论文部分内容阅读
注塑成型技术具有生产加工性能良好、生产周期短、可多型腔成型、生产效率高、精度高、质量比金属材料轻和多种颜色符合美学要求等优点，使其在工业生产中得到广泛应用。随着3C市场(计算机、通讯和消费电子产品)的竞争，其对产品设计的要求日趋复杂，同时对产品质量的要求也越来越高，而需要产品的开发时间日益缩短，如果单凭设计者的经验来设计产品已不符合现在的市场要求。因此如何快速、有效地生产高质量的注塑产品已成为人们研究的热点之一。本论文基于多平台集成环境，研究了注塑成型的多目标工艺参数优化方法，并验证了该方法具有可行性。优化方法分为直接法、梯度法和基于启发式搜索的现代优化算法三种类型。本文结合注塑成型工艺优化研究现状和发展趋势，分别采用直接法（单纯形法）和基于启发式搜索（椭圆基神经网络与混合遗传算法相结合）的现代优化算法对注塑成型工艺进行优化。1）单纯形优化方法是在确定最大保压压力和总的保压时间的前提下，以注塑件收缩率最小为优化目标，对注塑过程保压曲线进行优化。在此过程中，成功运用Moldflow和modeFRONTIER软件进行联合仿真。对保压曲线进行优化后注塑件的收缩率有明显地改善。2）椭圆基神经网络与混合遗传算法相结合，采用Isight软件自带的算法，建立了以熔体温度、模具温度、保压时间、保压压力和冷却时间作为输入参数，以锁模力和总翘曲值作为输出参数的EBF神经网络的近似模型。在近似模型的基础上采用NSGA‐Ⅱ对不同成型工艺条件下的注塑件的最大翘曲值和所需的锁模力进行求解，最终获得输出参数的Pareto前沿曲线图。该方法能为注塑成型工艺的多目标优化提供有效的参考。