基于Moldflow的汽车水箱盖注射成型工艺参数优化设计

利用Moldflow软件对汽车水箱盖成型过程进行数值分析,以降低塑件翘曲量为目标,利用正交试验法分析主要成型工艺参数对翘曲变形的影响规律,获得最佳工艺参数组合。研究结果表明:工艺参数对翘曲变形影响程度从大到小依次为保压压力、保压时间、熔体温度、冷却时间、模具温度、注射时间,参数优化后的塑件最大翘曲量为1.148 mm。     

Moldflow在汽车置物箱翘曲变形分析中的应用

利用Moldflow的MPI/Warp分析模块对汽车置物箱进行模拟,预测其成型后的翘曲变形,通过正交试验法对塑件成型工艺参数进行优化。结果表明:当材料为Teijin TN_3813BL PC+ABS,保压压力为注射压力的95%,模具温度65℃,熔体温度270℃时,塑件翘曲变形最小,影响塑件翘曲变形的主要因素为材料的性能,其次为熔体温度、保压压力和模具温度。     

U盘上盖的翘曲变形分析与工艺参数优化

以U盘上盖的注塑成型为实例,运用Taguchi试验设计法,结合信噪比(S/N)和变量分析方法(ANOVA),以减少塑件的翘曲量为目的,研究熔体温度、模具温度、保压压力和保压时间等工艺参数对塑件翘曲的影响,分析各工艺参数的影响程度,并优化成型工艺。结果表明:保压压力、熔体温度对塑件翘曲变形影响最大,优化后的塑件翘曲量降低了约16%。     

基于CAE的塑件翘曲变形分析与工艺参数优化

在分析翘曲变形理论的基础上,利用正交试验方法设计了L27实验矩阵对塑件注射成型过程进行模拟研究,分析了模具温度、熔体温度、注射速率、保压压力、冷却时间、保压时间等工艺因素对塑件翘曲变形的影响,得出了最优化的工艺参数设置,并分析了各单一因素对翘曲和收缩率的影响趋势及其原因。研究表明:所选择的工艺参数对塑件不同方向上的翘曲变形有着不同程度的影响,优化的工艺参数组合可以使塑件翘曲变形达到最小,从而提高塑件质量。     

扫描器的注射成型参数正交优化设计

主要研究注射成型过程中最常见的制件翘曲问题，尝试利用CAE模拟技术，以扫描器外壳为研究对象，对影响薄壳塑件翘曲变形的因素（如模具温度、熔体温度、注射时间、保压压力、保压时间、冷却时间）进行分析，并通过正交实验法找出最佳工艺参数组合。     

基于Taguchi试验的塑件翘曲分析及工艺优化

为减小手机壳体成型时翘曲变形量,利用Taguchi试验设计和变异数分析进行翘曲因素分析和优化成型工艺参数。将熔体温度、模具温度、注射时间、保压压力、保压时间、V/P切换等工艺参数作为翘曲的影响因子,设计了5水平Taguchi试验矩阵L_(25)(5~6),并采用Moldflow软件进行模拟试验。利用信噪比(S/N)衡量塑件Z方向翘曲变形量的大小,信噪比越大,翘曲变形量越小。通过对信噪比均值分析,建立因子影响趋势图,获得最优工艺参数组合为A1B1C4D4E5F5。通过变异数分析的方法分析了各工艺参数对塑件Z方向翘曲变形的影响程度,其中保压时间是最显著因素,延长保压时间至6s时,塑件Z方向翘曲变形量最小。经试验验证,Taguchi试验和变异数分析是解决翘曲变形的有效方法。     

开关塑件注塑成型模拟与分析

为提高电钻开关塑件质量,运用CAE软件对塑件进行了填充、流动、冷却及翘曲等数值模拟。分析了注射压力、翘曲变形、熔接纹分布和气穴等情况,优化了保压压力、保压时间,以减小注射缺陷和塑件变形,为模具设计及注射过程工艺参数的设定提供了指导。     

基于正交试验的注塑参数对大塑件翘曲的影响

结合塑料加工流变学、传热学、计算机图学等基本理论,建立了大型打印机基板注射成型过程的数值模型。运用CAE软件对模型进行模拟仿真翘曲分析,采用正交试验设计方法,分析研究了注塑工艺参数对基板翘曲变形的影响,并获得了最佳工艺参数组合。研究结果表明,工艺参数间的交互作用对翘曲变形的影响很小,各工艺参数对塑件翘曲量的影响程度由大到小依次为保压时间、模具温度、保压压力、熔体温度。     

基于CAE技术的薄壁塑件注射成型分析与工艺优化

以某薄壁塑件面板注射成型为例,介绍应用Moldflow软件进行CAE分析的步骤,通过填充、流动、冷却和翘曲等数值模拟,分析注射压力、翘曲变形、熔接线分布和气穴等情况,优化保压压力、保压时间,以减小注射缺陷和塑件变形,结合分析结果指导模具设计及注射过程工艺参数的设定。     

薄壁塑件成型工艺参数优化

利用Moldflow软件对薄壁塑件产生翘曲的原因进行分析,采用正交试验设计方法对塑件成型的注射时间、熔体温度、保压压力、保压时间、冷却时间等工艺参数进行模拟分析,研究各工艺参数对塑件翘曲的影响,从而获得最优工艺参数组合,指导生产。     

基于BP和RBF神经网络的表面质量预测研究

目的 研究RBF和BP神经网络在铣削加工中的作用,实现对铣削加工质量的预测,改善铣削性能。方法 对环形铣刀与常用的球形铣刀进行对比,然后基于MATLAB平台,建立以铣削速度、进给量和铣削深度为输入参数,表面粗糙度为输出参数的RBF神经网络模型。通过大量的试验数据对RBF神经网络模型进行训练,然后再用训练好的RBF神经网络模型预测表面粗糙度,将预测值与实测值进行比较,验证RBF神经网络的预测性能。将训练好的BP神经网络模型与RBF神经网络所建模型的预测结果进行比较。结果 发现用RBF方法预测的表面粗糙度相对误差的绝对值不超过6%,最大误差为0.056 098,平均误差为0.022 277,而BP方法的最大误差为0.074 947,平均误差为0.036 578。结论 环形铣刀加工质量更好。RBF神经网络的预测精度较高,具有比BP神经网络更优的预测能力,且拥有建模时间短、收敛速度高、训练过程稳定以及学习速度快等优点,能有效进行铣削质量预测。     

基于正交试验的轿车保险杠注射工艺优化

结合正交试验和注射模拟分析软件Moldflow,对不同工艺条件下的塑件成型过程进行了模拟,通过对最大翘曲量的极差分析,确定熔体温度、充填时间、保压压力等注射工艺参数对目标值的影响程度,并通过绘制因素水平影响趋势图,分析得出最优注射工艺参数组合方案。     

基于MEA-NARX神经网络主轴热误差建模

为了有效提高基于非线性时间序列的热误差预测模型精度,利用F统计检验确定模糊C均值聚类的聚类数目,结合不同量纲一化处理的灰色关联分析排序筛选出关键温度测点,建立基于NARX神经网络的热误差预测模型,通过设置输入延时阶数、输出延时阶数和隐含层神经元个数的范围,利用思维进化算法对输入、输出延时阶数和隐含层神经元个数进行寻优,与随机选取参数的NARX神经网络预测模型相比,模型预测精度提高了36.98%。     

基于正交法塑料支撑件注射工艺参数优化研究

应用Moldflow有限元分析软件,针对支撑件产生缺陷的原因,合理设计模具的浇注系统和温度调节系统,以翘曲变形量作为质量指标,采用多因素正交法获得塑件在熔料温度、模具温度、保压压力、保压时间、注射时间五因素四水平下成型的翘曲变形量,采用方差分析比较了不同工艺参数对翘曲变形量的影响程度,得到了优化的工艺参数组合。     

激光熔覆镍基熔覆层截面形貌预测

利用BP神经网络建立激光熔覆关键工艺参数(激光功率、扫描速度、送粉电压、送粉载气流量)与熔覆层截面形貌(熔宽、余高)的预测模型。以激光熔覆工艺参数为输入,熔覆层的截面形貌为输出,利用工艺试验数据对网络进行训练,实现对输入和输出的高度映射。结果表明,BP神经网络可以较好地对熔覆层形貌进行预测,同时双隐藏层BP神经网络模型预测结果误差波动更小,表现出优良的稳定性,最大预测误差相比单隐藏层神经网络大大降低。     

Fe-Mn-C-Al系TWIP钢热处理工艺参数优化

为提高TWIP钢的屈服强度同时保留较好的塑性,利用BP神经网络和遗传算法对热处理工艺参数进行优化。以退火温度、保温时间和冷却方式为输入,屈服强度和伸长率的乘积为输出,建立3-4-1的BP神经网络模型,再通过遗传算法寻优,得到屈服强度和伸长率的乘积最大时TWIP钢的热处理工艺参数组合。结果表明,优化后的热处理工艺为:退火温度768 ℃、保温时间35 min、冷却方式为炉冷,并通过试验验证了预测结果的准确性。     

烟气轮机涡轮盘高温合金剩余寿命预测

本文针对已运行60000h的Waspaloy合金烟气轮机涡轮盘进行剩余寿命预测分析,采用不同试验条件下得到的waspaloy合金持久寿命数据对人工神经网络模型进行训练,得到预测精度较高的模型参数,建立温度、应力等服役条件与持久断裂寿命之间的人工神经网络模型,并利用该模型对Waspaloy合金涡轮盘的剩余寿命进行预测分析。结果表明,中间层节点个数为15时,所建立的人工神经网络模型对Waspaloy合金的持久断裂寿命具有最好的统计预测精度,并可以良好地表征Waspaloy合金剩余持久寿命与服役条件间复杂的非线性关系。     

Prediction of Al（OH）3 fluidized roasting temperature based on wavelet neural network

The recycle fluidization roasting in alumina production was studied and a temperature forecast model was established based on wavelet neural network that had a momentum item and an adjustable learning rate. By analyzing the roasting process, coal gas flux, aluminium hydroxide feeding and oxygen content were ascertained as the main parameters for the forecast model. The order and delay time of each parameter in the model were deduced by F test method. With 400 groups of sample data （sampled with the period of 1.5 min） for its training, a wavelet neural network model was acquired that had a structure of {7^-21^-1}, i.e., seven nodes in the input layer, twenty-one nodes in the hidden layer and one node in the output layer. Testing on the prediction accuracy of the model shows that as the absolute error ±5.0 ℃ is adopted, the single-step prediction accuracy can achieve 90% and within 6 steps the multi-step forecast result of model for temperature is receivable.     

基于MoldFlow的汽车导风板注射模优化设计

基于MoldFlow技术,对汽车导风板通过流道系统、填充、保压和翘曲分析,进行了一模两腔注射成型工艺优化的研究,确定了最优工艺。采用了2个浇口位置和保压时间为4s设计方案,完成塑件成型周期为26.82s的高质量生产,可为该类型注射模设计提供参考。     

基于BP神经网络与遗传算法的固结磨具制作工艺参数优化

目的 利用BP神经网络技术与遗传算法寻找固结磨具制作最优工艺参数组合,实现固结磨具制作工艺参数的快速寻优.方法 设计磨粒粒径、磨粒质量分数、成型压力、烧结温度的正交工艺参数表,按正交表工艺参数制作蓝宝石晶片加工用的Cr2O3固结磨具,并且设计不同固化温度下制作的固结磨具的硬度与抗压强度测试试验,验证自制的固结磨具加工的...