论文部分内容阅读
注塑制品成型质量受多个因素的影响,注塑成型工艺参数的选择不当,会导致翘曲变形、熔接痕和气泡等各种质量缺陷的产生,从而影响制品外观与性能。因此本文在对注塑成型过程进行CAE分析的基础上,结合均匀试验设计方法,研究了工艺参数分别对制品翘曲变形、熔接痕长度和气泡面积的影响,提出了采用RBF神经网络的注塑成型工艺优化方法,并运用遗传算法寻优,分别得到使三种缺陷值最小的工艺参数组合。同时采用改进的RBF神经网络对翘曲变形、熔接痕长度和气泡面积多目标优化研究,对三个目标值进行综合评价,得到评价最好的工艺参数组合。本文的的主要工作包括:1. CAE软件的分析数据中,只有翘曲值的大小是可读的,而气泡的大小及熔接痕长度都是用图像的形式呈现,为了方便后续的数学建模,采用MATLAB数学计算对Moldflow中的熔接痕和气泡源文件分别进行处理。2.建立准确可靠的CAE仿真模型,安排均匀试验设计对注塑成型过程模拟分析,根据分析结果,分别建立翘曲变形、熔接痕长度和气泡面积回归方程,对回归系数的显著性检验及分析,得到各工艺参数对三个缺陷的影响程度。3.运用多次均匀设计布置采样点,以熔体温度、模具温度和保压压力作为网络输入量,翘曲量、熔接痕长度和气泡面积大小作为输出量,构建三个精度高的RBF神经网络。并应用遗传算法进行优化搜索,寻找到分别使翘曲值、气泡大小和熔接痕大小达到最小的工艺参数组合。4.研究相关的多目标优化和模糊数学的评价方法,选择合适的隶属函数和加权系数,对原有的RBF神经网络进行改进,建立以工艺参数为网络输入量,综合评分值为输出量的RBF神经网络,实现对注塑质量评价,通过优化寻找到评价最好的工艺参数组合。5.设计加工一套模具,完成真实的注塑成型试验,对相关的注塑缺陷进行测量、比较,验证本文的建模及优化方法的可靠性与有效性。