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 |
| |
引用本文: | 薛茂远,梅益,唐芳艳,肖展开,罗宁康.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[J].工程塑料应用,2021,49(3):58-64. |
| |
作者姓名: | 薛茂远 梅益 唐芳艳 肖展开 罗宁康 |
| |
作者单位: | 贵州大学机械工程学院,贵阳 550025;贵州大学机械工程学院,贵阳 550025;贵州大学机械工程学院,贵阳 550025;贵州大学机械工程学院,贵阳 550025;贵州大学机械工程学院,贵阳 550025 |
| |
基金项目: | 贵州省科技计划项目(黔科合支撑[2019]2019);贵州省科技支撑计划项目(黔科合支撑[2018]2175)。 |
| |
摘 要: | 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。
|
关 键 词: | 正交实验设计 信噪比 灰色关联分析 极差分析 BP神经网络 PSO-SVM神经网络 |
本文献已被 CNKI 维普 万方数据 等数据库收录! |
|