面向绿色注塑加工的工艺耦合参数设计优选方法

为提高产品加工过程的绿色性能,提出一种基于耦合推广正交算法的工艺参数优选方法。利用正交实验在解决单目标优化问题中的优势,提出基于工艺参数耦合强度关系的推广正交算法,用小生境演化繁殖后代,以实现多绿色性能指标优化。将该方法运用到注塑加工工艺参数设计中,选择面向绿色性能指标的注塑加工工艺参数,确定相互间的耦合强度关系以及注塑加工过程的多项绿色性能指标,建立注塑加工绿色设计模型。以某风机盖注塑加工为例验证了所提方法的可行性。     

数据驱动下汽车注塑零部件的质量控制研究

由于注塑行业成型系统较为复杂并且对环境较为敏感,注塑成型加工过程中的不稳定因素很容易导致产品不良的发生,造成经济损失。由于过程的复杂性,不可预见的干扰,设备故障以及原料成分的变化,一批批次中止时的产品质量可能与规格相差甚远,所以对注塑成型大数据进行分析,来感知这些不可见的干扰因素,然后通过分析建模解决甚至避免现场痛点问题。制造业一直面临着几个挑战,包括可持续性、性能和生产质量。制造商试图通过在制造过程层面融合物联网(IoT)和ICT(信息与通信技术),通过实施CPS(信息物理系统)来提高企业的竞争力。而CPS平台(或者说智能工厂)是根据制造企业的特点,由不同类型的数据采集/处理方法、决策规则和功能组成。本文根据注塑工艺的特点、构成框架的模块及其具体功能,提出了一种基于实时制造数据的智能注塑系统框架。希望本文能作为指导,提高注塑行业的市场竞争力,支持智能工厂的建设,为工业4.0做准备。     

精密注塑成形技术

目前塑料己发展成为金属的代用材料。而在注塑成形中由于塑料的收缩特性,成形模具的设计和制造工艺,注塑成形参数的设置及注塑件几何形状设计等因素的影响,使注塑成形件与金属零件相比,较难获得高的精度。因此针对这些影响因素,应采取有效的措施提高注塑件的精度,加速精密零件的塑料化,以适应电子、家用电器等行业的需要。     

巴士空调蒸发风机外壳CAD／CAM／CAE

1．引言 巴士空调蒸发风机外壳的注塑成形产品尺寸较大,形状和精度要求高,这对产品设计人员和模具设计人员要求较高。而要获得高质量的注塑产品,需要优秀的产品设计、高水准的模具和优化的注塑成形工艺,三个环节缺一不可。在注塑成形工艺优化方面Moldflow软件是杰出代表。本文通过对汽车空调风机外壳底座成形模拟,来评估、改进和优化其模具设计和制造参数,不必反复试模,从而达到降低产品制造成本和缩短新产品投放市场周期的目的。     

影响电火花成形加工工艺指标的因素分析研究

电火花成形加工（EDM）是当前模具制造的重要方法,尤其是在注塑模具制造中,电火花加工可以说是一种不可替代的工艺方法,发挥着重要的作用。大多塑料模零件通常采用电火花加工来完成最终精加工,加工完成的质量直接影响模具零件的装配性能或成形精度。加工过程中,如果工艺参数选择不当,造成加工不稳定,轻则造成一些不必要的返修加工和处理,重则造成工件整体报废,延长了模具制造周期,增加了模具制造成本,降低了模具质量,因此要防范发生加工异常问题,科学合理选择加工工艺参数具有重要意义。     

工艺参数对管材绕弯成形的影响分析

管材数控绕弯精确成形技术是管材生产的重要手段,也是多因素耦合交互作用的复杂力学过程,加工过程中的工艺参数决定了产生截面畸变、壁厚变化等工艺问题的大小,不合理的工艺参数会影响管材的成形精度和生产效率。基于ANSYS/LS-DYNA进行管材绕弯成形过程的有限元数值模拟,得到工艺参数对成形问题的影响规律,通过与理论解和实验结果的对比,证明了有限元仿真过程的正确性,为生产实际及后续工艺参数的优化提供了可靠的技术依据。     

高速切削加工过程振动预测技术

高速切削加工参数选择不合理会导致切削振动,切削过程中振动引起的不稳定切削会产生一系列不良的影响,切削振动的预测将有助于优化高速切削加工过程,提高切削加工表面质量和加工效率.概述了高速切削加工过程中颤振产生的机理与类型,并分析了切削颤振的影响因素;对切削加工过程稳定性预测进行了报道,重点论述了切削稳定性的影响因素;对切削振动辨识与预测方面的研究成果进行了总结.指出了切削加工过程振动预测技术的未来发展趋势.     

基于TOPSIS的注塑工艺参数多目标稳健优化设计

针对现有注塑工艺参数稳健设计未安排外表试验以深入分析成型过程中不可控因素的影响、未综合考虑注塑制品的多质量特性等不足,提出基于内外表参数设计、信噪比分析和逼近理想解排序(Techniquefororderpreference by similari to ideal solution,TOPSIS)的注塑工艺多目标稳健优化设计方法.通过二水平正交试验和方差分析筛选出对注塑制品质量影响最大的主要工艺参数作为可控因素,将其误差作为噪声因素,进行内外表参数设计.利用均匀试验设计和逐步回归分析建立预测给定注塑工艺方案下成型制品质量的二次多项式模型,以快速获得内外表所有试验方案下成型制品的质量指标值,进而高效地计算出内表试验方案下各质量指标所对应的信噪比.在此基础上,利用TOPSIS对内表各试验方案进行优劣排序并选取稳健最优的注塑工艺参数设计方案.手机面板的注塑工艺多目标稳健优化设计实例验证了方法的有效性.     

基于Moldflow的风扇叶注塑模具冷却系统的设计及分析

注塑模具的冷却系统对注塑件的成型质量和产品的生产效率有很大影响。重点讨论了影响注塑模具冷却的因素,以及注塑模具冷却系统设计的原则。然后对风扇叶注塑模具冷却回路进行了简略计算。并根据风扇叶的整体结构,对其模具提出了三种冷却回路布置方案。最后基于模流分析软件,运用MPI/Cool模块对不同的冷却系统进行冷却分析,通过对冷却分析的结果进行对比得到相对较优的冷却回路。最终获得良好的冷却效果,达到提高产品质量、缩短成形周期、提高生产率等目的。     

天文望远镜底座注塑成型模拟

针对注塑成型过程中,影响注塑质量因素多的问题,运用CAE技术,对某型号天文望远镜底座进行注塑成型模拟,预测可能出现的缺陷,得出一组经过CAE分析优化的数据应用于实际生产,缩短模具的试模时间,获得合格的产品.     

Fuzzy neural network-based in-process mixed material-caused flash prediction (FNN-IPMFP) in injection molding operations

This paper describes the development of a fuzzy neural network-based in-process mixed material-caused flash prediction (FNN-IPMFP) system for injection molding processes. The goal is to employ a fuzzy neural network to predict flash in injection molding operations when using recycled mixed plastics. Major processing parameters, such as injection speed, melt temperature, and holding pressure, are varied within a small range. The vibration signal data during the mold closing and injection filling stages was collected in real-time using an accelerometer sensor. The data was analyzed with neural networks and fuzzy reasoning algorithms, in conjunction with a multiple-regression model, to obtain flash prediction threshold values under different parameter settings. The FNN-IPMFP system was shown to predict flash with 96.1% accuracy during the injection molding process.     

Quality control of the injection molding process using an EWMA predictor and minimum–variance controller

This study presents an exponentially weighted moving average predictor and minimum–variance controller for the quality control of plastic injection molding processes. This is a slow drifting problem of quality control during plastic injection molding processes. In order to have good product quality for plastic injection molding process, a proposed approach was applied to achieve the desired process control quality during the control process. To simplify the process model and reduce system loads, design of experiments technique was adopted to analyze the important factors that had significant effects on the product quality and their relative correlations. The results of this research showed that the proposed approach was effective for a quality control of plastic injection molding process. This cannot only steadily control the manufacturing process to reduce product loss and maintenance time due to unforeseen malfunctions, but they can also increase the efficiency of the equipment and the process.     

侧铣加工刀具回转轮廓误差预测技术研究

在侧铣加工中,刀具磨损和变形引起的刀具回转轮廓误差在实际加工前难以准确预测。提出一种工件形状刀具轮廓映射的辨识试验方法来获取加工过程刀具回转轮廓误差,并通过多因素正交试验获取了不同工况下刀具回转轮廓误差数据库。基于误差数据,采用最小二乘支持向量机（LS-SVM）技术建立了刀具回转轮廓误差预测模型。运用遗传算法优化对所提模型有重要影响的核函数参数和错误惩罚因子, 建立了基于遗传算法优化的最小二乘支持向量机(GA-LS-SVM)模型,并与未经遗传算法优化的LS-SVM模型进行了对比,试验结果表明,GA-LS-SVM预测模型能更好地适用于刀具回转轮廓误差预测。     

Prediction of sink depths using nonlinear modeling of injection molding variables

This paper deals with prediction of sink mark defects and its intensities on injection-molded thermoplastics components. A nonlinear mathematical model, in terms of injection molding variables, was developed using response surface methodology. Fractional factorial design (FFD) of experiments was used for initial screening of variables. Based on FFD, the four most influential and controllable injection molding variables were selected. Central composite design (CCD) of experiments was structured and conducted using flow simulation to formulate the predictive nonlinear model. Statistical analysis and experimental results suggest that the proposed model could be used for predicting sink mark depths with adequate accuracy. It indicates that this predictive model can be used for drawing tailor-made guidelines for designing as well as for processing. If it is applied at design stage, corrective and iterative design steps can be initiated and implemented for better quality of products without resorting to physical trials on molds. Proposed methodology can also be effectively employed in controlling the quality of products throughout the product life cycle.     

基于AMESim注塑机快速合模系统的建模仿真及节能研究

基于AMESim仿真软件,利用其超级元件功能建立并简化了注塑机快速合模系统的模型.对比仿真结果与实验数据,验证了所建模型的正确性.采用活性指数显示元件的能量,并用软件优化工具NLPQL进行相关元件的尺寸优化,以降低系统能耗.     

基于自适应动态无偏最小二乘支持向量机的刀具磨损预测建模

由于训练样本数量有限,滑动时间窗长度以及监测模型不能自适应调整和更新等因素,传统基于机器学习的刀具磨损预测模型存在精度和效率较低等问题,因此提出了一种基于自适应动态无偏最小二乘支持向量机（ADNLSSVM）的刀具磨损预测模型。采用公开数据库中的铣削加工数据集,通过时频域分析和小波包分解等手段从振动信号中提取特征量,并进一步利用相关性分析从中选择有效特征量作为模型输入。试验结果表明该方法所建模型具有较高的建模效率和预测精度。     

基于特征的大型快速成型样件的数据分块技术

针对在新产品的开发过程中,由于快速成型设备工作台成型尺寸的限制,对于类似摩托车覆盖件等大型快速成型样件的加工难题.本文分析了快速成型技术和精密雕刻技术在加工过程中的优缺点,提出在摩托车覆盖件的开发过程中,用精雕机和快速成型机结合的方法来进行新产品样件的制作,并且运用基于特征的数据分块技术,对大型样件进行合理的分块,再分...     

电火花加工8418钢的工艺预测模型

在电火花加工中,加工工艺指标的结果与工艺参数的设置密切相关。一般情况下,操作者在进行实际执行之前,只能根据以往的加工规律以及经验手段对其结果进行预判,达到预先评估加工结果的目的。针对这一情况,提出一种适用于电火花加工工艺指标结果预测的模型,该模型的建立是基于支持向量回归理论的数学方法,并利用遗传算法优化该方法中的各参数。以电火花加工8418模具钢为例,结合正交试验方法和经验加工方法选取加工工艺参数,并记录工艺指标结果。为保证EDM工艺指标预测模型的准确性,将试验数据随机分成训练集和测试集,利用训练集训练EDM工艺指标预测模型,可得加工时间模型均方误差T_(MSE)=0.95′10~(-4),平方相关系数T_(R2)=0.99 1;工件去除率模型均方误差MRR_(MSE)=1.02′10~(-4),平方相关系数MRR_(R2)=0.999 3;电极损耗率模型均方误差EWR_(MSE)=1.11′10~(-4),平方相关系数EWR_(R2)=0.998 9。再利用测试集验证该模型,可见预测结果与试验结果之间的误差在5%以内,从而证明电火花加工8418钢工艺预测模型的准确性和有效性。     

复杂产品数字孪生装配模型表达与精度预测

针对复杂产品装配过程中装配模型/数据/信息脱节、精度预测不准确、缺乏现场装配有效指导等实际工程应用问题,提出复杂产品数字孪生装配模型表达与精度预测方法。给出基于数字孪生的复杂产品装配精度预测方法总体流程;其次,将数字孪生装配模型表达划分为装配对象模型和装配工艺模型,并明确了产品数字孪生装配模型的精准建模机制;在此基础上,采用基于实测数据的装配偏差传递更新迭代机制实现融合多维度误差源的产品装配误差分析计算与装配精度预测;最后,以某型卫星结构部装为例搭建了复杂产品数字孪生装配软硬件系统平台,并通过实例验证了所提方法的可行性,为复杂产品装配精度预测与保障提供了一种切实可行的新思路和新途径。     

基于BP-NSGA的注塑参数多目标智能优化设计

为获得成型性能最优的注塑参数设计方案,提出了基于BP神经网络和非支配排序遗传算法的注塑参数多目标优化方法。将注塑模结构尺寸参数和注塑工艺参数作为待优化的设计变量,建立了以高质量、低成本、高效率为优化目标的注塑参数优化设计模型。基于非支配排序遗传算法获取给定参数范围内的所有Pareto最优解,并通过建立多输入和多输出的BP神经网络来快速获得非支配排序遗传算法优化进程中所有个体的适应度值。开发了基于BP神经网络与非支配排序遗传算法集成的注塑参数智能优化设计系统,并通过鼠标注塑参数设计实例,验证了其适用性和有效性。