在注塑工艺中的应用

注塑成型工艺已经发展成为塑料工业最重要的加工手段,注射模塑过程中需要选择和控制的压力包括塑化压力、注射压力和保压压力,它们直接影响塑料的塑化和塑件质量。通过对注塑过程中所涉及的工艺条件如何影响塑料制品的质量作了探讨,借助注塑工程分析软件对塑料制品的成型过程进行模拟,合理确定这些工艺参数,并分析了一个应用CAE技术优化工艺参数的实例,提出了比较切合实际并容易提高产品质量的注塑工艺方案。     

基于CAE的塑料注塑制品强度设计

全面阐释了影响塑料结构件强度的因素及机理，运用注塑过程仿真(CAE)技术和注塑件强度设计理论，以环形塑件和玻璃纤维增强塑件为例进行了分析，并对环形塑件进行了试验验证。结果表明：模具结构和注塑工艺对注塑件的强度有一定影响，而且数值仿真CAE技术对注塑件的强度设计有较好的预测能力，能够为实际注塑件结构设计提供更多的参考和建议。     

汽车保险杠冷热流道结合注塑成型工艺CAE优化分析

结合CAE分析软件,通过对汽车前端保险杠塑料件进行浇口位置和数量、浇注系统和冷却系统的前期优化分析,确定了最佳注塑成型工艺参数,将工艺参数转换成注塑机能操作的参数后,进行保压分析,获得了确保塑料件注塑成型质量并最终应用于生产的注塑操作工艺卡;通过优化塑料件注塑成型工艺方法和参数,有效消除了塑料件的翘曲变形等缺陷,提高了塑件成型质量和试模效率,缩短了模具的研制周期和生产成本。     

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。     

基于改进神经网络的注塑工艺参数优化

以鼠标壳为实例,利用正交试验数据得到训练样本。以减小翘曲变形量为目标,运用竞争型神经网络的预测功能,实现注塑成型工艺参数控制。为进一步提高注塑成型质量,采用遗传算法完成工艺参数的优化,并得到最优解。最后,进行相关实验验证。结果表明:优化后,塑件翘曲变形量降低了23.67%,实验结果和预测结果基本吻合,在一定程度上提高了塑件的成型质量。     

基于Moldflow优化分析的轿车内饰出风口面板注塑模设计

针对某轿车内饰出风口面板复杂的塑件结构特征,注塑模设计经验难以解决成型风险的问题,结合CAE技术进行了浇口位置、浇注系统的优化分析与设计,找出了较优的浇注系统;通过对浇注方案的多次成型优化,最后确定了塑件的注塑成型工艺参数;通过针对性地结合CAE分析结果,高效设计出塑件成型模具,并得到实践上的验证;塑件缺陷风险消除,成型可靠。模具结构设计合理,工作稳定,可为同类塑件的模具生产实践提供有益参考。     

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CAE的注塑件结构及成型工艺参数优化

应用CAE软件模拟注塑件的成型过程,分析制件潜在的质量缺陷,通过优化制件结构及浇注系统改善了制件成型质量;结合正交试验方法,通过流动＋翘曲分析对模具温度、熔体温度、注射时间、保压压力和保压时间等注塑工艺参数进行优化,获得最佳工艺参数组合,为生产合格制品提供理论依据。     

鼠标不对称上下壳一模两腔注塑模设计

利用CAD/CAE技术,以鼠标不对称上下壳注塑件为研究对象,运用Moldflow软件对注塑过程进行模流分析,同时对工艺参数以及浇注系统、冷却系统等进行模拟与优化,结合CAE分析结果,考虑塑件的不对称结构,利用UG软件完成了一模两腔的模具设计。结果表明,该模具结构合理,塑件品质良好,模具生产效率高。     

基于Moldflow的打印机上盖制件注塑成型翘曲变形分析

以平板型薄壁注塑制件打印机上盖为研究对象,应用CAE软件Moldflow与正交试验相结合的方法,找出对平板型薄壁制件在注塑成型优化方面最重要的工艺参数.正交试验证明:对平板型注塑件而言,熔体温度和保压压力是其成型过程中影响翘曲变形的两个最重要的工艺参数.     

基于BP神经网络的汽车内饰面板注塑成型工艺参数优化

以汽车内饰件中立柱上面板注塑成型为例,建立了模流CAE分析模型,运用Moldflow 2015软件对注塑成型工艺参数进行仿真,对注塑过程中的翘曲原因进行了分析;结合塑件的翘曲优化目标,提出了一种结合Tugachi正交试验法、BP神经网络、Matlab数值分析改善产品翘曲变形的注塑成型工艺参数寻优方法,基于此方法对注塑成型工艺参数进行了多次优化,并对优化结果进行了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,塑件最小翘曲量能降低至1.497 mm,对应的注塑成型工艺参数为:T_θ(205℃)、T_s(40℃)、P_I(60 MPa)、t_i(2.2 s)、P_(h1)(85 MPa)、t_(h1)(11.5 s)、P_(h2)(30 MPa)、t_(h2)(7 s)、t_c(20 s),将最终寻优所得参数输入注塑机,经试模验证后,产品注塑翘曲得到改善,与CAE分析预期值接近;提出的注塑参数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。     

汽车卡扣注塑成型的模具设计及工艺优化

以汽车卡扣注塑成型为研究对象,建立了塑件CAE分析模型,通过对塑件模具结构2种设计方案的填充、保压、冷却等成型过程进行模拟仿真分析,优化了浇口位置和模具结构设计方案。结合塑件的成型工艺参数优化目标,设计了以动态变压和保压方式为试验因子的Tugachi试验方案,并研究了网格尺寸条件对分析结果产生的影响及其处理方式。结果表明:网格质量对塑件顶出时最大体积收缩率产生了影响,差值最大为5. 6%。优化后的注塑成型工艺参数为:熔体温度200℃,充填时间2. 2 s,模具温度20℃,冷却时间为30 s; 2种网格条件得到,顶出时最大体积收缩率分别为8. 364%和8. 679%,与优化前的试验数据相比,分别降低了12. 64%和9. 8%,并优于Moldflow成型窗口分析模块的计算结果。     

CAE技术在注塑成型中的应用

综述了注塑成型CAE技术的研究发展概况;介绍了注塑成型CAE技术与优化理论结合,实现模具自动优化设计的理论与方法;研究了利用CAE结果分析工艺参数及制品质量指标之间的关系,抽取信息建立合适的工艺模型,优化工艺并控制成型过程及制品质量的理论与方法。     

基于CAE和DPA-BP神经网络的面板成型工艺参数优化

针对塑件潜在的缺陷问题,结合CAE辅助分析,对塑件基于经验设定的浇注系统进行了流动仿真分析,CAE分析结果显示,塑件常发生的8种缺陷中,在材料所推荐的工艺参数下,4种潜在的质量缺陷发生的概率比较高,对注塑所需的参数进行多种参数正交寻优,优化组合后,通过进一步结合DPA-BP神经网络预测方法,寻优获得了塑件的较佳注塑工艺参数,塑件的最佳注塑成型工艺参数为:料温235℃,模温55℃,保压分两段保压(为85 MPa-6 s,45 MPa-5 s),冷却时间60 s。实际生产验证表明,通过神经网络寻优的工艺参数,能有效地保证塑件的成型性能,有效降低了模具设计周期,降低了模具生产的潜在风险。     

基于CAD/CAE的平板电脑后壳倒灌注塑模具设计

以某平板电脑后壳倒灌注塑模具设计为例,介绍了CAD/CAE软件在塑件成型中的作用,制订了塑件流道及浇口布置方案,通过采用CAE软件对塑件的两种CAE流动方案进行变形与熔接痕等分析,最终得到了一套切实可行的方案,使得模具设计缺陷大大降低,提高了塑件的内在质量和工作性能。实践表明,通过采用CAD/CAE软件进行注塑模具设计,有利于模具结构得到进一步优化,从而确保塑件的成型质量和生产周期符合要求。