基于GA-BP神经网络的注塑质量与能耗的工艺参数优化

摘要：

以插线板上盖为例,提出了一种注塑质量与能耗的工艺参数优化分析方式.选择6个工艺参数为因素变量,产品翘曲总量与注射阶段能耗值为优化指标,利用变异系数法确定二者权重,结合综合评分法将指标拟合为综合评分值.首先建立Taguchi试验,经过极差分析得出初始优化参数,随后基于Matlab平台建立BP神经网络模型,将其作为适应度函数,通过遗传算法(GA)进行全局寻优,得到最优工艺参数为模具温度50℃、熔体温度230℃、注射时间1.465 s、保压时间10.37 s、保压压力100 MPa、冷却时间15 s,经Moldflow分析,所得指标均优于Taguchi试验提供的优化结果,实现了注塑质量与能耗值的同时优化,证明了基于GA-BP神经网络的注塑工艺参数优化方法的有效性.

关键词：Taguchi试验、Moldflow、变异系数法、多目标优化、BP神经网络、遗传算法

所属期刊栏目：51

分类号：TQ321

资助基金：天津市重点研发计划项目22YFYSHZ00190

在线出版日期：2023-03-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：67-73