基于人工神经网络的板料弯曲成形工艺优化及回弹分析

结合人工神经网络所表现出来的良好特性,利用正交试验获得的数据作为神经网络的训练样本,建立输入为弯曲工艺参数、输出为回弹量的神经网络模型,并通过样本检验了ANN模型的准确性,从而缩短设定工艺参数的时间,在工艺参数取值范围内,采用ANN模型代替CAE软件模拟试验,结合正交试验法,对工艺参数进一步优化.结果表明:将神经网络与正交试验、数值模拟三者结合用于板料弯曲成形参数优化,可以缩短优化工艺参数的时间.提高工艺设计效率,并能获得比单纯使用正交试验和数值模拟方法更为优化的结果.     

基于神经网络注塑成型工艺参数优化

采用BP神经网络建立注塑成型工艺参数与注塑制品收缩率之间的网络模型,并通过试验数据对成型工艺参数进行优化。     

基于反向传播神经网络与遗传算法优化复合材料零件注塑成型工艺参数

以Moldflow软件模拟得到的不同工艺参数下飞机机头雷达罩模型的翘曲变形量为训练样本,在雷达罩模型成型工艺参数与其翘曲变形量间建立反向传播(Back Propagation,BP)神经网络模型,然后采用遗传算法对工艺参数进行优化,得到使雷达罩模型翘曲变形量最小的工艺参数并进行试验验证.结果表明:在相同工艺参数下由BP神经网络得到的雷达罩模型翘曲变形量与采用Moldflow软件模拟得到的翘曲变形量相近,相对误差小于4％,证明了BP神经网络的可靠性;模拟得到雷达罩模型的最优成型工艺参数为注塑温度295℃、模具温度80℃、注塑时间0.75 s、保压时间8 s、保压压力125 MPa,此时翘曲变形量最小,为0.1213 mm;在最优成型工艺参数下进行注塑成型后得到的雷达罩模型最大翘曲变形量为0.1260 mm,试验结果与预测结果间的相对误差小于3.7％,验证了BP神经网络与遗传算法相结合方法的准确性.     

基于PSO-SVR的选择性激光烧结制件收缩研究

建立了聚苯乙烯(PS)选择性激光烧结(SLS)工艺参数与制件收缩率之间复杂的非线性支持向量回归(SVR)模型。采用正交试验设计支持向量回归的训练数据,并采用均匀设计初始化的粒子群优化(PSO)算法,优化选择向量回归参数。结果表明,均匀设计显著提高了粒子群全局寻优速度与精度,基于正交试验选择的小样本训练模型,较为准确地反映了工艺参数与收缩率间的关系,预测平均误差控制在4%,优于BP神经网络10%的平均预测误差。采用选择的模型,建立了工艺参数与收缩率之间的关系,并结合烧结理论进行了影响规律的分析,该方法为选择性激光烧结工艺的研究提供了一种行之有效的新思路。     

基于神经网络和遗传算法的薄壳件注塑成型工艺参数优化

建立基于神经网络和遗传算法并结合正交试验的薄壳件注塑成型工艺参数优化系统.正交试验法用来设计神经网络的训练样本,人工神经网络有效创建翘曲预测模型;遗传算法完成对影响薄壳塑件翘曲变形的工艺参数(模具温度、注射温度、注射压力、保压时间、保压压力和冷却时间等)的优化,并计算出其优化值.按该参数进行试验,效果良好,可以有效地减小薄壳塑件翘曲变形,其试验数值与计算数值基本相符,说明所提出的方法是可行的.     

机器学习在弯曲模中的应用尝试

利用人工神经网络技术,把在线测量数据作为神经网络的训练样本,建立输入工艺参数、输出行程的神经网络模型,并通过在线监测检验相关模型的准确性,在公差取值范围内,采用神经网络模型代替传统有限元数学模型,对工艺参数进行实时反馈及优化,最终实现可自我学习的智能弯曲成型系统的开发。该系统可自动试模,自动调整参数,并实现稳定全自动生产。     

采用Moldflow和正交试验的塑件设计仿真优化

利用Moldflow有限元分析软件,对塑料球阀阀体注塑成形过程进行数值模拟,采用多因素正交试验的方法,获得塑料在不同的工艺参数下成形阀体顶出时的体积收缩率,并以顶出时的体积收缩率为评价指标,通过分析正交试验中的各因素对评价指标的影响,确定了各因素最终的水平组合,即优化的工艺参数组合。     

电路板外壳注塑Moldflow工艺优化与模具制造技术

通过分析注塑充填的基础理论,确定了提高产品质量的思路。根据电路板外壳的结构特点及成型要求,设计了注塑成型浇注系统和冷却系统。利用Moldflow模流分析软件和正交试验理论,以体积收缩率、缩痕指数及翘曲变形量为评判指标,优化了熔体温度、充填时间、保压时间、冷却时间、开模时间、注射压力和保压压力7个工艺参数,得到了最佳的注塑成型工艺参数。设计并制造出电路板外壳的成型零件,并对滑块的制造工艺进行了详细的分析,通过生产试制出了合格的塑件,验证了正交试验方案的科学性,模拟结果可以用于实际生产中。     

正交试验设计的注塑成型工艺参数多目标优化设计

结合正交试验设计和注塑成型模拟软件Moldflow,对不同工艺条件下的注塑成型过程进行模拟分析,并运用模糊数学中的综合评判法,对塑件成型后的体积收缩率变化、表面缩痕指数和最大翘曲变形量三个目标值进行综合评判,得到综合评分.通过对综合评分的极差分析,确定模具温度、熔体温度、注塑时间、保压参数、冷却时间等工艺参数对综合评分的影响程度,并绘制因素水平影响趋势图,分析得出最优的注塑工艺参数组合方案,并对该工艺组合方案进行模拟验证.     

注塑模具硬态高速铣削力研究

采用高速铣床对4Cr5MoSiV1钢注塑成型模具进行硬态铣削,研究切削加工参数对切削力的影响,通过多因素法正交试验,利用改进的BP神经网络建立了切削力的神经网络模型,将网络预测结果经过现场加工实践检验其准确性,利用MATLAB分析切削参数的影响。结果表明:人工神经网络能准确地预测铣削力的大小,模型具有良好的泛化能力和自适应能力;在高转速、小切深、合适的进给速度以及微量切削液状态下铣削力较小,为优化模具硬态铣削的切削参数并对其实际生产应用提供了较好的依据。