基于CAE和RBF神经网络的注塑工艺优化分析

针对某汽车塑件注塑成型时成型末端翘曲量较大导致尺寸变差的问题,结合注塑成型CAE工艺分析后发现,引起产品充填末端翘曲变形大的主要原因为注塑后冷却收缩不均,针对此问题,将CAE仿真分析和RBF神经网络的预测分析相结合,对注塑工艺参数中的保压工艺和冷却工艺进行了优化设计,CAE分析方案采用(冷却+填充+保压+翘曲),RBF神经网络采用聚类法和梯度算法,应用改善翘曲的L_(27)(38)设计试验方案进行神经网络训练和检验,应用混合正交法(L_(36)(2*6 3*2))进行二次水平密化优选参数,通过优化,找到了改善翘曲的注塑工艺方案,优化的注塑工艺方案能较好的指导产品的批量生产,对其它同类注塑产品的生产有较好的实践参考意义。     

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。     

薄壁塑件注射成型翘曲变形的工艺优化

本文以注射成型照相机前壳为研究对象,以注塑成型中的翘曲量为优化目标,利用正交试验结合CAE模拟技术,研究模具温度、熔体温度、注射时间、保压时间、保压压力和冷却时间对制品翘曲的影响规律。用均值分析法得到最小翘曲变形的一组优化工艺参数组合,并进行CAE模拟验证。再运用方差分析确定各个工艺参数对翘曲变形的影响程度。     

薄壁塑件注射成型翘曲变形的工艺优化

本文以注射成型照相机前壳为研究对象,以注塑成型中的翘曲量为优化目标,利用正交试验结合CAE模拟技术,研究模具温度、熔体温度、注射时间、保压时间、保压压力和冷却时间对制品翘曲的影响规律。用均值分析法得到最小翘曲变形的一组优化工艺参数组合,并进行CAE模拟验证。再运用方差分析确定各个工艺参数对翘曲变形的影响程度。     

薄壁件注塑翘曲变形综合优化分析

以薄壁塑件为研究对象,将Moldflow模流分析工艺参数优化与ANSYS模具结构分析综合研究塑件翘曲变形,并进行工艺参数及冷却方式的优化。结果表明,保压压力是该薄壁塑件注塑时翘曲变形影响最显著的因素,模具温度对翘曲变形影响很小;通过优化可以得到最优的冷却管道布局和最优的注塑工艺参数;综合优化真实考虑到了由于模具变形而引起的塑件变形,并显著地减小了塑件翘曲变形。     

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。     

基于响应面法和CAE的注塑件翘曲变形优化

考虑模具温度、熔体温度、保压压力和保压时间等4个注塑工艺参数,利用响应面法进行实验设计,通过CAE软件对所设计的实验进行有限元模拟分析,得到注塑工艺参数对制品翘曲变形的影响。结果发现4个工艺参数中,保压压力对制品翘曲变形的影响极为显著,其次是模具温度,而熔体温度和保压时间对制品翘曲变形的影响不显著。各参数对翘曲变形的影响不是简单的线性关系,有极强的非线性耦合作用。文章的研究结果为合理选取和优化注塑工艺参数以获得翘曲变形量最小的注塑制品提供了方法。     

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Moldflow与正交试验的变径管注塑工艺设计

利用Moldflow对变径管进行“流动+冷却+翘曲”模拟分析并结合正交实验分析了模具温度、熔体温度、充填时间、保压压力、保压时间工艺参数对变径管翘曲变形的影响,得到最佳注塑工艺参数组合.利用Moldflow验证最佳参数组合对翘曲的影响,对指导模具设计和生产提供依据,缩短模具开发周期,降低生产成本,提高注塑产品的质量.     

基于神经网络和遗传算法的工艺参数优化

以翘曲变形和收缩为质量指标,采用正交试验法、神经网络模型和遗传算法,优化了模具温度、熔体温度、注塑压力、注塑时间、保压压力、保压时间和冷却时间,获得了工艺参数的最优配置组合,提高了制品质量。利用最优配置组合的工艺参数进行了注塑成型试验,并通过测量验证了CAE模拟的正确性。