基于神经网络和遗传算法的薄壳塑件注塑工艺优化
散热器外壳是电子产品散热器的主要零件之一,由于壁薄,在注塑成型中经常出现壁厚不均、翘曲变形和熔接痕等缺陷.针对该问题,以熔体温度、模具温度、冷却时间、注射压力、注射时间、保压压力和保压时间7个工艺参数为输入量,注塑件的翘曲量作为输出量,建立RBF神经网络模型;利用均匀试验所得的数据作为样本对神经网络进行训练和测试,得到注塑工艺参数与塑件翘曲变形量之间的非线性映射关系.结合遗传算法对工艺参数进行优化,获得最佳的工艺参数为:熔体温度234.4℃、模具温度31.5℃、冷却时间23.8 s、注射压力128.3 MPa、注射时间4.7s、保压压力93.0 MPa、保压时间14.1s,获得预测的最小翘曲变形值为0.331 875 mm,并使用优化后的工艺参数进行试验.试验结果表明,优化后产品的最大翘曲变形量降低至0.318 9 mm,与优化前均匀试验所得的0.378 1 mm相比,得到了明显的改善,降低了15.7%.
RBF神经网络、注塑成型、工艺参数优化、遗传算法、薄壳塑件
48
TQ320.662
国家自然科学基金;徐州市科技计划;研究生科研创新项目
2019-07-09(万方平台首次上网日期,不代表论文的发表时间)
共4页
66-69