细长杆多腔模注塑成型工艺多因素多目标集成优化

摘要

多腔模细长杆类零件产品质量品质的不一致是笔类企业难以克服的技术瓶颈，设计一种基于平衡布置的一模四腔圆珠笔笔弹模具，借鉴传统注塑成型中熔体充模流动理论的研究方法，引入合理的假设与必要的简化，构建了细长杆注塑成型中熔体充模流动的数学模型。在此基础上分析了平衡设计的流道中，引起不平衡填充的各种因素，尤其是剪切力导致熔体在平衡流道中不平衡流动的机理。基于数值模拟技术以Y向最大变形作为流动不平衡的评价目标，通过改变模具温度、熔体温度、注射时间、保压压力等工艺参数，使得流动达到可以接受的平衡，并通过实验验证了理论分析和优化设计的结果，提出通过优化工艺参数组合直接或间接地优化多腔模产品质量的思路。 本文确定相关产品质量的两个冲突目标一最大体积收缩率R1和最大轴向变形R2作为优化对象，首先比较了普通正交设计和基于噪音比的噪音设计在通过极差和方差设计在寻求最优工艺参数水平组合和因素显著性的差异，通过实验证明，运用稳健技术的Taguchi方法在单目标问题上不论从AVONA分析显著性，还有工艺参数最优水平组合，都优于普通的正交实验。相互冲突的双目标运用直观分析折中后的方案依然是稳健技术的Taguchi方法较优。 在分析精度和各因素之间的交互作用上，提出基于CCD中心组合设计通过细长杆的响应面(RSM)回归模型，建立起设计变量与设计响应之间的非线性关系，求出了连续空间的最优工艺参数组合，并基于加权进行双目标的优化。与基于噪音比的正交实验相比较，响应面的精度更高，通过对细长杆Y向最大变形考察填充不平衡，基于响应面的最优工艺参数的填充平衡性更好。 发展了一种基于遗传算法和神经网络的集成优化设计方法，使用GA优化BP神经网络的权值和阈值，种群中的每个个体都包含了一个网络所有权值和阈值，个体通过适应度函数计算个体适应度值，个体对应的最优适应度值由GA算法通过选择、交叉和变异操作找到BP神经网络预测用GA所得最优个体对网络初始权值和阈值赋值，网络经训练后预测函数输出。优化结果表明:遗传算法和神经网络集成的优化设计收敛速度快，对全局最优解的逼近程度高，可以迅速给出塑料制件期望值的工艺参数组合，通过训练好的网络获得了多腔模细长杆选用不同成型材料时模具温度、熔体温度、保压时间和保压压力等工艺参数对最大体积收缩率和最大轴向变形的影响规律。 最后，针对注塑成形优化普通存在的多目标特性，首次提出了基于灰色关联分析(GCA)的多腔模细长杆注塑成形多目标优化方法。针对望目、望大、望小特征的目标函数，提出了不同的目标数据预处理方法。为了得到最佳的优化参数组合，对多目标的灰色关联度进行方差分析，并建立了显著影响变量的响应函数，从而得到最佳值。改进了传统的多目标灰色关联度寻优方法，研究结果表明，利用灰关联和理想解法的注射工艺多目标优化的改进优化措施进行多目标优化，可以获得最佳效果。 模拟和优化的结果经过企业的实验验证，与生产实际吻合。

目录

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