共查询到20条相似文献,搜索用时 101 毫秒
1.
基于Moldflow的汽车水箱盖注射成型工艺参数优化设计 总被引:1,自引:0,他引:1
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。 相似文献
2.
3.
4.
5.
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。 相似文献
6.
《模具工业》2017,(4):19-24
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。 相似文献
7.
8.
9.
10.
薄壁塑件成型工艺参数优化 总被引:2,自引:2,他引:0
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。 相似文献
11.
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。 相似文献
12.
基于正交试验的轿车保险杠注射工艺优化 总被引:1,自引:0,他引:1
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。 相似文献
13.
14.
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。 相似文献
15.
16.
17.
烟气轮机涡轮盘高温合金剩余寿命预测 总被引:1,自引:0,他引:1
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。 相似文献
18.
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. 相似文献
19.