基于正交试验法的汽车保险杠注塑成型工艺参数多目标优化研究

以某汽车保险杠为研究对象,应用Moldflow有限元分析,以注塑成型质量中的翘曲量和体积收缩率为质量指标,采用CAE模拟技术结合正交试验,分析熔体温度、模具温度、注射时间、保压时间和保压压力对制品质量的影响规律。用极差分析法分别得到翘曲变形和体积收缩变形的最优工艺参数组合。最后利用多目标综合平衡法,选出兼顾最小的翘曲变形和体积收缩率的工艺参数组合,并对该工艺组合方案进行模拟验证。     

基于灰色关联分析的注塑工艺多目标优化及PSO–SVM预测模型的建立

针对某电器活动上盖翘曲变形及体积收缩问题,对相关注塑工艺参数进行正交实验设计,在Moldflow中模拟分析,并对翘曲变形量及体积收缩率进行信噪比优化处理。利用灰色关联分析法得到翘曲变形量和体积收缩率的灰色关联度,通过对灰色关联度进行极差分析得到各注塑工艺参数对塑件综合目标(翘曲变形量及体积收缩率同时较小)的影响程度为:保压时间>注塑时间>模具温度>熔体温度>保压压力>冷却时间,同时由灰色关联度极差分析结果得出最优工艺参数组合,在最优工艺参数组合下的翘曲变形量相对于正交实验水平下最小翘曲变形量降低了11.8%,体积收缩率相对于正交实验水平下最小体积收缩率降低了5.9%。最后采用粒子群优化算法(PSO)优化后的支持向量机(SVM)神经网络模型对该塑件翘曲变形量及体积收缩率进行预测,通过与不优化的SVM神经网络及BP神经网络预测模型相比发现,PSO–SVM神经网络模型预测精度及稳定性都优于SVM及BP神经网络,可以用于塑件翘曲变形量和体积收缩率的协同优化,解决塑件实际翘曲变形及体积收缩问题。     

基于Moldflow的膨胀箱上盖收缩翘曲正交优化分析

以膨胀箱上盖为研究对象,运用Moldflow软件进行注塑模拟,存在充填不完全、翘曲变形和体积收缩率偏大等缺陷。以模具温度、熔体温度、保压压力、注塑压力为影响因素,确定了4因素3水平的正交试验方案,基于Moldflow模拟,分析了工艺参数对翘曲变形和体积收缩率的影响。结果表明,在研究范围内,工艺参数组合对翘曲变形和体积收缩率的影响能力分别为"保压压力熔体温度模具温度注塑压力"和"熔体温度模具温度保压压力注塑压力",最优的工艺参数分别为"模具温度为40℃,熔体温度为200℃,保压压力为60 MPa,注塑压力为120MPa"和"模具温度为40℃,熔体温度为200℃,保压压力为50 MPa,注塑压力为80 MPa"。     

基于MPI和灰色关联异型出风罩注塑参数优化

针对某异型出风罩注塑成型工艺,以聚碳酸酯/丙烯腈-丁二烯-苯乙烯共聚物(PC/ABS)工程塑料合金为填料,运用Moldflow软件对其注塑过程进行模流分析,通过田口实验设计研究了熔体温度、保压时间、保压压力、注射时间和模具温度对塑件收缩率和翘曲变形量的影响,得到它们对塑件收缩率的影响次序为:保压时间>熔体温度>保压压力>注射时间>模具温度,对翘曲变形量的影响次序为:保压压力>注射时间>熔体温度>保压时间>模具温度。基于灰色关联分析,获得了最优组合工艺参数,即:熔体温度280℃、模具温度为65℃、注塑时间2.1 s、保压时间11 s、保压压力21 MPa。优化后的仿真结果表明,塑件的体积收缩率为6.523%、翘曲变形量为0.80 mm,比灰色关联次序中位组合的样本数据分别降低6.9%和15.8%,并获得最大注射压力为20.34 MPa、最大锁模力为3.25×10^5 N,为后期模具的设计和注塑参数设定提供了有力的参考,缩短了模具开发周期。     

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%。     

采用RFR-GA算法的薄壁注塑件质量多目标优化

汽车内饰件可由注塑加工获得,但成型过程中塑件产生的翘曲、体积收缩较大,针对该问题,以某汽车薄壁注塑件为例,研究了其注塑工艺参数的优化方法.通过以注塑过程中的最小翘曲和最小体积收缩率为目标函数,以注塑温度、模具温度、注射压力、保压压力、保压时间以及冷却时间等参数作为设计变量,构建了多目标全局优化模型.利用Moldflow...     

汽车B柱窗框塑料件RHCM注塑翘曲变形分析及工艺优化

通过对汽车B柱的窗框塑料件快速热循环注塑成型(RHCM)过程及其工艺方案的研究，将翘曲变形量作为优化目标，运用Taguchi试验法设计了5因素4水平工艺组合方案，采用Moldflow软件进行模拟仿真工艺优化。将16组翘曲变形结果进行极差和方差分析，结果表明，RHCM下蒸汽温度对窗框塑料件翘曲影响最为显著，其最佳工艺方案为蒸汽温度145℃、保压压力90 MPa、加热时间20.7 s、保压时间26 s、冷却时间24 s。该工艺组合方案下翘曲变形量为1.583 mm，较优化前降低了56.5%。通过分离翘曲原因，塑料件的变形主要是由Z方向上的收缩不均引起的。将优化结果与传统注塑(TIM)相比，分析表明RHCM工艺在注塑过程中对模具温度进行动态控制，使得塑料件内部收缩率分布更加均匀，翘曲变形量更小，可显著提高塑料件成型质量。     

基于BP神经网络的无人机固定翼注塑成型工艺优化

为了解决无人机固定翼在注塑过程中工艺参数的优化选择问题,在考虑了熔体温度、模具温度、保压压力、保压时间、注射时间因素下,用模流分析软件Moldflow和正交试验相结合的方法对翘曲量、体积收缩率和缩痕指数进行了模拟分析,同时为了提高优化效率,根据正交试验数据建立了BP神经网络预测模型,并用模型对工艺参数进行了优化和实际生产验证。结果表明:优化后的塑件最大翘曲变形量、体积收缩率、缩痕指数分别优化了0.212 5 mm、1.26%、1.223%,提高了塑件质量。而且仿真值与模型的预测值基本吻合,相对误差在3%以内,验证了模型的可行性,为优化工艺参数方面的研究提供了理论依据。     

塑料旋钮注射成型工艺优化

研究对象为塑料旋钮,以翘曲变形量和体积收缩率为优化目标并设计正交实验,选取模具温度、熔体温度、注射时间、保压压力和保压时间为影响因素。运用Moldflow软件进行仿真,得到翘曲优化的最佳组合。针对正交实验优化对体积收缩不敏感的情况,采用BP神经网络训练后进行二次寻优。对比Moldflow仿真结果满足工程精度,得到同时满足最佳翘曲和最小体积收缩率的最佳优化组合参数。结合正交实验和BP神经网络预测的方法减少了运算时间提高了分析效率。     

基于正交试验的高压固定板注塑工艺优化

以某一高压固定板为研究对象,把五大因素(模具温度、熔体温度、填充时间、保压压力、保压时间)作为优化目标,制品的体积收缩率和翘曲变形作为研究目标,设计正交试验并通过Moldflow软件模拟仿真,然后对试验数据结果进行极差和方差分析,最终得到的最佳工艺参数组合为:模具温度70℃,熔体温度280℃,填充时间1 s,保压压力为注射压力的90%,保压时间12 s。再次进行Moldflow软件模拟,得到制品的体积收缩率和最大翘曲变形分别为4.824%和0.632 mm,有效地提高了制品的成型质量,对于实际应用生产具有理论指导意义。     

汽车内饰件软皮注塑包覆工艺研究

优化了汽车内饰件软皮注塑包覆工艺参数,通过采用优化后的工艺参数组合,根据对包覆件的影响程度调整保压时间、保压压力、模具温度、熔体温度、注射时间等参数,能够有效地减少上饰板骨架翘曲变形量及降低包覆层的体积收缩率,从而提高制品的成型质量,可为实际生产提供理论依据和实践指导。     

基于正交试验汽车前灯注塑工艺参数优化

以某厂汽车前灯为研究对象,采用正交试验法设计试验方案,使用Moldflow对其进行翘曲模拟分析,以保压压力、保压时间、注射时间、V/P(速度/压力)转换为试验因素,分析其对翘曲变形量的影响规律,旨在获取最小翘曲变形量,找到最优的工艺参数组合,再次模拟验证得到翘曲变形量为1.828 mm,通过分析,优化后的工艺参数组合有效减小了翘曲变形量,并且发现4因素对翘曲变形影响程度为:保压压力保压时间注射时间V/P(速度/压力)转换,进而提高了制品的使用性能,为实际注塑工艺参数的设置提供了正确理论指导。     

基于TOPSIS灰色关联的汽车双色开关面板的工艺参数优化

基于Moldflow软件对汽车双色开关面板进行仿真研究,选定外壳体积收缩率为单目标优化,内壳体积收缩率和整体翘曲变形量为多目标优化,结合主成分分析、灰色关联度和优劣解距离法(TOPSIS)来确定灰色相对贴近度,得出最优工艺参数组合和各因素影响程度。综合得出优化后的外壳体积收缩率为9.95%,内壳体积收缩率为2.827%,整体翘曲变形量为2.279 mm,为实际双色注塑成型提供了重要依据且达到了优化目的。     

基于灰色关联理论的汽车门锁注塑工艺优化

以汽车门锁为研究对象,运用正交试验法结合Moldflow模拟分析软件,以减少成型过程中的翘曲变形量和体积收缩率为目标函数,选取冷却时间、熔体温度、模具温度、保压时间、保压压力这5个因素为主要试验因素,利用灰色关联系统理论,建立了参数与塑件质量的灰色关联度模型,获得最优的注塑参数组合,将最优工艺参数应用到实际生产中,得到了符合要求的合格产品。     

基于神经网络技术的塑料齿轮模型工艺参数优化

针对塑料模型注塑成型优化过程中工艺参数多、计算准确度低、工程模拟量大的特点.以塑料齿轮零件为例,通过引入BP神经网络技术,结合Moldflow软件建立注塑成型工艺参数优化模型.以体积收缩率和翘曲变形量为注塑工艺评定目标函数,选择熔体温度、保压压力、保压时间、模具表面温度为训练样本,建立44正交试验表,由相对方差分析评价...     

基于正交试验的注射成型工艺参数优化研究

针对一塑料连接件,利用Moldflow软件仿真其注塑成型工艺过程。并通过正交试验分析了熔体温度、模具温度、注塑时间、保压时间和保压压力对连接件翘曲变形的影响。最终,找出了在理论上可使得连接件翘曲变形量最小的最佳参数组合。     

基于Moldflow的遥控器后盖注塑制品翘曲分析及优化设计

以遥控器外壳为实例,基于Moldflow软件以及正交试验法对注塑过程中出现的翘曲现象进行分析,研究熔体温度、注塑+保压+冷却时间、充填压力对翘曲变形的影响。结果表明:影响遥控器外壳翘曲变形的因素中,充填压力和熔体温度影响较大,注塑+保压+冷却时间影响较小。根据正交试验的结果,选择最优参数组合对翘曲变形进行优化,结果表明:由收缩不均造成的最大翘曲变形量相比初始工艺参数降低了3.01%,由冷却不均造成的最大翘曲变形量相比初始工艺参数增加了18.10%。总体来看,遥控器外壳的最大翘曲变形依然出现在边缘处,最大翘曲变形量为4.520 mm,降低了2.96%,相比初始工艺参数具有一定的改善作用。     

基于DOE和信噪比的手套箱外盖注塑工艺参数优化

对汽车手套箱外盖的结构进行整体分析，为满足其复杂结构的要求并解决实际生产中出现的质量缺陷，结合Moldex3D软件，优化了浇注位置，设计了传统水路冷却+隔水板冷却的混合冷却方案。以塑件翘曲变形量为质量目标，采用DOE和信噪比均值分析方法优化注塑工艺参数，最佳工艺参数组合为充填时间2.11s、塑料温度260℃、模具温度30℃、保压时间10 s、保压压力147 MPa、冷却时间15.89 s,其中，对翘曲变形量影响最大的是模具温度。优化后，缩痕指数从0.071%降低至0.041%,降低了42.25%,体积收缩率从11.351%降低至9.005%,降低了20.67%,翘曲变形量从4.446 mm降低至1.521 mm,降低了65.79%,表面质量更加均匀，保压效果更佳，优化效果明显。经过注塑工艺参数优化和实际试生产检验后，产品性能稳定，满足注塑生产要求。     

餐厨垃圾处理设备齿轮结构注射工艺设计与优化

使用Pro/E软件建立了塑料锥齿轮的三维模型,基于Moldflow软件优化了锥齿轮的浇口位置,并对主动锥齿轮和从动锥齿轮的注射工艺进行了研究。仿真结果表明,收缩不均对总翘曲变形产生的影响最大。选取体积收缩率、缩痕和最大翘曲变形量3个指标进行综合评价,选取体积收缩率和缩痕的权重系数为0.2,最大翘曲变形量的权重系数为0.6。通过正交优化试验得到从动锥齿轮的最优注射参数为熔体温度240℃、注射+保压+冷却时间36 s和保压压力80%,主动锥齿轮的最优注射参数为熔体温度240℃、注射+保压+冷却时间36 s和保压压力64%。     

基于Critic权重法的车灯灯框注塑成型工艺参数的多目标优化实验

以某型号轿车的车灯灯框为研究对象，体积收缩率与翘曲变形量为优化目标，选取模具温度、熔体温度、注射时间、保压压力及保压时间等工艺参数作为优化变量，建立L₁₆(4⁵)正交试验，采用Moldflow软件进行仿真分析，得出不同工艺参数组合下优化目标值。利用Critic权重法对两个目标值进行客观赋权，得出两指标的权重系数，将多目标优化变为单目标优化，计算两优化目标的综合评分，对综合评分进行极差与方差分析。结果表明：两指标综合评分影响排序为：模具温度>保压时间>注射时间>熔体温度>保压压力。最优工艺参数组合为A₁B₂C₃D₄E₁，通过仿真分析，结果相较于原始方案的翘曲变形量与体积收缩率分别降低了19.28%和5.61%。