基于CAE、DOE的法兰件成型工艺参数优化

发布时间：2017-10-19 04:02

  本文关键词：基于CAE、DOE的法兰件成型工艺参数优化

  更多相关文章： 注塑成型 DOE实验 参数优化 神经网络

【摘要】：在注塑成型过程中,工艺参数对成型质量有较大的影响。通过控制注塑成型工艺参数来优化成型质量已成为研究热点。对材料为PA66的法兰零件进行研究,利用Moldflow软件建立成型零件、浇注系统、冷却系统的有限元模型,并模拟仿真注塑成型过程,获得注塑制品的成型结果。 将CAE与DOE技术相结合,通过不同的实验方法针对不同的目的,基于有限元分析软件Moldflow进行仿真实验。选择熔料温度、模具温度、注射时间、保压压力、保压时间、冷却时间六个工艺参数为实验因素,进行全因子实验,确定了对制品翘曲变形量和体积收缩率影响显著的工艺参数为：熔料温度、模具温度、注射时间、保压压力,并确定了各个工艺参数之间的交互作用；针对四个显著性因素,利用田口实验法进行多水平实验,确定了各个因素对实验指标的影响趋势；由于影响趋势较为复杂,在增加各实验因素的水平进行第二次田口实验后,确定了对于翘曲变形量和体积收缩率的最优工艺参数组合。 基于BP神经网络,建立了注塑成型工艺参数与质量指标之间的映射关系。使用田口实验所得数据样本对BP神经网络进行训练,对比了不同的学习算法和隐含层节点数量对网络泛化能力、网络训练时间、网络训练次数的影响,最终获得了能够预测注塑成型质量的代理模型。 CAE、DOE和人工智能的应用,可以协助设计者在设计阶段考虑到各种可能出现的问题,及时对设计方案进行改善,提高了设计效率,节约了设计和生产成本,提高了注塑制品成型质量。
【关键词】：注塑成型 DOE实验 参数优化 神经网络
【学位授予单位】：中南林业科技大学
【学位级别】：硕士
【学位授予年份】：2013
【分类号】：TQ320.662;TH136
【目录】：

• 摘要4-5
• Abstract5-9
• 1 绪论9-17
• 1.1 课题研究背景9-10
• 1.2 注塑成型工艺CAE发展现状10-12
• 1.2.1 CAE技术简介10
• 1.2.2 模具CAE技术国外发展状况10-11
• 1.2.3 模具CAE技术国内发展状况11-12
• 1.3 注塑工艺参数设计发展现状12-14
• 1.3.1 试凑法12
• 1.3.2 基于注塑流变理论的优化设计12-13
• 1.3.3 基于统计分析的实验设计方法13
• 1.3.4 有限元数值仿真技术13
• 1.3.5 人工智能和计算机智能的运用13-14
• 1.4 论文的主要工作14-15
• 1.5 本课题的研究意义15-17
• 2 注塑成型的数值仿真理论分析17-21
• 2.1 熔体充填阶段数值仿真理论17
• 2.2 熔体保压阶段数值仿真理论17-18
• 2.3 熔体冷却阶段数值仿真理论18-20
• 2.4 本章小结20-21
• 3 注塑成型CAE建模21-33
• 3.1 Moldflow分析软件功能简介21-22
• 3.2 注塑产品有限元模型的建立22-24
• 3.2.1 有限元单元的选用及制品结构分析22-23
• 3.2.2 制品3D模型的前处理23-24
• 3.3 Moldflow分析模型的建立24-32
• 3.3.1 模具浇注系统的有限元模型的建立24-27
• 3.3.2 模具冷却系统的有限元模型的建立27-30
• 3.3.3 制品材料的选择和成型工艺参数初始值的确定30-32
• 3.4 本章小结32-33
• 4 基于DOE(design of experiment)的注塑成型仿真实验33-59
• 4.1 注塑成型质量的工艺参数的确定33-34
• 4.2 注塑成型质量指标的确定34
• 4.3 因子实验设计34-47
• 4.3.1 因子实验法简介35-36
• 4.3.2 基于因子实验法的实验方案设计36
• 4.3.3 因子实验法实验36-39
• 4.3.4 因子实验结果极差分析39-42
• 4.3.5 显著性因子的确定42-47
• 4.4 田口实验设计47-58
• 4.4.1 田口实验法简介47-48
• 4.4.2 田口实验法48-50
• 4.4.3 田口实验结果分析50-55
• 4.4.4 搜索最佳工艺参数组合实验55
• 4.4.5 最佳工艺参数组合实验结果分析55-57
• 4.4.6 最佳工艺参数组合确定57-58
• 4.5 本章小结58-59
• 5 注塑成型质量的预测——BP神经网络59-75
• 5.1 人工神经网络简介59
• 5.2 BP网络简介59-63
• 5.3 BP网络的设计63-65
• 5.3.1 BP网络的结构设计63-64
• 5.3.2 BP网络的参数设计64-65
• 5.4 注塑成型工艺参数与制品质量的BP网络建立65-73
• 5.4.1 BP网络结构及参数设计65-67
• 5.4.2 神经网络模型对比实验67-73
• 5.5 本章小结73-75
• 结论与展望75-77
• 结论75
• 展望75-77
• 参考文献77-83
• 附录 攻读学位期间的主要学术成果83-85
• 致谢85

【参考文献】

中国期刊全文数据库 前10条

1 申长雨,陈静波,刘春太,李倩;塑料成型加工的计算机模拟技术(Ⅰ)[J];工程塑料应用;2000年04期

2 陈静波,王利霞,申长雨,刘春太;注射模中冷却系统的流动分析[J];模具工业;1998年04期

3 王辉,田晓东,周雄辉,阮雪榆;注塑件CAD建模与CAE智能处理的集成化研究[J];计算机辅助设计与图形学学报;2002年12期

4 张星星,樊广军;塑料制品缺陷分析专家系统[J];模具工业;2000年06期

5 张小甫,阎峰云,王翠香,单巍巍;MoldFlow和Plastic Advisor在注塑成型中的应用[J];模具技术;2004年02期

6 文劲松,麻向军,刘斌,晋刚,瞿金平;塑料成型加工模拟技术及软件应用[J];计算机辅助工程;2003年04期

7 王德翔,刘来英,王振宝,周华民,李德群;基于人工神经网络技术的注塑成型工艺参数优化[J];模具技术;2001年06期

8 林旭东,王鹏驹;面罩镜片注塑制品及工艺条件对比优化设计[J];塑料工业;1997年06期

9 吕砚山,赵正琦;BP神经网络的优化及应用研究[J];北京化工大学学报;2001年01期

10 董湘怀,黄树槐,李志刚,夏巨谌,李德群;塑性加工技术的发展趋势[J];中国机械工程;2000年09期

中国硕士学位论文全文数据库 前1条

1 张君;基于CAE技术的注塑模浇注系统优化设计[D];合肥工业大学;2003年

，

本文编号：1058917