基于数据分析和优化的曲面薄壳注塑件翘曲变形研究

• 作 者: 符宇
• 出 处: 南昌大学
• 发表日期: 2004年期
• 关键词: 数据分析 曲面薄壳 翘曲变形 响应曲面 神经网络

注塑制品的翘曲变形是由于高分子材料的特性和加工工艺的原因造成的,不可能完全避免。能够影响薄壳注塑制品翘曲变形的因素很多,本文对制造业智能化的趋势进行了总结和展望,以汽车轮眉为研究实例,从收缩不均的角度将影响注塑制品翘曲的因素进行分类,并针对研究对象的特点对可控因素进行了基于数据分析的研究。研究工作如下:分析影响引起注塑制品收缩的主要因素,采用基于实验设计的单因素分析法讨论单个工艺参数对制品收缩率的影响。从收缩不均的角度探讨控制零件翘曲变形值的方法。借助CAE软件,使用最大压力降和流动前沿温度等数据作为指标确定了薄板零件的可行工艺参数组合并选取了工艺参数优化范围,这一方法也被用于轮眉工艺参数优化,几何尺寸对制品翘曲变形的影响,简化轮眉模型尺寸参数和工艺参数优化研究中。以基于流变学、力学、传热学等学科数学模型的CAE分析作为获取数据的手段。采用响应曲面法对轮眉的工艺参数进行优化,塑件的最大翘曲变形值由6.311mm减小至3.367mm。研究了薄壁零件侧边浇口位置对翘曲变形的影响趋势,使用正交实验设计和方差分析研究了曲面长条形注塑件几何特征对制品翘曲值的影响。分析了不同种类和数量的浇口设计对充填平衡的影响。提取轮眉主要几何特征,建立轮眉的简化模型。使用BP神经网络和遗传算法对以轮眉简化模型的尺寸参数和工艺参数为输入,零件最大翘曲变形值为输入的数学模型进行训练分析。通过实验确定了BP神经网络的隐层节点数,使用遗传算法对神经网络的权值和阈值进行了优化,使网络的训练误差减小至10-5,训练次数降低为平均104次,网络的预测偏差也降低平均2.63%。使用遗传算法对训练好的BP神经网络预测模型进行寻优,获得零件最大翘曲变形值为2.238mm的尺寸参数和工艺参数组合并进行了实验验证。