基于模糊集的车用升降器开关面板注射成型保压曲线优化研究

研究了车用升降器开关面板制件产生翘曲变形的原因;通过选择保压曲线模型及参数进行正交实验设计并在Moldflow软件中进行模拟分析,得到了制件的翘曲变形量;通过对翘曲变形量进行极差分析,得到了极差分析优化法的最优工艺参数组合;利用模糊集（Vague 集）对体积收缩率标准差（δ）和最大体积收缩率（V_max）进行多目标优化,求取了Vague集优化法的最优工艺参数组合;并将不同优化方法得到的翘曲变形量进行了对比。结果发现,收缩不均是引起该制件翘曲变形的主要因素;极差分析优化法对应的翘曲变形量较正交实验中最小翘曲变形量降低了1.5 %,优化效果不明显;Vague集优化法对应的翘曲变形量较正交实验方案中最小翘曲变形量降低了26.5 %,制件内部压力分布无较大差异,优化效果优于极差分析法,很大程度上降低了该制件的翘曲变形程度。     

大型机床底座铸造工艺设计与优化

分析某大型机床底座铸件的结构特点,发现该铸件尺寸较大、铸件内部结构复杂、腔体较多.对铸件内部结构及流道系统进行分块砂芯成形,同时为了限制砂芯的自由度,设置了芯头与定位装置,有效避免了铸型错位.利用ProCAST软件模拟分析底注式浇注系统与顶注式浇注系统的缺陷形成,最终选择底注式浇注系统的砂型铸造工艺.针对底注式浇注系统...     

基于GA-ELM及遗传算法的注塑件成型工艺优化

以某电器扣盖壳体注塑成型工艺参数优化为例,对正交试验结果进行极差分析,得到各工艺参数对塑件翘曲变形量的影响程度顺序为保压时间＞模具温度＞注射时间＞熔体温度＞保压压力＞冷却时间.利用遗传算法优化后的极限学习机网络模型(GA-ELM)预测该塑件的翘曲变形量,得到训练好的GA-ELM模型可以很好反映6个工艺参数与翘曲变形量之...     

基于极差分析法与GA-ELM的电器连接器壳体注射成型工艺优化

以某电器连接壳体为例,借助Moldflow软件对正交试验方案组合进行模拟,对正交试验模拟结果进行极差分析,得到各工艺参数对塑件翘曲变形量的影响程度为:保压时间>模具温度>注射时间>熔体温度>保压压力.极差分析得到的最优工艺参数组合对应的翘曲变形量与正交试验方案中最小翘曲变形量相比降低了6.7％.关键点采用遗传算法优化后...     

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。