基于神经网络技术的塑料齿轮模型工艺参数优化

针对塑料模型注塑成型优化过程中工艺参数多、计算准确度低、工程模拟量大的特点。以塑料齿轮零件为例,通过引入BP神经网络技术,结合Moldflow软件建立注塑成型工艺参数优化模型。以体积收缩率和翘曲变形量为注塑工艺评定目标函数,选择熔体温度、保压压力、保压时间、模具表面温度为训练样本,建立4~4正交试验表,由相对方差分析评价模型的分析结果,给出优化后的工艺参数,指导工程实际应用。研究结果表明,通过BP神经网络对初始工艺参数进行训练,模型训练预测值与模拟值相对误差在3%以下,满足预测精度要求,经过对正交试验表样本进行训练,确定优化工艺参数为:熔体温度220℃、保压压力50 MPa、保压时间15 s,模具温度70℃。由Moldflow模型验证指出优化后的工艺参数组合能减少塑料件的注塑缺陷,提升塑料件的使用性能。