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。     

基于优劣解距离法⁃灰色关联分析的注射成型质量多目标优化

为提高座厕椅面板注射成型质量,将优劣解距离法（TOPSIS）与灰色关联分析相结合,提出了基于TOPSIS的灰色关联综合评价模型。首先,优化并确定了塑件浇注系统,然后进行正交试验设计,选择模具温度、熔体温度,注射时间、保压压力、保压时间为试验因素,以翘曲变形量、缩痕指数、体积收缩率为评价指标,运用Moldflow软件进行模拟分析;根据正交试验数据,利用基于指标相关性的指标权重确定（CRITIC）法确定了各评价指标权重系数,采用基于TOPSIS的灰色关联综合评价方法,将多目标优化转化为单目标优化问题,获得了塑件的最佳注塑工艺参数组合。结果表明,优化后的塑件体积收缩率降低14.6 %、缩痕指数降低43.3 %,翘曲变形量与优化前基本一致,塑件综合质量显著提高。     

基于灰色关联分析的注塑工艺参数优化

利用灰色关联分析,将多目标优化转化为单目标优化问题。注塑成型中,制品通常要求满足多个质量目标,如收缩率小、缩痕小、翘曲小等质量要求。在正交试验的基础上,利用模流分析软件Moldflow获得各个质量指标的响应值,并进行信噪比处理。建立各质量指标与参考目标的灰色关系,计算灰色关联度。对灰色关联度进行均值分析和方差分析,得到各个工艺参数各个水平对响应的影响程度,获得最优的工艺参数组合。实验验证体积收缩率9.26%、缩痕0.0095 mm、翘曲0.2765 mm,综合质量明显提高。研究表明,灰色理论应用到注塑成型工艺优化中,取得了较好的效果,说明了该方法在多目标优化中有很大的适用性。     

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RBF神经网络和遗传算法的注塑成型质量控制与预测

针对注塑产品容易产生翘曲和缩痕的问题,以某检测仪外壳为研究对象,运用RBF神经网络模型和遗传算法,对注塑成型质量进行控制与预测。基于正交试验方案,运用Moldflow有限元分析软件获得试验结果;利用样本数据建立试验因素与响应值之间的RBF神经网络模型,并用最优拉丁超立方抽样技术,获得样本点对模型精度进行检验;运用带精英策略的非支配排序遗传算法(NSGA-Ⅱ)对注塑成型工艺参数进行多目标优化,达到有效控制和预测翘曲变形、体积收缩率和缩痕指数的目的,并经模拟和试模验证误差较小。结果表明,运用RBF神经网络模型和遗传算法对注塑成型质量进行控制与预测,生产出检测仪外壳最大翘曲变形量为0.394 mm,外观无缩痕。     

基于渐进式正交试验的注塑工艺多目标优化

以冰箱抽屉为研究对象,针对注塑工艺的多目标优化问题,提出了一种渐进式正交试验方法。在分析首次试验结果的基础上设计了二次正交试验,并结合灰色关联法和极差分析法快速得到最佳工艺参数组合。试验结果表明:该方法能够有效降低制品的缩痕指数、体积收缩率和翘曲变形量,为提高制品的成型质量奠定了基础。     

基于响应面模型和遗传算法的注塑工艺多目标优化

结合Taguchi试验设计,利用注塑成型计算机辅助工程（CAE）模拟软件Moldflow对不同工艺参数下的注射成型进行模拟分析,对成型塑件体积收缩率、翘曲变形及缩痕指数3个目标进行综合评判;建立综合评分与工艺参数关系的代理模型——响应面模型,然后结合遗传算法进行全局多目标优化寻优,获得最优工艺组合,并进行模拟验证。结果表明,建立的响应面模型是可靠的,利用响应面模型进行注塑工艺多目标优化是一种有效的方法。     

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。