注塑件翘曲量化分析与成形工艺优化方法研究

针对注塑件有限元翘曲分析存在的整体量化与工艺参数优化问题,通过二次开发实现了注塑件翘曲的综合量化。结合正交实验设计,得出影响翘曲大小的工艺参数贡献度,从而获得多参数优化组合,实现了注塑件翘曲优化。     

薄壁注塑件翘曲的正交分析及优化

分析了注塑制件翘曲的原因,采用著名的CAE软件Moldnow与正交试验方法,对不同工艺条件下的注塑成型过程进行模拟分析并对正交实验数据进行极差分析,确定注射时间、保压压力、保压时间、冷却时间、熔体温度、模具温度以及冷却液温度等注塑成型工艺参数对制件翘曲变形的影响程度,得出最优的注塑成型工艺参数组合,并以一薄壁导光板对该工艺组合方案进行模拟验证与实际注塑实验验证。     

注塑件成型工艺参数优化研究

以手机外壳为例,应用CAE软件模拟了注塑件的注塑成型过程。通过正交试验方法与模拟仿真实验的结合,对注塑成型的填充、保压、冷却和翘曲变形过程进行仿真实验分析,获得了制件不同条件下的翘曲变形值。并通过对试验数据的极差分析,得到了不同工艺参数对注塑过程翘曲变形的影响程度,进而得到一组优化的工艺参数组合,同时对优化后的工艺参数组合进行仿真模拟分析,得到了符合产品要求的翘曲变形量,为同类制品的工艺参数优化提供了依据。     

大型薄壁塑件翘曲变形分析及工艺参数优化

在注塑成型大型薄壁塑料产品过程中,由于熔料流动路程长,流动阻力大,产品极易产生翘曲变形,从而影响到使用性能.应用Moldflow软件分析了影响产品翘曲变形的主要原因是收缩率不均引起.通过优化工艺参数,即优化保压曲线,减小了产品翘曲变形.方珐是将保压设置由恒压保压调整为先恒压再线性递减的两段保压,然后再多次调整保压曲线各...     

Taguchi与RBF神经网络在注塑翘曲参数优化中的应用

本文在CAE仿真的基础上,采用田口试验设计(Taguchi)和径向基神经网络(RBF)技术对引起翘曲的塑参数进行了优化.结果表明:Tagucbi技术可以在较少的试验次数的情况下,确定各因素对翘曲的影响程度,获取各因素最佳的水平组合;运用RBF建立翘曲产生的神经网络模型,可以预测各因素在不同水平组合下的翘曲变形程度,达到离线预测的目的.     

基于流动模拟技术的注塑成型工艺参数优化

利用Pro／E建立了15寸电脑显示器前壳简化3D模型，并用Mold Plastics Insight(MPL)软件对该制品的注塑成型过程进行流动、保压、冷却和翘曲模拟分析，优化工艺参数。然后，针对塑件材料的注射温度和模具温度的选用范围进行分组模拟，得到几组较优的工艺参数组合，并以翘曲变形量为参考标准，获得合理的工艺参数组合。     

基于正交试验法进行注塑制品翘曲模拟分析及工艺优化

翘曲变形是薄壳类塑料件注塑成型中的常见缺陷之一。不同材料、形状及不同成型工艺的注塑件的翘曲变形规律差别很大,翘曲变形问题的存在会影响注塑件的形状精度和表面质量,甚至成为成型缺陷,进而影响产品装配及外观。翘曲作为塑件变形的重要特征之一,其研究有着重要的应用价值。利用数值模拟技术研究制件注塑成型,降低塑件成型的翘曲量,对于提高注塑产品精度、缩短新产品开发周期、降低成本、提高生产率等都有着重要的意义。     

薄壁注塑件翘曲影响因素分析及优化研究进展

分析了薄壁注塑成型翘曲变形产生的原因,介绍了几种优化算法的基本原理及特点。重点讨论了薄壁注塑件翘曲变形的模具优化设计和工艺参数优化方法。注塑模具优化设计主要通过保证流动平衡来间接实现翘曲优化。注塑工艺参数优化是减少翘曲的可行而有效的途径,影响翘曲最主要的工艺参数是保压压力、注射速率及模具温度。总结了注塑工艺参数优化的几种方法,对“代理模型”翘曲优化进行分析,步进式代理模型能更好地提高计算效率。     

基于DOE因子交互作用的注射成型工艺参数优化研究

注射工艺参数不仅以单个因子的作用方式影响注射制品的质量,而且工艺参数之间还存在着非常复杂的交互作用.在分析注射成型工艺对成型制品质量的影响时,必须研究因数对响应的交互效应,考虑影响显著的工艺参数交互因子的作用,通过数值模拟,应用析因试验设计方法,研究得出工艺参数之间存在的两两交互作用,以及工艺参数对注射制品翘曲的影响程度,并从众多的试验因子中初步筛选出与注射制品质量密切相关的若干个独立因子和交互因子.在此基础上,应用正交试验设计,采用L27正交矩阵进行试验,并将这些因子进一步优化,从而为注射工艺参数的合理选取提供科学依据.     

熔融沉积成型中的原型翘曲变形分析

熔融沉积成型(FDM)是一种典型的快速成形(RP)技术。该文以熔融沉积成型过程中制件的翘曲变形为研究对象,分析了层间应力和翘曲变形产生的根源及其作用机理,建立了原型的翘曲变形模型。通过对模型的分析,定量地分析了沉积层数、环境温度、材料的线收缩率等工艺参数对原型翘曲变形的影响,并提出了减小原型翘曲变形的相应措施。     

塑料注射成型工艺参数优化的模糊规则网络模型

注射成型是塑料产品成型的最主要工艺,工艺参数是影响成型产品外观、尺寸与性能的关键因素之一。工艺参数的设置与优化属于弱理论、强经验的问题,迫切需要发展科学化、系统化的方法。针对产品缺陷修正中人工经验依赖性强的问题,构建知识的统一模糊化规则形式,建立工艺优化知识表示和推理于一体的Takagi-Sugeno-Kang(TSK)模糊规则网络模型。进一步,提出从工艺数据集自动发现工艺参数优化规则的学习方法,采用Dropout策略与Bagging集成学习策略缓解高维工艺数据下工艺知识库增长出现的规则数量爆炸等问题。分析了模糊规则网络参数、结构对知识表示和推理的影响,建立模型的参数学习与结构优化的双重进化方法。提出基于经验回放的工艺数据增量学习方法,建立数据的增量学习策略。在注射成型工艺数据集上的结果表明,模型的规则数量和长度降低了50%,具有高可解释性以及增量学习稳定性。     

遗传算法和神经网络在跳汰状态识别中的应用

跳汰机是选煤的关键设备，对这样复杂的非线性、大滞后系统建立精确的数学模型极其困难，传统的控制方法很难达到良好的控制效果。针对这一问题，应用遗传算法和BP算法结合的方法建立了跳汰机矸石段系统模型，进而可以采用智能控制的方法对其进行控制。     

基于模糊推理的薄壁类零件注射模工艺优化设计

提出一种基于模糊推理优化薄壁类零件注塑成型工艺参数的方法。该方法通过把复杂的多种性能特性优化转化为单一的灰色模糊推理等级优化,大大简化了多个性能特征优化过程的复杂性。实验结果表明,最优工艺参数设置的方法是合理可行的。     

基于多目标遗传算法的板料拉深成形工艺参数优化设计

以多种工艺参数(压边力、摩擦因数等)作为优化变量,多种成形缺陷(起皱、破裂等)作为优化目标,结合多目标遗传算法和数值模拟,建立了板料拉深成形工艺参数的优化设计模型。为了减少数值模拟的次数,利用人工神经网络建立了各种工艺参数和模拟结果之间的映射关系,大大提高了优化的效率。以汽车消声器为例,对其拉深成形工艺参数进行了优化,通过对优化结果进行数值模拟可以看出,该优化参数完全避免了各种缺陷的产生,这说明该优化算法具有较好的优化结果。     

基于粒子群算法的神经网络优化及其在镗孔加工中的应用

采用粒子群算法对镗孔加工尺寸误差人工神经网络预测模型进行优化。实验表明，与误差反传算法(BP)相比较，粒子群算法优化神经网络收敛速度更快，预测精度更高。     

基于神经网络和遗传算法的高速铣削工艺参数优化的研究

基于高速铣削正交试验,利用神经网络高度的非线性映射能力和遗传算法的全局寻优能力,建立了铣削力、铣削温度和表面粗糙度的BP神经网络仿真模型,在对它们进行优化的基础上获得几个主要因素的最优搭配。     

基于CMAC和PID复合控制器的精密注塑机保压压力控制

针对传统PID算法对注塑成形过程中保压压力进行控制时存在压力超调、静差和时延等问题,建立了注塑过程保压压力的系统数学模型,针对系统特性设计了新型CMAC和PID复合控制器。实验结果表明,相对于传统PID控制,CMAC和PID复合控制对保压压力的超调、静差和时延有显著的改善,制品质量和重复精度得到明显提高。