基于稳健设计的电器壳体注塑成型工艺参数优化

将Taguchi稳健设计和CAE模拟技术相结合,应用于注塑工艺参数的优化。以某电器壳体的注塑成型为例,以减小制品的翘曲变形为试验目标,研究模具温度、熔体温度、注射时间、保压压力及浇口位置对注塑件翘曲变形的影响规律,运用变量分析,确定工艺参数对翘曲变形的影响度。     

基于Dual-Kriging模型多目标稳健设计在板料拉深成形中的应用

板料拉深成形工艺中,由于设计参数波动的影响,导致在传统最优工艺条件下成形件质量不够稳健。该文采用板料成形有限元仿真、代理模型,并结合稳健设计思想,提出基于Dual-Kriging模型的稳健设计方法。筛选影响成形质量的主要模具几何、工艺参数,并确定其相应波动范围;基于有限元仿真,运用Kriging模型,建立设计参数与成形质量的函数关系;根据参数波动情况,基于第一重Kriging模型以及Monte Carlo模拟,运用Kriging模型,建立设计参数与成形质量期望与方差的第二重模型;运用基于拥挤距离的粒子群算法,以及灰色关联分析进行多目标优化,完成设计参数的稳健设计。将该方法运用于NUMISHEET 93的方盒件拉深成形,与传统确定性优化设计相比,可有效减少成形质量的波动范围以及不确定性分析的计算量,提高成形件的稳健性。     

基于CAD/CAE集成的注塑件多目标优化

针对注塑件的多目标优化问题,基于CAD/CAE集成技术,进行了CAD参数化模型更新子系统、CAE分析方案参数化和自动化子系统的开发,并结合优化算法库,建立了一种面向注塑件优化的集成分析优化平台。该平台可以实现几何优化和工艺优化的功能。对于翘曲变形较大的薄壁制品,提出反变形设计和工艺优化相结合的优化方法。为了反映制件的整体翘曲程度,提出了量化翘曲变形的方法。以汽车空调风口零件为研究对象,基于构建的集成优化平台,采用反变形+工艺优化的方法,及人工神经网络模型和多目标遗传算法,对其进行优化分析,并采用序列加点的方法提高代理模型的精度。结果表明,所提出的注塑件多目标优化方案可行。     

基于双层Kriging模型的低压铸造工艺稳健设计

在基于近似模型的仅考虑参数不确定性的铸造工艺稳健设计方法中,由于近似模型并不能完全准确地替代真实铸造工艺过程,导致优化结果必然存在较大误差。为了提高优化结果的有效性,提出了一种新的基于双层Kriging迭代策略的低压铸造工艺稳健优化设计方法。在分析不确定性时引入了近似模型不确定性的影响,建立低压铸造工艺稳健优化模型,之后再利用粒子群算法得到最优稳健解。最后通过实例分析,证明提出的稳健优化方法能得出稳健性能良好的铸造工艺解。     

基于IMOPSO方法的注塑件熔接痕质量的多目标优化

提出了一种改进多目标粒子群优化(IMOPSO)算法,并用于优化注塑成型过程中熔接痕的长度和相遇角。基于成型工艺参数建立了熔接痕多目标优化模型,同时提出了改进混合神经网络(HNN)作为预测熔接痕长度和相遇角的代理模型。其中,通过Taguchi方法设计实验,采用Moldflow软件得到了训练改进HNN的样本。基于Pareto支配理论,提出了一种IMOPSO算法,并通过算例验证了其在多目标优化问题中的有效性。采用IMOPSO算法对注塑件熔接痕的长度和相遇角进行优化。将优化结果和MPI实验结果进行比较表明,IMOPSO算法能有效地优化注塑制品的熔接痕质量。     

基于Moldflow注塑件翘曲分析及工艺优化

以一款测试仪下盖板为研究对象进行翘曲缺陷分析,确定注塑件开裂的原因。首先,通过对注塑件三维原模型进行针对性的结构修改,对修改前后的模型分别进行模流分析;其次,重点对注塑件结构尺寸、模具温度、注塑温度和保压曲线等工艺参数进行优化设计,使修改后注塑件翘曲变形降低;最后,结合注塑件模具成型工艺,得到最优注塑工艺数据。研究结果表明,注塑件翘曲变形量为1.032mm,存在明显的收缩不均,为导致产品开裂的主要原因。     

基于正交优化的薄壳类注塑产品的翘曲控制

以某电子产品上盖薄壳类注塑件的翘曲变形量为考核指标,采用多因素正交试验法,利用有限元分析软件对注塑成型过程进行数值模拟,比较不同注塑工艺参数对翘曲变形量的影响,最终获得PC/ABS材料塑料件优化的工艺参数组合,该方法可应用于优化注塑工艺。     

注塑成型工艺中的翘曲变形

在注塑成型过程中不可避免地会产生短射、熔接痕、气穴、飞边、缩痕和翘曲变形等诸多缺陷,而翘曲变形是塑料制件最严重的成型缺陷之一。分析了塑料材料、模具结构和成型工艺条件对注塑制品翘曲变形的影响,指出通过对冷却系统、工艺参数的优化并结合计算机模拟技术,可以改善注塑件的翘曲变形。     

基于Kriging代理模型和遗传算法的注塑件翘曲优化

翘曲变形对具有配合关系的两塑件的装配有严重影响。文章针对传统优化方法提出一种高效、精准的优化方法。基于Kriging代理模型,通过实验设计,建立工艺参数与翘曲值之间近似的函数关系;应用遗传算法,对工艺参数进行全局寻优得到翘曲值最小的工艺参数组合;在优化设计的基础上,研究各工艺参数对塑件翘曲值的影响趋势。结果表明,注射时间和保压压力对其影响较大,同时Kriging模型中的相关函数参数能够反映各工艺参数对翘曲值的非线性程度。     

基于多克隆粒子群的无心磨削工艺参数优化

为了选择无心磨削的最佳工艺参数,建立了磨削工艺参数优化模型,并提出了一种多克隆的粒子群优化算法。将克隆复制、克隆交叉、高频变异和克隆选择引入粒子群优化算法中,从而改善基本粒子群算法容易陷入局部极小值、收敛速度慢的缺点。与其他相关算法相比,新算法在进行磨削工艺参数优化时,搜索速度更快、搜索能力更强。