薄殼件注塑成型工藝參數優(yōu)化研究.pdf

1、注塑成形是批量生產塑料制品的首選方法。但如何減少、防止制品成形中時常發(fā)生的翹曲現象，是經常困擾工程師的一大難題。而僅僅依靠傳統(tǒng)的經驗、技術訣竅和不斷嘗試的方法，仍不能有效地解決問題。因此，將CAE技術應用于注塑成形，進行翹曲變形預測，以優(yōu)化注塑成形工藝參數設置，從而提高生產效率和成形質量，是解決翹曲變形問題的新思路[1]。　　本文工作主要包括以下幾個方面的內容：　　1.綜合考察及評價多個工藝參數對注塑翹曲變形量的影響?！　?.建立

2、了基于神經網絡的從注塑工藝參數到翹曲變形量的非線性映射關系。利用正交試驗獲得的數據作為神經網絡的訓練樣本，得到輸入為工藝參數、輸出為翹曲變形量的神經網絡模型，并通過檢驗樣本檢驗了ANN(ArtificialNeuralNetwork)模型的準確性，為參數優(yōu)化及翹曲變形預測做好準備?！　?.基于神經網絡和正交試驗的工藝參數優(yōu)化。在工藝參數取值范圍內，采用ANN模型代替CAE軟件數值模擬試驗，并結合正交試驗法，對工藝參數進一步優(yōu)化使得翹曲

3、變形量更小。論文工作表明：將神經網絡與正交試驗、數值模擬三者結合用于注塑過程參數優(yōu)化可以明顯縮短優(yōu)化工藝參數的時間，提高工藝設計效率，同時在數值模擬試驗次數一定的條件下，能獲得比單純使用正交試驗和數值模擬方法更為精確的結果。　　4.研究了ANN在翹曲量預測方面的應用。利用神經網絡的非線性映射關系，在訓練樣本的取值范圍內，可以給定一組工藝參數得到一個翹曲變形量，而不必重新利用CAE軟件計算，為工藝制定節(jié)省時間?！　”疚墓ぷ鞯奶厣谟趯?/p>