论文部分内容阅读
随着科学和技术的发展,中国载人航天取得了举世瞩目的成就。宇航服作为载人航天较为重要的一部分,能有效保护空间中高低温、太阳辐射和微流星等环境因素对人体的危害。而航天面罩作为宇航服中重要的组成部分,不仅保护航天员生命活动。但是在实际生产过程中,采用传统的注塑经验及尝试很难达到理想情况,不仅浪费原材料,而且试验周期长,无法满足快速生产的要求。随着注塑CAE技术的发展,采用软件模拟仿真就能从工艺条件、工艺参数等方面做出改进,及早发现缺陷,生产出较为理想的产品。本文以航天面罩为研究对象,采用美国GE公司生产的Lexan PC2730来进行生产,通过在实际使用过程中的分析,以翘曲、体积收缩率和剪切应力为优化目标,通过对CAE软件moldflow中的工艺参数进行分析比较,研究料温、模具温度、保压时间、保压压力、冷却时间、注射时间、注射压力等因素对注塑成型过程的影响,采用正交试验得出各优化目标的试验数据,并通过功效系数法极值和方差得出初步最佳工艺参数,然后通过Hopfield神经网络进行预测和仿真,从而分析得到最佳的工艺参数。具体研究内容如下:首先,由于需要对模型进行分析,所以将建立好的三维模型导入到moldflow软件中,通过一系列前处理,确定8种不同浇注系统,通过对8种浇注系统设计方案分析和比较,确定合适的浇注系统,通过选择合适的工艺参数,对航天面罩初始结果进行分析。其次,由于工艺参数众多,需要进行多组试验,采用正交试验减少试验次数,通过建立好的正交表格,采用L32(49),即做32次试验,可以观察9个因素,每个因素4水平。将建立好的表格代入moldflow软件中,得到不同参数下优化目标的值。然后,由于优化目标较多,无法选择出一组合适的工艺参数进行优化,采用功效系数法计算简单,可靠性高,将不同参数下优化目标值代入功效系数法公式中,由于各优化目标物理量不同,每个指标对制品的影响度也不同,需要确定每个指标的权重,首先要对各优化目标进行无纲量化处理,本文采用极值法对各优化目标进行无纲量化处理,通过标准离差法确定各优化目标权重,将计算好的权重代入功效系数法中,通过极值和方差分析比较,得到初步最佳参数。最后,需要在多组实验中选择出一组最优的工艺参数,采用Hopfield神经网络可以进行网络预测,减少试验次数,将工艺参数对应的评价指标分级,并将各个评价值的值作为各个等级的理想评价指标,得到理想的等级评价指标编码。进而通过四组试验进行学习,通过Hopfield神经网络得到仿真结果,得到第三组试验最优,其次为第一组试验,然后为第四组试验,最后为第二组试验。通过将工艺参数带入CAE中进行验证,对四组试验通过功效系数法得到各个评价指标值,对所得到的结果进行排序得到第三组试验最优,其次为第一组试验,然后为第四组试验,最后为第二组试验,与Hopfield神经网络训练对应的模型相同。说明Hopfield神经网络可行,可将Hopfield神经网络运用于注塑工艺参数上,比较得出最优的工艺参数,从而改进生产质量。