基于BP神经网络和遗传算法的机箱壳注塑工艺参数多目标优化

以注射成型机箱壳为例,构建制品CAE分析模型,运用Moldfl ow仿真分析,预测制品缺陷,并选定了优化因素与指标;运用Taguchi试验法和CAE仿真获得数据样本,通过模糊加权综合评分将多目标问题转化为单目标优化;建立了BP神经网络集预测模型,映射了工艺参数与质量指标的非线性关系;采纳遗传算法进行全局寻优,得到试验范围内的最优工艺参数:模具温度为66.3℃,熔体温度为227℃,填充时间为4.6 s,保压压力为填充压力的109%,保压时间为10.2 s,冷却时间为22.7 s。对优化结果进行CAE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,实现了制品质量指标的多目标优化。该优化设计方法能有效提高制品质量,缩短生产周期。