基于Moldflow的汽车后视镜座注塑模具优化设计

以汽车后视镜座为例,利用Moldflow分析软件分析了最佳浇口位置,建立了浇注系统和冷却系统。以体积收缩率变化为指标建立了正交试验方案,通过分析各因素对指标的影响程度,获得了最佳工艺参数组合。通过对模型翘曲变形的模拟分析,得出收缩不均和冷却不均是引起翘曲的主要原因。通过对浇注系统和冷却系统及相关工艺参数的优化设计,翘曲变形量达到最小,最后得到了优化的模具结构。结果表明:利用有限元分析方法,可以缩短模具设计周期,提高经济效益。     

基于神经网络汽车门把手的注塑工艺参数优化

针对汽车门把手在企业生产过程中存在的具体问题,采用数值模拟技术、正交试验设计理论和神经网络理论优化塑件的注塑工艺参数,获得较为准确的最佳工艺参数组合,提出新的预测塑件熔接痕长度和位置的方法.新技术和新思路的运用,在控制汽车门把手熔接痕方面产生了良好的效果.     

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。     

基于正交试验及MoldFlow模拟优化扶手盖板注塑工艺

以某汽车扶手盖板为研究对象,综合评价了多个工艺参数对注射翘曲变形的影响.通过正交试验法,并基于MoldFlow注射模流动分析软件,分析最佳浇口位置,获取试验数据,研究试验范围内各工艺参数对翘曲的影响,从而获得最优工艺参数组合.     

基于CCD和PSO的汽车制动插件注塑工艺参数优化

以某汽车制动插件为例,为提高注塑产品质量,利用Moldflow软件对产品模型进行翘曲分析.采用响应面法—中心复合试验设计(CCD)并结合注塑CAE技术,获得了初步优化后的参数:模具温度70 ℃、熔体温度250℃、保压压力95 MPa、保压时间10s,该参数对应的翘曲量为1.18 mm.通过方差分析,得到4个注塑工艺参数...     

基于计算机模拟技术的电机外壳注塑成型工艺优化研究

基于计算机模拟技术模拟某电机外壳的注塑成型过程,以最大翘曲变形量为目标,探究工艺参数优化方案。通过对比流动前沿温度、注射压力和翘曲变形量,确定最佳的进胶方案。针对初始工艺下最大翘曲变形量不满足要求的问题,设计正交试验并进行分析。结果表明：熔体温度对最大翘曲变形量影响极显著,模具温度和注射压力对最大翘曲变形量影响显著,而保压压力对最大翘曲变形量的影响不显著。优化工艺参数组合为A₂B₃C₂D₃。优化工艺下最大翘曲变形量为0.526 mm,相比优化前降低26.8%,并达到设计指标要求。通过实际试模,验证优化工艺具有可行性。     

基于改进神经网络的注塑工艺参数优化

以鼠标壳为实例,利用正交试验数据得到训练样本。以减小翘曲变形量为目标,运用竞争型神经网络的预测功能,实现注塑成型工艺参数控制。为进一步提高注塑成型质量,采用遗传算法完成工艺参数的优化,并得到最优解。最后,进行相关实验验证。结果表明:优化后,塑件翘曲变形量降低了23.67%,实验结果和预测结果基本吻合,在一定程度上提高了塑件的成型质量。     

基于BP神经网络的注塑成型工艺优化

以激光器支架为例,运用Moldflow软件进行模流分析,并设置了正交试验,以得到各因素水平的最佳组合,从而减小翘曲变形量,提高塑件质量,使其达到装配要求。然后根据所得数据建立了BP神经网络预测模型,再利用测试样本验证模型的准确性,结果发现仿真值与预测值的误差均在±3%以内。     

基于BP-NSGA-Ⅱ的汽车仪表板注塑工艺优化

根据大型注塑件产品汽车仪表板的生产质量和成本都有较高要求的特点,以某汽车仪表板为研究对象,研究其注塑工艺参数对体积收缩率和翘曲变形量的影响并进行工艺参数的优化。利用Moldflow软件对其进行数值模拟仿真,采用Box-Behnken试验设计方法进行数据采集,以开模时间、模具温度、注塑时间、熔体温度、速度压力切换、保压压力、保压恒压时间、保压衰减时间、冷却时间9个工艺参数为影响因子,体积收缩率和翘曲变形量为优化目标,运用BP神经网络模型和非支配排序遗传算法(NSGA-Ⅱ)获得最佳工艺参数组合,结合Moldflow仿真验证了最佳工艺参数组合的准确性,最终两个目标值分别降低了8.58%和8.83%,汽车仪表板的成型质量得到了有效提高。     

后视镜外壳注塑CAE与模具设计

以某型轿车左右外后视镜镜壳为例,在详细分析镜壳塑件结构、成型材料性能和塑件壁厚的基础上,运用MFI 2015对其浇口位置进行了仿真分析。在综合最佳浇口位置、塑件结构和成对注塑的基础上,确定了本模具采用热流道的牛角形潜伏浇口浇注系统方案。在对塑料成型工艺分析中,对影响产品质量的填充时间、流动前沿温度、速度压力切换时的压力、冻结层因子、熔接线、气穴、锁模力、缩痕、体积收缩率、总变形量等进行了分析。运用UG软件对型腔、型芯结构,导向与塑件精度保证机构、顶出机构和四套侧向滑块分型、九套斜顶抽芯机构,及其复位机构、冷却系统及模具的整体进行了分析设计,完成了一次注射成型配对后视镜镜壳塑件的模具设计。创造性地使用了由大、小导柱导套+锥台定位+楔紧镶块调节+厚薄调节垫组成的五位一体精度保证与保持系统,使得塑件精度更高。经使用证明:模具结构合理,产品成型完整、质量达到设计要求。     

基于moldflow相机外壳注塑成型优化设计

以缩短产品生产周期,降低成本及提高产品质量为目的,利用moldflow／MPI对相机外壳成型过程进行了模拟分：析。根据模拟分析得到熔接痕、流动前沿温度、体积收缩率和翘曲等结果,优化浇口设计及成型方案。分析结果对塑件注射成型应用具有指导作用。     

基于BP 神经网络的塑料齿轮玩具注射成型优化分析

以某塑料拼插齿轮玩具为研究对象,采用自然平衡法设计1模144腔注塑模具。对有限元模型进行合理简化,并采用Moldflow软件进行塑料齿轮注射成型过程中的流动和翘曲分析。针对初始方案中出现的熔接痕和翘曲等缺陷,建立齿轮玩具BP 人工神经网络模型,通过BP神经网络算法训练各工艺参数,并对体积收缩率和总翘曲量进行预测。将训练后较优的工艺参数组合应用于注射成型后,使得该塑料齿轮熔接痕分布改变,翘曲变形量明显降低。     

基于Taguchi DOE和Moldflow的汽车内饰件注射成型工艺参数优化

以某汽车大型塑料件为例,以体积收缩率变化及翘曲量为质量指标,结合Taguchi DOE及Moldflow数值模拟技术,研究相关工艺参数对质量指标的影响,并得到了各工艺参数水平的最优组合.经公式预测及Moldflow数值模拟验证,工艺参数的优化组合使体积收缩率变化和翘曲量达到试验范围内最小.     

Moldflow在汽车内饰板注塑成型工艺参数优化中的应用

以汽车内饰板为研究对象,设计合适的浇注系统,优化填充时间、模具温度、熔体温度、保压压力、保压时间、冷却时间等工艺参数,利用CAE技术和Taguchi正交试验法,通过模拟实验得出不同工艺参数组合下的翘曲变形量。通过均值分析、极差分析和方差分析研究各个工艺参数对翘曲变形量的影响,得到一组较为理想的工艺参数组合,使得翘曲变形量得到优化。     

基于Moldflow的汽车操纵杆注塑成型质量分析与优化

采取Moldflow分析并优化了汽车操纵杆注塑成型的质量。结果表明:在设计的三种浇注系统方案中,方案1通过增加浇口数量,采用两个点浇口进胶,熔接线、短射、翘曲变形最严重;方案2对注塑位置进行调整,有效改善了翘曲变形的情况,但熔接线、短射现象较明显;方案3熔接线变淡,但有效改善了短射和翘曲变形的情况。在模具温度61℃、熔体温度178℃、保压压力为91%填充压力、注射时间5.6 s、保压时间11 s条件下,翘曲具有最小变形量。试模实验表明:操纵杆饱满性较强,填满了卡铜线的四个凸台,并未出现侧边卡位缺胶的情况,熔接线也没有呈现在内外表面上,样品翘曲变形值为1.632 mm,最佳因素水平组合的Moldflow模拟的翘曲变形量为1.617 mm。     

基于CAE和T-S神经网络的储物箱注塑工艺优化

针对塑件翘曲变形过大而导致塑件注塑失效的问题,通过运用CAE分析得出了影响翘曲变形过大的主要因素为收缩不均;采用正交试验方法获得了初步优化后参数,为Tθ(230℃)Ts(65℃)PI(70 MPa)ti(3.5 s)Ph1(60 MPa)th1(10 s)Ph1(75 MPa)th1(12 s)tc(6 s),对应的翘曲值为5.53 mm。在此基础上,再次运用GSO算法对改进的T-S模糊神经网络进行预测,得到了进一步优化的翘曲值,为3.49 mm,对应优化后的工艺参数为Tθ(230℃)Ts(68℃)PI(70 MPa)ti(4 s)Ph1(65 MPa)th1(8 s)Ph1(75 MPa)th1(14 s)tc(4 s),将优化后的工艺参数应用于实际注塑后,塑件的实效问题得到了有效解决,具有较强的实践参考价值。