基于灰色关联分析的注塑成型工艺多目标优化

针对复杂曲面构件注塑成型过程中体积收缩率、翘曲变形量和缩痕指数最小化等多目标优化问题,采用正交试验法设计了六因素五水平的聚甲醛叶轮注塑加工试验;基于灰色关联分析将多目标优化问题转化为单目标优化问题,利用主成分分析法确定体积收缩率、翘曲变形量和缩痕指数对灰色关联度的影响权重;通过对试验数据的回归分析,建立了灰色关联度与注塑成型主要工艺参数的二阶预测模型;基于各工艺参数对体积收缩率、翘曲变形量和缩痕指数影响规律的分析,确定了注塑工艺参数的优化方案。利用响应曲面求解注塑成型参数优化问题并进行注塑成型仿真实验,结果表明:由该优化方法获得的注塑成型工艺参数组合可以使制品的体积收缩率、翘曲变形量和缩痕指数均大幅减小。     

基于层次分析和灰色关联分析的注塑工艺多目标优化

针对制品的翘曲、收缩、缩痕等多个质量指标要求,提出层次分析法和灰色关联分析法相结合的注射成型工艺优化方法。运用层次分析法,对3个质量指标进行综合评判,得到各自的权重。通过田口正交试验设计和Moldflow成型模拟,得到了各质量指标的预测值,计算试验序列的各质量指标的灰色关联系数,进而通过层次分析法（AHP）和灰色关联分析（GRA）综合评价模型,得出各试验序列的灰色关联度,并进行均值分析。结果表明,二段保压压力对综合的质量指标影响最显著,注射时间次之;最优的成型工艺参数是注射时间为1.2 s、一段保压120 MPa、二段保压120 MPa、三段保压80 MPa;手机壳体实例验证了方法的有效性。     

基于灰色关联分析的手机外壳成型工艺优化

针对手机外壳在成型过程中的翘曲变形、收缩和缩痕等缺陷,在正交试验的基础上,采用信噪比以及灰色关联度法把三目标问题转为单目标优化问题.通过极差分析,得到各因素对翘曲变形量、收缩率和缩痕深度的影响从大到小依次为:保压压力、注射时间、模具温度、保压时间和熔体温度.当保压压力设定为注射压力的120％、注射时间1.8 s、模具温...     

基于灰色关联分析和熵权法的双色注塑多目标参数优化

以双色塑料碗为例,给出了一种实现多目标优化的分析方法。选定第一射和第二射的模具温度、熔体温度、保压压力为因素变量,第二射的平均体积收缩率和总翘曲量为优化指标,设计了6因素5水平的正交试验,使用Moldflow软件进行模拟分析。利用试验所得指标参数进行信噪比处理,通过熵权法计算出2个优化指标的权重,最终得到灰色关联度,实现了多目标优化到单目标优化的转变。对优化后的工艺参数进行模拟分析,得到的第二射平均体积收缩率最大值为15.67 %,总翘曲变形量最大值为1.964 mm,较原始工艺参数的分析结果分别降低了7.8 %和18.4 %,产品质量得以提升。试验结果表明了正交试验、灰色关联分析和熵权法相结合实现多目标优化在注塑工艺参数寻优中的有效性。     

基于灰色关联分析的汽车前风窗玻璃除霜格栅注塑成型工艺多目标优化

以汽车前风窗玻璃除霜格栅为研究对象,采用20%滑石粉填充聚丙烯(PP+20%Talc),并借助Moldex3D模流分析软件进行注塑成型模拟。根据分析结果,优化产品成型质量,以解决体积收缩率和凹痕位移等缺陷。采用正交试验法,以充填时间、熔体温度、模具温度、保压压力和保压时间为试验因素,并基于灰色关联分析对注塑成型工艺参数进行了优化。结果表明：各工艺参数对灰色关联度的影响程度排序为：熔体温度>模具温度>充填时间>保压时间>保压压力。最佳工艺参数组合为A₂B₁C₂D₃E₄。将最佳工艺参数进行试模验证,与优化前相比,体积收缩率改善了6.55%,凹痕位移改善了13.50%。因此,灰色关联分析可以实现注塑成型质量多目标优化,提高了塑件成型质量和试模效率。     

基于灰色关联度和BP神经网络的多级注塑成型工艺参数优化

针对电动车头罩出现安装困难的问题,本实验以减小产品翘曲量和体积收缩率为优化目标。首先在正交试验的基础上,运用信噪比和灰色关联度分析得出初步最佳工艺参数;然后以初步最佳工艺参数为基础,影响产品质量最大的四个因素为调整手段,建立正交试验,导入已经训练好的BP神经网络中进行预测,得出最佳工艺参数;最后用CAE进行模拟验证,最佳工艺参数下翘曲量为1.540 mm,体积收缩率为6.709%,符合生产要求。提出的优化方法能够有效提高制品质量,缩短产品生产周期,为多级注塑成型工艺参数的优化提供了一种可靠的解决方案。     

基于灰色关联和Kriging模型的汽车饰件注塑工艺优化

为减小某汽车内饰件注塑成型质量缺陷,提出了基于灰色关联分析和Kriging代理模型的注塑成型质量多目标优化方法。以塑件的Z方向翘曲变形值、体积收缩率、缩痕指数为优化目标,影响了塑件成型质量的熔体温度、模具温度、保压压力、保压时间等注塑工艺参数,应用最优拉丁超立方试验设计方法结合模流分析进行数据采样,基于灰色关联分析(GRA),将多目标优化问题转化为单目标优化问题,利用层次分析法(AHP)确定各优化目标对灰色关联度的影响权重,建立灰色关联度与各工艺参数之间的Kriging代理模型,采用自适应粒子群算法(APSO)在代理模型内进行全局寻优,得到最佳工艺参数组合。结果表明,Kriging代理模型的预测值与实际结果基本吻合,优化后,Z方向翘曲变形值、体积收缩率、缩痕指数分别为0.268 6 mm、2.235%、0.397 1%,与优化前相比,分别降低了1.21%、30.11%、68.53%,因此,提出的方法能实现注塑成型质量多目标优化。     

基于信噪比与灰色关联分析的注塑工艺参数多目标优化

以分线器盖为研究对象,基于信噪比和灰色关联分析,提出了一种注塑工艺参数多目标优化方法.针对顶出时的体积收缩率和总翘曲变形量等质量指标要求,建立5因素4水平的正交试验,得到每组实验的质量指标数值及其对应的信噪比.对信噪比进行无量纲化处理后,计算各因素对质量指标的灰色关联系数和灰色关联度.对灰色关联度进行极差分析,得到最优...     

基于灰色关联度的车灯装饰框注塑工艺优化

以汽车前大灯装饰框为研究目标,在正交试验基础上,采用了信噪比和灰色关联分析法,针对注塑成型过程中各工艺参数对翘曲变形量和体积收缩率的影响进行分析,从而得到最优工艺参数组合。结果表明,使用信噪比和灰色关联度法,得到的翘曲值和体积收缩率分别比Moldflow系统推荐参数模拟结果减少31.3%和4.4%;该方法能有效降低注塑过程中的缺陷,提高塑件产品质量。     

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神经网络及PSO算法的食品输送齿轮注塑工艺参数优化研究

以食品输送系统的塑料齿轮为研究对象,首先利用正交试验法进行翘曲分析,得到最小翘曲量为1.952 mm。然后利用正交试验中的工艺参数和翘曲量分别作为输入层和输出层来构建一个三层的BP神经网络,经过训练和测试,得到一个性能较好的神经网络模型。最后利用这个模型计算粒子群优化(PSO)算法各粒子的初始适应度值,并以翘曲量为目标对工艺参数进行优化。优化得到的塑料齿轮最小翘曲量为1.853 mm,经过翘曲分析验证后得到翘曲量值为1.830 mm,误差1.2%,相比于正交试验法优化效果更好。     

基于灰色关联分析的多轴3D打印综合质量优化

多轴3D打印技术具有无需任何支撑材料的特点,因此,成为增材制造领域中的重要研究方向之一,但是,工件质量仍需要满足精密装配和复杂工况的要求。因此,为了提高多轴3D打印工件的综合质量,采用灰色关联分析法对其工艺参数进行优化。选取5个关键的工艺参数设计L₂₇(3¹³)正交实验,将拉伸强度、表面粗糙度、尺寸误差作为评估成型样件的整体质量的实验指标,通过方差分析和信噪比分析法研究各因素水平对实验指标的影响程度,利用灰色关联分析法构建多目标优化模型获得最优工艺参数水平。结果表明,挤出丝宽和分层高度对样件的综合质量影响较大,优化后的拉伸强度提高了24.4%,表面粗糙度和尺寸误差分别降低了40.76%和62.6%。该方法为多轴3D打印的工艺优化提供了有效的方法。     

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BP-TGA算法的注塑成型工艺参数优化

以鼠标壳为实例,利用正交试验数据作为训练样本,以翘曲变形量为目标,经反复训练找出最佳BP网络模型作为注塑工艺参数组合优劣的评价系统。在BP网络模型的基础上,融入禁忌遗传算法作为优化算法(BPTGA算法)对注塑工艺参数组合进行优化,从而找出翘曲变形量最低的参数组合。仿真实验表明,通过BPTGA算法可高效、准确地在指定范围内找出最佳工艺参数组合,从而大大提高产品设计效率和制品质量。     

车用CD托架CAE注塑工艺参数优化分析

以汽车CD托架注塑成型为例,结合生产实际问题,构建了产品CAE分析模型,运用Moldfl ow2015软件对产品材料推荐的注塑成型工艺参数进行了初步仿真,对注塑过程中的翘曲、熔接痕、气穴等缺陷成因进行了分析,并给出了质量改善优化目标,提出了一种结合Taguchi试验法、BP神经网络预测的注塑成型工艺寻优方法,并对寻优结果进行了CAE模流分析验证。结果表明,神经网络预测结果与CAE模流分析结果相近,产品翘曲量降低至1.192 mm,产品较佳的注塑成型工艺参数为:料温为225℃,模温为60℃,注塑压力为70 MPa,注塑时间为1.3 s,第一保压压力为80 MPa,第一保压时间为12 s,第二保压压力为30 MPa,第二保压时间为3 s,冷却时间为15 s,型腔随形水路C1,C2冷却水的温度均为30℃。提出的优化设计方法能有效降低模具试模成本,缩短模具生产周期。     

基于Grey-Taguchi方法的汽车内置储物盒注塑工艺参数多目标优化

以某汽车内置储物盒为研究实例,运用CAE软件建立了储物盒注塑成型的数值模型。选取模具温度、熔体温度、保压时间、保压压力及注射时间5个注塑工艺参数为影响因素,以储物盒的翘曲变形量及缩痕指数为优化指标,通过L_(16)(4~5)正交试验分析,获得翘曲变形及缩痕指数最小的最优工艺参数组合及影响趋势,并结合灰色关联分析法,将多目标优化转化为单目标优化问题,获得兼顾两目标的最优工艺参数组合。仿真验证结果表明:优化后的翘曲变形量减小了9.25%,缩痕指数降低了33.42%,获得了较高品质的塑件。     

基于灰色关联分析的网络安全态势优化评估

由于传统网络安全态势评估方法无法发现潜在的、未知的安全漏洞和威胁,因而导致其存在评估精准度低的问题,为此提出基于灰色关联分析的网络安全态势优化评估方法.通过对网络安全态势的感知,收集网络安全态势数据.设置网络安全态势的评估等级标准,并根据网络安全态势评估原则进行评估指标的设置,结合灰色关联分析确定指标权重.建立网络安全...     

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。