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。     

Moldflow在计算器外壳成型工艺优化中的应用

针对计算器外壳在企业生产过程中存在的具体问题,运用数值模拟技术、正交试验设计理论和神经网络理论优化塑件的工艺成型参数,并获得较为理想的最佳工艺参数组合。本文深入讨论了熔体温度、模具温度、注射时间、保压压力、保压时间、冷却时间六个因素对塑件整体翘曲变形和体积收缩率的影响。     

Moldflow在计算器外壳成型工艺优化中的应用

针对计算器外壳在企业生产过程中存在的具体问题,运用数值模拟技术、正交试验设计理论和神经网络理论优化塑件的工艺成型参数,并获得较为理想的最佳工艺参数组合。本文深入讨论了熔体温度、模具温度、注射时间、保压压力、保压时间、冷却时间六个因素对塑件整体翘曲变形和体积收缩率的影响。     

基于GA-ELM及遗传算法的注塑件成型工艺优化

以某电器扣盖壳体注塑成型工艺参数优化为例,对正交试验结果进行极差分析,得到各工艺参数对塑件翘曲变形量的影响程度顺序为保压时间＞模具温度＞注射时间＞熔体温度＞保压压力＞冷却时间.利用遗传算法优化后的极限学习机网络模型(GA-ELM)预测该塑件的翘曲变形量,得到训练好的GA-ELM模型可以很好反映6个工艺参数与翘曲变形量之...     

基于极差分析法与GA-ELM的电器连接器壳体注射成型工艺优化

以某电器连接壳体为例,借助Moldflow软件对正交试验方案组合进行模拟,对正交试验模拟结果进行极差分析,得到各工艺参数对塑件翘曲变形量的影响程度为:保压时间>模具温度>注射时间>熔体温度>保压压力.极差分析得到的最优工艺参数组合对应的翘曲变形量与正交试验方案中最小翘曲变形量相比降低了6.7％.关键点采用遗传算法优化后...     

基于正交实验的薄壁塑件翘曲变形模拟分析

以薄壁塑件为对象,研究了模具温度、熔体温度、保压时间及注射压力等工艺参数对该薄壁塑件成型翘曲的影响规律,并用正交实验法优化成型工艺方案,获得最小的翘曲塑件.结果表明,熔体温度和保压时间对塑件翘曲变形影响较为显著,模具温度对塑件翘曲基本没有显著的影响.     

基于CAE和正交试验的工艺参数对翘曲变形的研究

利用CAE技术,选取模具温度、熔体温度、保压压力、保压时间等工艺参数作为研究对象,以塑件在不同方向的翘曲变形量为指标,利用正交试验建立L_(16)(4~5)正交试验表,优化最佳工艺参数组合,有效减少塑件的翘曲变形。通过方差分析,得出对塑件x、y、z方向翘曲变形影响最大因素分别为熔体温度、保压压力、保压压力;对塑件x、y、z方向翘曲变形影响最小因素分别为模具温度、保压时间、保压时间。     

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%。     

曲面薄板注塑成型翘曲数值模拟及优化

利用Moldflow的MPI/Warp分析模块对曲面薄板塑件注射成型冷却过程进行数值模拟,预测其成型后的翘曲变形.通过正交试验法对影响塑件翘曲变形的工艺参数进行优化,确定影响该塑件翘曲变形的主要因素为材料收缩性能,其次为模具温度、注射保压冷却时间和熔体温度,并给出工艺优化方案.所获得结果可以用于指导和优化实际生产工艺.     

汽车音响面板热流道注射成型工艺优化研究

针对某汽车音响面板在注射成型过程中易发生翘曲变形的现象,在该塑件工艺分析和翘曲变形预测理论分析的基础上,利用UG和Moldflow构建了该塑件的三维模型和分析模型,设计了以翘曲变形值最小为实验目标和以充填时间A、熔体温度B、模具温度C、保压压力D和保压时间E为因子的正交实验方案,并运用Moldflow进行了注射成型工艺模拟实验。通过对实验结果进行极差和方差分析得出,对塑件的翘曲变形量影响程度从大到小依次为DBACE,保压压力占比65.76%,最优工艺参数为充填时间1.4 s、熔体温度250℃、模具温度60℃、保压压力64 MPa、保压时间11 s,其翘曲变形值为0.549 7 mm,比用推荐工艺参数的翘曲变形值减少了24.84%。实践表明,采用该优化工艺生产的塑件,翘曲变形小,无熔接痕,质量优良,易于装配。     

基于DNNNSGA-Ⅱ策略的注塑结构及工艺参数多目标优化

为保证注塑制品的质量与精度要求，以检测仪外壳的翘曲变形量和体积收缩率为优化目标，采用有限元分析软件Moldflow对其进行模拟分析。选取熔体温度、模具温度、注射压力、保压压力、保压时间、冷却时间6个工艺参数及结构参数(浇口直径)作为输入量，翘曲变形量和体积收缩率作为输出量，建立深度神经网络(DNN),并且，对网络进行改进。将混合水平正交试验得到的数据作为样本，对神经网络进行训练和测试，得到输入量和输出量之间的非线性映射关系。结合非支配排序遗传算法(NSGA-Ⅱ)对浇口直径及工艺参数进行优化，优化后，塑件的翘曲变形量为0.368 4 mm,体积收缩率为6.236%,与优化前相比，分别降低了67%、39%。     

电连接器接触件注塑成型翘曲变形的优化分析

结合正交试验法和数值分析,以最大翘曲量为质量指标,研究了不同工艺条件下某Y型电连接器接触件注塑成型过程,通过对翘曲变形的极差分析,确定了熔体温度、模具温度、注射时间、保压压力、保压时间等工艺参数对翘曲变形的影响敏感性。利用BP(back propagation)人工神经网络,建立主要工艺参数和塑件翘曲变形量之间的数学模型,并进行了预测。结果表明:所建立的数学模型具有较高的预测精度,从而达到以较少的试验实现注塑成型工艺的优化与控制。     

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Moldflow和BP神经网络的薄壳注塑件预测

基于Moldflow平台,通过正交试验研究了一模两腔薄壳注塑件成型工艺参数对翘曲量的影响。以流动速率、保压压力、保压时间、熔体温度和模具温度五个工艺参数为输入,注塑件翘曲量参数作为输出,在Matlab神经网络工具箱中建立三层BP神经网络;利用Moldflow正交试验所得工艺参数与翘曲量的数据作为训练样本对神经网络进行训练,得到注塑工艺参数与注塑件翘曲量之间的非线性映射关系,并验证该神经网络的泛化能力。结果表明,该神经网络能较好地预测薄壳注塑件翘曲量。     

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。     

基于Taguchi与BPNN–PSO的薄壁注塑件翘曲变形优化

以家用空调遥控器前壳注塑件为例,在应用CAE模流分析确定塑件浇注系统和冷却系统的基础上,选取模具温度、熔体温度、注塑时间、保压时间和保压压力为设计变量,通过集成有限元模拟、Taguchi正交试验、BP神经网络(BPNN)以及粒子群优化算法(PSO)等来实现对薄壁塑件翘曲变形量的优化。优化后的工艺参数使得塑件翘曲变形量较优化前减少了37%,并应用Moldflow对优化工艺参数可靠性进行了模拟验证,结果显示,验证值和优化结果吻合度高,仅相差0.015 mm,表明所采用的薄壁塑件翘曲变形优化方法能显著减少注塑工艺参数调控过程对操作人员的经验依赖,具有较高的工程应用价值。     

薄壁塑件注射成型工艺参数优化

在注射成型过程中将计算机模拟技术和实验优化设计相结合,以相机外壳为例利用MoldFlow对各工艺参数进行注射成型过程的模拟.通过分析塑件体收缩变形和翘曲变形的原因,得出熔体温度是影响塑件体收缩变形的主要因素,而保压压力对翘曲变形起主导作用力.并在正交试验的指导下优化工艺参数,使收缩率和翘曲变形分别降为原来的75.9%和87.0%.     

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。