基于CAE的夹芯注射成型物料配比与层间界面优化

以高密度聚乙烯(HDPE)为夹芯注射成型工艺的壳层物料、低密度聚乙烯(LDPE)为芯层物料,在工艺参数固定的前提下,基于CAE研究了不同物料配比时最终塑件的芯、壳层树脂界面分布情况。研究表明,壳层物料增多,越不易发生芯层物料裸露现象,且层间界面越向中心位置靠拢;对于本实验,在工艺参数固定的情况下,壳层、芯层物料配比为66∶34时,层间界面分布情况较为合理;基于CAE,可以快速且直观的分析夹芯注射成型工艺的层间界面分布情况,从而恰当的调整原材料配比。     

夹芯注壳层熔体最小预注量的计算与验证

在夹芯注射成型中为了更多地填充价格较低的芯层材料,需在不发生芯层熔体前沿冲破的前提下,找到壳层熔体最小预注量。从运动学角度探讨芯层熔体前沿冲破过程,建立了快速计算壳层熔体最小预注量的数学方程;利用Co-Injection模块,针对具体塑料件进行试验验证,并利用二次迭代法可大幅减少计算值与实际值的偏差。     

夹芯注射成型塑件厚度对芯层物料分布影响

为了探究夹芯注射成型塑件厚度对芯层物料分布的影响,分别选取聚丙烯(PP)/PP,PP/低密度聚乙烯(PE-LD)两种物料组合,对一组不同厚度的夹芯注射成型塑件进行了模流分析,表征、测试和分析了芯层物料穿透深度、平均相对厚度、分布均匀度的变化规律。研究结果表明,塑件厚度由5 mm增大到10 mm时,两种物料组合对应的评价指标变化趋势相同,芯层物料穿透深度减小、平均相对厚度增大、分布均匀度变差;PP/PE-LD物料组合较PP/PP物料组合对应的评价指标变化趋势更为明显,前者芯层物料穿透深度、平均相对厚度、平均相对厚度标准差的极差值较后者分别提升了112.71%,134.82%,108.16%;塑件厚度变化时,熔体沿各向流动阻力差异性、芯/壳层熔体黏度比均发生变化,但PP/PE-LD物料组合中芯/壳层熔体黏度比变化显著,而PP/PP物料组合中芯/壳层熔体黏度比则相对稳定。     

夹芯注射成型研究进展

为了了解夹芯注射的成型过程及内部结构、探悉其成型机理,研究者主要对芯层熔体前缘的冲破现象、芯壳层物料的分布情况以及夹芯注塑件的力学性能进行了研究。文献显示,物料的性能尤其是粘度、加工工艺参数如注射速度、模温、熔融温度等以及模具尺寸对夹芯注射的充模过程及其制品最终的性能影响最为突出。     

注射温度和速率对夹芯注芯层熔体冲破趋势的影响

调整芯、壳层熔体的注射温度、速率均可降低夹芯注射成型中芯层熔体冲破趋势.利用Moldflow软件的coinjection模块和正交实验法,分析评价如何调整熔体的注射温度和速率可以最有效地降低芯层熔体冲破趋势.实验发现,芯层熔体冲破趋势对芯/壳层熔体黏度比(R)极敏感,通过减小芯层熔体注射温度、增大壳层熔体注射温度或增大壳层熔体注射速率,均可显著降低芯层熔体冲破趋势,且熔体注射温度的影响更为显著;选取的芯、壳层物料假塑性不同,芯层熔体注射速率对芯层熔体冲破趋势的影响效果不同,甚至相反.     

基于贝叶斯正则化BP神经网络的挤出温度预测模型

简要介绍贝叶斯正则化BP神经网络原理,并应用基于贝叶斯正则化训练方法的BP神经网络建立挤出温度预测模型。预测与试验结果对比表明,经过训练后的网络模型基本获取了实际挤出温度的函数形式,网络输出值与样本对应的挤出温度实际值几乎完全重合,表明该方法能达到较好的预测精度,同时具有使用简洁、快速等优点。     

夹芯注射成型新方法：用于再生料加工的一步法夹芯工艺

本文详细分析了传统的夹芯注射成型工艺后指出，原工艺过程可大大简化。方法是把原来采用两个机筒分别制备、分别注射两种物料（二步法）改为在一个机筒内制备、一次注射成型（一步法）。一步法工艺简单实用，可用于再生料的加工，而设备改造所需投资却很少。     

基于数值模拟的夹芯注手推式剪草机基座外壳研究

利用Moldflow软件的co-injection模块和正交实验法,探讨了手推式剪草机基座外壳的成型过程中,芯层熔体前沿冲破趋势、芯层材料穿透深度、芯层材料分布均匀度三者之间的关系,为物理试模的工艺参数初选提供参考。对本制品而言,芯层熔体冲破趋势越大,则最终产品的芯层材料分布越均匀,芯层材料穿透深度越大。     

巴顿菲尔公司的高精度夹芯注射成型技术

夹芯注射成型成功的秘密在于成型制品本身 ,可以使用较低的价格及较少的材料而又不致于降低制品的品质标准。注射成型加工厂商利用这种潜在的优势使他们的制品性能价格比得到非同寻常的提高。巴顿菲尔公司已经最佳化了夹芯成型系统的加工技术 ,从而使这一技术达到了新的高峰 ;对于 40 0 0g注射量的产品 ,其公差度仅仅为正负 5g。巴顿菲尔公司的高精度夹芯注射成型技术     

基于BP神经网络的水泥抗压强度预测研究

探讨应用ＢＰ（ｂａｃｋ－ｐｒｏｐａｇａｔｉｏｎ）神经网络进行经２８ｄ抗压强度预测的方法。利用ＢＰ网络很强的非线性映射功能,建立抗压强度相关因素与抗压强度之间的关系。通过对样本的学习,ＢＰ网络将这种非线性映射关系以分布并行的方式存储在网络的联结权矩阵中,从而达到对样本集的非逻辑归纳。本文提出了强度预测模型能够以较高的精度预测水泥２８ｄ抗压强度。作为对比,同时应用回归分析方法预测水泥２８ｄ抗压强度,两     

基于神经网络的大型回转机械运行状态监测

l 弓 言 对大型回转机械故障的诊断与监测,目前国内外均投入了大量的人力和物力。但是,匕经研制出来的专家系统存在很多缺陷,如知识获取困难,系统缺少动态或在线学习能力。化工行业中机器的动态变化大,监测参数多,运行环境变化频繁。神经网络具有很强的跟踪性,文献[fi讨论了人工神经网络用于故障诊断的优越性。目前,人们已经利用神经网络解决了化工炼油厂中的一些典型问题[”]:动态模型的建立、化工系统的过程控制、预报和传感器的故障诊断。本文将神经网络应用于化工过程中的大型回转机械运行状态的监测。 2 物理对象的描述 设不同时刻获取…     

ARTIFICIAL NEURAL NETWORKS: PRINCIPLE AND APPLICATION TO MODEL BASED CONTROL OF DRYING SYSTEMS - A REVIEW

Abstract

This paper reviews the developments in the model based control of drying systems using Artificial Neural Networks (ANNs). Survey of current research works reveals the growing interest in the application of ANN in modeling and control of non-linear, dynamic and time-variant systems. Over 115 articles published in this area are reviewed. All landmark papers are systematically classified in chronological order, in three distinct categories; namely, conventional feedback controllers, model based controllers using conventional methods and model based controllers using ANN for drying process. The principles of ANN are presented in detail. The problems and issues of the drying system and the features of various ANN models are dealt with upto-date. ANN based controllers lead to smoother controller outputs, which would increase actuator life. The paper concludes with suggestions for improving the existing modeling techniques as applied to predicting the performance characteristics of dryers. The hybridization techniques, namely, neural with fuzzy logic and genetic algorithms, presented, provide, directions for pursuing further research for the implementation of appropriate control strategies. The authors opine that the information presented here would be highly beneficial for pursuing research in modeling and control of drying process using ANN     

ARTIFICIAL NEURAL NETWORKS: PRINCIPLE AND APPLICATION TO MODEL BASED CONTROL OF DRYING SYSTEMS - A REVIEW

This paper reviews the developments in the model based control of drying systems using Artificial Neural Networks (ANNs). Survey of current research works reveals the growing interest in the application of ANN in modeling and control of non-linear, dynamic and time-variant systems. Over 115 articles published in this area are reviewed. All landmark papers are systematically classified in chronological order, in three distinct categories; namely, conventional feedback controllers, model based controllers using conventional methods and model based controllers using ANN for drying process. The principles of ANN are presented in detail. The problems and issues of the drying system and the features of various ANN models are dealt with upto-date. ANN based controllers lead to smoother controller outputs, which would increase actuator life. The paper concludes with suggestions for improving the existing modeling techniques as applied to predicting the performance characteristics of dryers. The hybridization techniques, namely, neural with fuzzy logic and genetic algorithms, presented, provide, directions for pursuing further research for the implementation of appropriate control strategies. The authors opine that the information presented here would be highly beneficial for pursuing research in modeling and control of drying process using ANN     

进料方向对共注塑中芯层熔体前沿冲破的影响

通过对矩形板试样顺序共注射成型过程的数值模拟分析,揭示了进料方向对芯层熔体前沿冲破趋势的影响;建立了预测前沿冲破趋势的数学公式,并探讨产生前沿冲破的原因。结果表明,当长宽比较大时,沿长度方向进料可显著且稳定地防止芯层熔体冲破;当长宽比较小时,沿宽度方向进料可显著地防止芯层熔体冲破;冲破界面速度、方向及其单位截面积中熔体流动速率的改变是沿不同方向进料时有不同冲破趋势的主要原因。     

人工神经网络及其在硅酸铝纤维寿命预测中的应用

本文分析了人工神经网络的特点及模型 ,以及其在普通硅酸铝纤维寿命预测中的应用。     

基于径向基神经网络的聚丙烯熔融指数预报

引　言在化工生产中大部分生产流程具有非线性、大时滞、结构复杂等特性 ,而且生产变量之间存在着不同程度的耦合与关联 .前馈神经网络由于具有强大的拟合非线性函数的能力 ,已成为生产指标预测的有力工具[1] .其中径向基 (radialbasisfunction ,RBF)神经网络相对于神经网络BP     

陶瓷窑炉控制与人工神经网络

模糊控制在陶瓷窑炉的控制中已有应用,本文分析人工神经网络结构特点及其在自动控制中应用的例子说明人工神经网络在陶瓷窑炉控制中应用的可行性及前景。     

RECURRENT NEURAL NETWORKS IN DECOUPLING CONTROL OF MULTIVARIABLE NONLINEAR SYSTEMS

In this work we focus on the synergy between modeling with RNNs, and nonlinear controller design for decoupling control. The thesis of the paper is that recurrent neural networks (RNNs) can be conveniently used in an integrated black-box modeling and controller design methodology for decoupling control of multivariable nonlinear systems. A simulation example on a multivariable continuous-stirred-tank-reactor (CSTR) is provided to elucidate related issues. The effects of modeling uncertainty and state reconstruction on decoupling performance are specifically discussed.     

用人工神经网络预测混杂复合材料混杂效应

本研究建立一个二输入单输出的BP人工神经网络模型，并用QBASIC语言编制了相应的软件。利用该神经网络模型对混杂效应与混杂比及分散度系数间关系进行了预测。研究结果表明，网络经过61223次的迭代，预潮值误差为0．12％，具有很高的预测精度，可用于混杂复合材料混杂效应的预测。