注塑零件多指标优化方法研究及应用

针对塑件在成型过程中的多指标优化问题,利用注塑仿真软件对塑件进行仿真,预测其翘曲、体积收缩以及缩痕效果,并结合正交试验、极差分析和综合评分方法对注塑工艺参数进行优化。结果证明,当模具温度为50℃,熔体温度为200℃,保压压力为注射压力的120%,冷却时间为15 s,保压时间为20 s,注射时间为3 s时,塑件成型综合质量较好,注射时间对综合评分影响最大。     

基于BP神经网络和遗传算法的机箱壳注塑工艺参数多目标优化

以注射成型机箱壳为例,构建制品CAE分析模型,运用Moldfl ow仿真分析,预测制品缺陷,并选定了优化因素与指标;运用Taguchi试验法和CAE仿真获得数据样本,通过模糊加权综合评分将多目标问题转化为单目标优化;建立了BP神经网络集预测模型,映射了工艺参数与质量指标的非线性关系;采纳遗传算法进行全局寻优,得到试验范围内的最优工艺参数:模具温度为66.3℃,熔体温度为227℃,填充时间为4.6 s,保压压力为填充压力的109%,保压时间为10.2 s,冷却时间为22.7 s。对优化结果进行CAE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,实现了制品质量指标的多目标优化。该优化设计方法能有效提高制品质量,缩短生产周期。     

基于正交试验设计的薄壁壳体零件翘曲优化分析

以薄壁壳体为研究对象,基于Moldflow软件对薄壁特征翘曲变形进行正交试验仿真分析,对比实验方案及优化方案,并进行试验验证。结果表明:通过正交试验的优化分析,对翘曲变形显著性影响因素依次为保压压力,模具温度,熔体温度,保压时间,注射时间。优化工艺参数组合为模具温度80℃,熔体温度230℃,注射时间1 s,保压时间8 s,保压压力140%,基于优化数据的试制样件质量较高,对于相关注塑模具的设计制造具有指导和应用意义。     

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Moldflow和正交实验的车标注塑参数优化

针对汽车车标注塑成型时会产生缺陷的问题,对车标的注塑参数进行分析优化。首先运用Moldflow进行5因素4水平正交实验,然后通过层次分析法和S型隶属函数对3指标下的实验参数进行综合分析,使用极差分析法得到综合分析下模具温度、熔体温度、保压时间与保压压力、注射时间以及冷却时间5个注塑参数的最佳组合及其影响顺序,并通过Moldflow和实际注塑进行验证。结果表明,5因素在3指标下的综合影响程度为注射时间冷却时间熔体温度保压时间与保压压力模具温度。对注塑起主要决定作用的为注塑时间。最佳组合为模具温度55℃、最佳熔体温度230℃、最佳保压时间与保压压力为85%、最佳注塑时间为1. 4 s、最佳冷却时间为18 s。     

基于神经网络和遗传算法的薄壳塑件注塑工艺优化

散热器外壳是电子产品散热器的主要零件之一,由于壁薄,在注塑成型中经常出现壁厚不均、翘曲变形和熔接痕等缺陷。针对该问题,以熔体温度、模具温度、冷却时间、注射压力、注射时间、保压压力和保压时间7个工艺参数为输入量,注塑件的翘曲量作为输出量,建立RBF神经网络模型;利用均匀试验所得的数据作为样本对神经网络进行训练和测试,得到注塑工艺参数与塑件翘曲变形量之间的非线性映射关系。结合遗传算法对工艺参数进行优化,获得最佳的工艺参数为:熔体温度234. 4℃、模具温度31. 5℃、冷却时间23. 8 s、注射压力128. 3 MPa、注射时间4. 7 s、保压压力93. 0 MPa、保压时间14. 1 s,获得预测的最小翘曲变形值为0. 331 875 mm,并使用优化后的工艺参数进行试验。试验结果表明,优化后产品的最大翘曲变形量降低至0. 318 9 mm,与优化前均匀试验所得的0. 378 1 mm相比,得到了明显的改善,降低了15. 7%。     

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。     

计算机模拟技术在高分子材料注塑成型中的应用

以翘曲变形量为评价指标,采用Moldflow软件和正交试验法对高分子塑件注塑成型工艺参数进行优化,根据Taguchi指标权重计算结果,选取熔体温度、模具温度、注射时间为因素,建立3因素3水平正交试验,获得了注塑成型中的最优工艺参数.结果表明:最优工艺参数为模具温度240?℃,熔体温度32?℃,注射时间0.68?s,此条...     

基于Moldflow的PP薄壁制品注塑工艺计算机模拟

利用Moldfl ow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。     

壁厚塑件翘曲优化方法研究及应用

为了降低翘曲变形对壁厚塑件质量的影响,利用注塑仿真对塑件进行模拟,并结合正交试验的直观分析和方差分析方法对注塑工艺参数进行优化。结果表明,当模具温度70℃、熔体温度220℃、保压压力为注射压力的120%、冷却时间15s、保压时间30s及注射时间4s时,塑件翘曲量最小,熔体温度对塑件翘曲影响最大,模具温度对翘曲影响最小。     

基于神经网络的工艺参数对翘曲变形和收缩的影响研究

以拉伸和冲击试样(无缺口和有缺口)三种塑料零件的注射成型为例,以翘曲变形和收缩为评价指标,采用Taguchi方法及极差和方差分析方法,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,获得了最优的工艺参数组合。建立了神经网络模型,利用神经网络的预测功能,预测出变动单个工艺参数下的翘曲变形量和收缩率,研究了单个工艺参数对翘曲变形和收缩的影响,以指导生产实践。     

基于综合加权评分法的空气滤清器注塑成型优化

针对某45%玻纤增强PP材料的空气滤清器的注塑成型进行仿真模拟,并利用正交试验探究工艺参数的优化方案。结果表明:安装孔轴偏移量及出口管圆柱度不满足设计指标要求。各工艺参数对综合加权评分的影响程度排序为:熔体温度>注射时间>v/p切换体积>模具温度>保压压力。综合考虑成本和周期,得到工艺参数组合为A₃B₂C₁D₁E₁,即注射时间为1.3 s、v/p切换体积为98.5%、熔体温度为185℃、模具温度为25℃及保压压力为65%。基于优化工艺的模流分析表明,安装孔轴偏移量及出口管圆柱度均满足设计指标。研究表明优化工艺参数具有合理性。     

基于正交试验的塑料接线盒翘曲变形优化控制

注塑成型是一个具有多变量的复杂成型工艺过程,采用正交试验合理安排注塑工艺过程中进行多因素试验,通过分析各因素对试验结果的影响,确定工艺参数优化组合。对塑料接线盒的翘曲变形进行了优化控制研究。通过正交试验设计,从影响翘曲变形的6个工艺参数的角度分析了对塑件X、Y、Z 3个方向的翘曲变形量的影响,得到塑件翘曲变形最佳的注塑工艺参数组合:模具温度45℃、熔体温度190℃、保压时间35 s、保压压力120%、注射时间1. 5s、冷却时间13 s。通过试模,可知注塑出的塑件质量优良,符合客户要求。通过正交试验进行了塑件注塑质量优化控制,可针对不同试验指标,进行不同的试验因素分析,避免大量无序的试验成本,并且能够有效地解决了问题,可推广应用到其它塑件成型。     

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。     

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

本文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。     

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...     

基于改进PSO-BP的核酸检测卡注塑工艺优化

针对新型冠状病毒肺炎(COVID-19)核酸检测卡收缩问题,对制件运用模流软件进行工艺优化,探究注塑成型工艺优化方案。通过对比模具温度、熔体温度、注射时间、保压时间和保压压力,将质量评价指标设置为核酸检测卡的体积收缩率,采用Taguchi正交试验方法选出训练样本,应用多层前馈网络模型(BP)神经网络技术,建立预测模型,并采用改进粒子群算法(PSO)对模型进行优化,以体积收缩率为目标函数,对工艺数据样本进行训练,并进行预测,得到最优体积收缩率为3.864%,其对应的参数为模具温度81℃,熔体温度200℃,注射时间0.6 s,保压时间12 s,保压压力45 MPa,并使用计算机辅助工程(CAE)软件对预测出的体积收缩率的工艺参数进行模拟验证,得到体积收缩率为3.786%,误差仅为2.06%,与优化前(8.954%)相比降低57.72%。并通过试模得到试件外观质量较好,无明显翘曲变形缺陷,经检测试件最大翘曲变形量小于0.15 mm,满足生产要求。表明此改进PSO-BP模型预测塑件的体积收缩率准确精度较高,有一定的生产应用价值。     

基于Moldex3D的油漆桶桶盖注塑成型过程分析

利用模流分析软件Moldex3D模拟油漆桶桶盖注塑成型过程,研究桶盖模具使用阀式热流道与开式热流道两种不同浇注方案的成型差异,并结合仿真结果设计热流道。通过设计Taguchi DOE实验的因素与水平,优化桶盖产品的注塑工艺参数。结果表明：设定工艺参数为熔体温度250℃,保压时间2 s,冷却时间18 s时,产品没有短射、包封等外观质量问题;优化后的注塑工艺参数有效降低了产品的冷却时间。     

注射成型工艺参数的混合优化

采用Taguchi正交试验设计法,选用熔体温度、模具温度、保压压力和保压时间为试验因素,选取充填时间和翘曲度为制品质量的主要评价因子,经过注塑CAE软件Moldflow模拟分析,找到最优序列。利用灰色关联分析获得最接近期望的参数组合,并通过试验检验分析结果。结果表明,灰色关联分析与CAE技术相结合,能迅速有效地实现注射成型工艺参数优化。     

基于Mold?ow和BP神经网络的汽车后视镜外壳注塑工艺优化

为解决汽车后视镜外壳的注塑翘曲缺陷问题,利用Moldflow对正交试验16组参数水平组合的成型过程进行模拟,得到各因素对翘曲变形量的影响程度,然后采用BP神经网络预测的方法得到最佳工艺参数组合为:模具温度70℃、熔体温度210℃、注射时间1.4 s、保压时间16 s及保压压力100 MPa。