声明
摘要
第一章 绪论
1.1 研究的背景和意义
1.1.1 研究的背景
1.1.2 研究的意义
1.2 注塑成型优化技术的国内外研究综述
1.2.1 注塑成型流道平衡优化
1.2.2 注塑成型工艺参数的优化
1.3 论文的主要内容
第二章 细长杆多腔模非平衡流动机理及平衡优化
2.1 多腔模平衡设计问题
2.2 熔体充模过程的理论基础
2.2.1 粘性流体力学的基本方程
2.2.2 圆管熔体流动行为的数学模型
2.3 造成平衡流道多腔模填充不平衡的因素
2.3.1 流道拐角诱导多腔模不平衡
2.3.2 模温梯度导致的不平衡
2.3.3 剪切诱导的不平衡(Shear-induced imbalance)
2.4 细长杆平衡流道的不平衡造成产品变形分析
2.4.1 优化浇口位置确定最佳流道方案
2.4.2 影响细长杆流动不平衡的工艺因素
2.5 小结
第三章 Taguchi-CAE的集成在细长杆注塑工艺优化中应用
3.1 引言
3.2 噪音比S/N的含义
3.3 基于正交设计的注塑成型工艺参数优化
3.3.1 实验安排
3.3.2 PP注塑成型工艺参数优化
3.3.3 PC注塑成型工艺参数优化
3.3.4 PC+ABS注塑成型工艺参数优化
3.3.5 PP PC PC+ABS成型特性小结
3.4 基于噪音比S/N的pp注塑成型工艺参数优化
3.5 正交设计和Taguchi正交试验优化结果分析
3.6 小结
第四章 Taguchi-RSM-CAE的集成在细长杆注塑成型工艺优化中应用
4.1 引言
4.2 RSM研究方法
4.2.1 RSM方法简介
4.2.2 响应面的各因素(变量)之间的交互作用
4.2.3 响应面试验设计方法
4.2.4 响应面的构造及检验过程
4.3 RSM-CAE的集成在PP细长杆注塑成型工艺参数多目标优化的应用
4.3.1 细长杆注塑响应面研究概述
4.3.2 实验设计
4.3.3 响应面模型
4.4 RSM-CAE的集成在PC细长杆注塑成型工艺参数多目标优化的应用
4.4.1 PC体积收缩率实验模型及响应面分析
4.4.2 PC最大轴向变形实验模型及响应面分析
4.4.3 PP、PC的成型工艺对收缩变形的影响比较
4.5 正交实验、基于噪音比的正交实验和响应面优化结果比较
4.6 小结
第五章 遗传算法和神经网络的集成在细长杆注塑指标精度预测研究
5.1 引言
5.2 人工神经网络介绍
5.2.1 人工神经网络原理
5.2.2 BP网络
5.2.3 BP网络的设计和训练
5.3 遗传算法介绍
5.3.1 遗传算法的基本原理
5.3.2 遗传算法在神经网络中的应用
5.3.3 基于遗传算法的神经网络训练
5.4 GA-BP-Taguchi的集成在PP细长杆体积收缩率注塑工艺优化中的应用
5.4.1 GA-BP神经网络训练和精度检验
5.4.2 Taguchi正交实验和GA-BP的结合寻优和预测
5.5 GA-BP-RSM的集成在PC轴向变形优化和预测中的应用
5.5.1 GA-BP神经网络训练和预测精度检验
5.5.2 RSM和GA-BP联合寻优和预测
5.5.2 GA-BP组合预测模型应用
5.6 小结
第六章 Taguchi-RSM-GRA的集成在细长杆注塑工艺多目标优化的应用
6.1 引言
6.2 灰色关联分析的方法与步骤
6.3 灰色关联系数的讨论
6.4 Taguchi设计和灰关联分析的集成在细长杆注塑成型品质多目标优化应用
6.4.1 基于Taguchi和灰关联分析集成的注塑成形工艺优化
6.4.2 多目标的灰色关联度计算
6.4.3 灰色关联度的极差与方差分析
6.4.4 连续空间的预测模型
6.4.5 多种优化方法比较
6.5 RSM和灰关联的集成在细长杆注塑成型品质多目标优化应用
6.5.1 基于CCD实验的灰关联度计算
6.5.2 基于响应面的参数显著性分析和预测模型
6.6 基于灰关联和理想解法的注射工艺多目标优化
6.7 小结
第七章 细长杆多腔模注塑成型工艺实证研究
7.1 引言
7.2 模具设计
7.3 实验部分
7.3.1 实验材料
7.3.2 实验设备
7.3.3 优化参数的试验验证
7.3.4 实际值与GA-BP误差比较
7.4 小结
第八章 结论与展望
8.1 结论
8.2 展望
致谢
参考文献
攻读博士学位期间发表的学术论文及参与课题