基于DNN_NSGA-Ⅱ策略的注塑结构及工艺参数多目标优化

摘要：

为保证注塑制品的质量与精度要求,以检测仪外壳的翘曲变形量和体积收缩率为优化目标,采用有限元分析软件Moldflow对其进行模拟分析.选取熔体温度、模具温度、注射压力、保压压力、保压时间、冷却时间6个工艺参数及结构参数(浇口直径)作为输入量,翘曲变形量和体积收缩率作为输出量,建立深度神经网络(DNN),并且,对网络进行改进.将混合水平正交试验得到的数据作为样本,对神经网络进行训练和测试,得到输入量和输出量之间的非线性映射关系.结合非支配排序遗传算法(NSGA-Ⅱ)对浇口直径及工艺参数进行优化,优化后,塑件的翘曲变形量为0.368 4 mm,体积收缩率为6.236％,与优化前相比,分别降低了 67％、39％.

关键词：注塑成型、CAE分析、深度神经网络、非支配排序遗传算法、多目标优化

所属期刊栏目：52

分类号：TP391.7;TQ320.66(计算技术、计算机技术)

资助基金：江苏师范大学研究生科研创新计划资助项目2021XKT0358

在线出版日期：2023-05-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：181-186