基于OMD工艺的薄膜成型仿真优化比较与6Sigma评估

发布时间：2017-03-28 06:10

  本文关键词：基于OMD工艺的薄膜成型仿真优化比较与6Sigma评估，由笔耕文化传播整理发布。

【摘要】：OMD(模外装饰)是将具有热塑性能的塑料薄膜修剪成合适尺寸之后,通过加热软化,利用真空高压的技术手段,使其变形后粘覆在基材轮廓面之上的一种工艺。本论文在前人的研究基础之上,进一步对OMD工艺进行理论分析与研究,实现了对汽车仪表盘OMD工艺贴膜的模拟仿真,并利用优化的手段实现了对OMD工艺参数(温度、压边力、真空度等)的优化,再采用6Sigma分析的手段,最终确立最佳OMD工艺参数,进而为OMD工艺设备生产精确化、高效化做铺垫。首先,建立PC材料在高温时的KDSGZ本构模型,根据相关实验数据对KDSGZ模型的各个参数进行求解,在此基础之上编写ABAQUS用户材料子程序,将用户材料子程序与ABAQUS实现无缝连接,得到汽车仪表盘贴膜仿真模拟的结果,即PC薄膜分别在Y和X方向的变形云图以及其厚度的分布云图。然后,在对结果分析从而设计目标函数(即以仪表盘外壳薄膜50个节点分别在Y、X方向变形量的标准偏差和其厚度的标准偏差均同时达到最小)与明确变量(即F、T、P1、P2、t1、t2、t3)的基础之上,运用最优拉丁超立方试验设计的方法对OMD工艺仿真结果进行抽样分析,抽样点为82个,其中72个用于建立近似模型,其余10个用于评估近似模型的精度,得到的82组数据点包括变量及相应目标函数值,另外,得到的近似模型中RSM二阶、RBF/EBF以及Kriging模型精度良好。最后基于近似模型(响应面模型、克里格模型、神经网络模型)对OMD工艺参数进行全局优化(包括MIGA算法、ASA算法、PSO算法)。结果表明:对于汽车仪表盘贴膜工艺而言,基于EBF模型采用ASA算法优化效果显著;而对于鼠标外壳贴膜工艺来说,基于RBF模型采用PSO算法优化效果最为明显。为了弥补全局优化的不足,在全局优化的基础之上,采用组合优化策略做进一步细化。对汽车仪表贴膜工艺而言,基于EBF模型采用ASA全局优化算法组合NLPQL梯度优化算法以及基于二阶RSM模型的Pointer-2组合优化算法的优化效果均胜于全局优化;而对于鼠标外壳贴膜工艺来说,基于RBF模型的PSO全局优化算法组合NLPQL梯度优化算法的优化效果同样优于全局优化。最后利用6Sigma可靠性分析的手段,对各组优化结果进行6Sigma评估,最终确立以基于二阶RSM模型的Pointer-2组合优化算法所得的Pareto解作为汽车仪表盘贴膜工艺参数优化的最佳组合。以基于RBF模型的PSO全局优化算法组合NLPQL梯度优化算法所得的Pareto解作为鼠标外壳贴膜工艺参数优化最佳组合。
【关键词】：OMD工艺 参数优化 全局优化 组合优化 6Sigma KDSGZ
【学位授予单位】：华东交通大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TB383.2
【目录】：

• 摘要3-4
• ABSTRACT4-9
• 第一章 绪论9-15
• 1.1 课题研究的目的和意义9
• 1.2 OMD工艺相关领域的研究进展9-13
• 1.2.1 OMD的研究进展9-11
• 1.2.2 热压成型模拟仿真的研究进展11-12
• 1.2.3 参数优化的研究进展12-13
• 1.3 本文研究的主要内容13
• 1.4 技术方案13-15
• 第二章 汽车仪表盘OMD工艺仿真15-27
• 2.1 PC材料高温时KDSGZ本构模型的构建15-19
• 2.1.1 PC本构方程的选取15-16
• 2.1.2 DSGZ模型系数的求解16-18
• 2.1.3 DSGZ模型的改进18
• 2.1.4 PC材料高温时本构模型参数求解18-19
• 2.2 ABAQUS用户材料子程序的编写19-23
• 2.2.1 用户材料子程序UMAT的开发流程19-21
• 2.2.2 材料塑性状态的决定及应力更新算法21-22
• 2.2.3 用户材料子程序的编写22-23
• 2.3 汽车仪表盘贴膜仿真23-26
• 2.3.1 建立仿真模型23-24
• 2.3.2 参数设置24-25
• 2.3.3 仿真结果分析25-26
• 2.4 本章小结26-27
• 第三章 OMD贴膜工艺参数全局优化27-63
• 3.1 全局优化方案27-28
• 3.2 确定目标函数及设计变量28-29
• 3.3 试验设计29-34
• 3.3.1 最优拉丁超立方设计30-31
• 3.3.2 DOE结果分析31-34
• 3.4 建立近似模型34-41
• 3.4.1 近似模型的概念34-35
• 3.4.2 建立响应面模型35-37
• 3.4.3 建立克里格模型37-39
• 3.4.4 建立神经网络（RBF/EBF）模型39-41
• 3.5 汽车仪表盘贴膜工艺参数全局优化41-53
• 3.5.1 采用MIGA算法优化42-46
• 3.5.2 采用PSO算法优化46-50
• 3.5.3 采用ASA算法优化50-53
• 3.6 鼠标外壳贴膜工艺参数全局优化53-58
• 3.6.1 采用MIGA算法53-55
• 3.6.2 采用ASA算法55-57
• 3.6.3 采用PSO算法57-58
• 3.7 汽车仪表盘外壳贴膜工艺参数优化结果分析58-60
• 3.7.1 侧重考虑减薄率58-59
• 3.7.2 侧重考虑变形精度59-60
• 3.8 鼠标外壳贴膜工艺参数优化结果分析60-62
• 3.9 本章小结62-63
• 第四章 OMD薄膜工艺参数组合优化63-74
• 4.1 组合优化方案63-64
• 4.2 汽车仪表盘外壳贴膜工艺参数组合优化分析64-68
• 4.2.1 采用Pointer-2 算法优化64-67
• 4.2.2 采用ASA全局优化算法组合NLPQL梯度算法进行优化67-68
• 4.3 鼠标外壳贴膜工艺组合优化分析68-70
• 4.3.1 采用Pointer-2 算法优化68-69
• 4.3.2 采用PSO全局优化算法组合NLPQL梯度算法进行优化69-70
• 4.4 优化结果分析70-73
• 4.4.1 汽车仪表盘贴膜工艺参数组合优化结果分析70-72
• 4.4.2 鼠标外壳贴膜工艺参数组合优化结果分析72-73
• 4.5 本章小结73-74
• 第五章 6Sigma可靠性分析74-82
• 5.1 基于近似模型的 6Sigma可靠性分析74-81
• 5.1.1 汽车仪表盘贴膜工艺参数 6Sigma分析76-78
• 5.1.2 鼠标外壳贴膜工艺参数 6Sigma分析78-81
• 5.2 本章小结81-82
• 第六章 总结与展望82-84
• 6.1 研究总结82
• 6.2 创新点82-83
• 6.3 研究展望83-84
• 参考文献84-87
• 个人简历 在读期间发表的学术论文87-88
• 致谢88

【相似文献】

中国期刊全文数据库 前10条

1 杨永愉;Pareto分布参数的统计推断及其应用[J];北京化工学院学报(自然科学版);1992年01期

2 郭泽峰;;Pareto图在啤酒质量投诉分析中的应用[J];啤酒科技;2012年10期

3 李中凯;谭建荣;冯毅雄;裘乐淼;;基于强度Pareto进化的注塑机注射性能多目标优化[J];计算机集成制造系统;2007年11期

4 贾树晋;朱俊;杜斌;岳恒;;Pareto最大最小蚂蚁算法及其在热轧批量计划优化中的应用[J];控制理论与应用;2012年02期

5 陶俏;王敏杰;徐斌;;基于Pareto遗传算法的聚合物黏度模型参数拟合[J];塑料;2010年02期

6 郭相坤;王晓静;许德平;王晓玲;;间歇自由基聚合反应器的Pareto蚁群优化(英文)[J];计算机与应用化学;2009年06期

7 王海艳;秦旭达;任成祖;;基于Pareto遗传算法的螺旋铣加工参数优化[J];中国机械工程;2012年17期

8 陈元千;;预测油气资源Pareto模型的建立、修正与应用——兼评我国现行的油田储量规模排序法[J];中国石油勘探;2008年04期

9 王国良;邵惠鹤;;Multi-objective Optimization of Controller for Process with Reverse Response and Dead Time[J];Journal of Donghua University(English Edition);2009年03期

10 廖宁;刘建勋;王俊年;;Pareto方法在服务网格资源调度多目标优化中的应用[J];湖南科技大学学报(自然科学版);2010年02期

中国重要会议论文全文数据库 前10条

1 ;A Pareto-Based Differential Evolution Algorithm for Multi-objective Optimization Problems[A];Proceedings of 2010 Chinese Control and Decision Conference[C];2010年

2 周秀玲;孙承意;;Pareto-MEC算法的收敛性分析[A];2005年中国智能自动化会议论文集[C];2005年

3 ;Multiobjective Optimization with Competitive Coevolutionary Genetic Algorithms[A];第二十九届中国控制会议论文集[C];2010年

4 ;Study on New Coordination Mechanisms of Generalized Supply Chains with Loss-averse Agents[A];2009中国控制与决策会议论文集（3）[C];2009年

5 樊铁成;马孜;;Pareto前沿在航线优化中的应用[A];第16届中国过程控制学术年会暨第4届全国故障诊断与安全性学术会议论文集[C];2005年

6 徐安察;汤银才;;Pareto分布下屏蔽数据的贝叶斯统计分析及其应用[A];技术融合创新·可靠服务企业·安全产品制胜——2013年全国机械行业可靠性技术学术交流会暨第四届可靠性工程分会第五次全体委员大会论文集[C];2013年

7 陈银美;石连栓;;一种改进的求解均匀分布Pareto解集的多目标遗传算法[A];中国运筹学会第十届学术交流会论文集[C];2010年

8 韩松;魏权龄;;非参数DEA模型最优解的(弱)Pareto性质研究[A];中国运筹学会第七届学术交流会论文集（上卷）[C];2004年

9 樊铁成;马孜;罗勋杰;;Pareto遗传算法在集装箱配载优化中的应用[A];第二十四届中国控制会议论文集（下册）[C];2005年

10 吕萍;李晴;宋吟秋;;考虑运营成本的公路Pareto有效BOT合同[A];中国系统工程学会第十八届学术年会论文集——A02管理科学[C];2014年

中国博士学位论文全文数据库 前5条

1 杨蕴;多目标进化算法及其在地下水优化管理中的应用研究[D];南京大学;2012年

2 安彤;VMI模式下供应链的Pareto改进研究[D];天津大学;2011年

3 Deogratias NURWAHA;[D];东华大学;2013年

4 陈泯融;基于极值动力学的优化方法及其应用研究[D];上海交通大学;2008年

5 邢宇飞;复杂产品拆卸序列规划技术研究[D];东北大学;2012年

中国硕士学位论文全文数据库 前10条

1 范超;基于Pareto蚁群算法的MVB周期轮询表设计问题研究[D];大连理工大学;2015年

2 丁冲冲;基于Pareto多目标人工蜂群算法的Web服务组合优化研究[D];南京财经大学;2014年

3 罗强;基于OMD工艺的薄膜成型仿真优化比较与6Sigma评估[D];华东交通大学;2016年

4 刘媚;混合Pareto分布的统计分析[D];华东师范大学;2009年

5 夏凌;基于Pareto边界的多目标调度研究[D];上海交通大学;2008年

6 南新艳;广义Pareto分布[D];华东师范大学;2005年

7 齐晓鸿;一个求解多目标问题的算法：Pareto-MEC[D];太原理工大学;2004年

8 尹呈;多目标优化Pareto支配性预测方法研究[D];湘潭大学;2013年

9 窦孟丽;复合指数-Pareto模型及其在保险中的应用[D];华东师范大学;2009年

10 高建敏;Pareto分布中门槛值的确定及其在经济学中的应用[D];浙江工商大学;2007年

  本文关键词：基于OMD工艺的薄膜成型仿真优化比较与6Sigma评估，由笔耕文化传播整理发布。

，

本文编号：271790