基于GRA-RBF神经网络的汽车手套箱成型工艺优化

详细信息    查看全文 | 推荐本文 |

英文篇名：Based on GRA-RBF Neural Network of Optimization Analysis for Automobile Glove Box Forming Process 作者：马振锋 ; 黄力 ; 陆大同 英文作者：Ma Zhenfeng;Huang Li;Lu Datong;Department of Mechanical Engineering, Baise Vocational College;School of Computer, Guangxi University of Science and Technology; 关键词：CAE仿真 ; 翘曲变形 ; 灰度关联法 ; 神经网络 ; 优化 英文关键词：CAE simulation;;Warping deformation;;Gray correlation method;;Neural network;;Optimization 中文刊名：SLKJ 英文刊名：Plastics Science and Technology 机构：百色职业学院机械工程系;广西科技大学计算机学院; 出版日期：2017-09-05 11:07 出版单位：塑料科技 年：2017 期：v.45;No.305 基金：广西教育厅科研课题(KY2015YB479);; 2015年度广西职业教育教改项目(桂教职成(2015)) 语种：中文; 页：SLKJ201709023 页数：6 CN：09 ISSN：21-1145/TQ 分类号：59-64

摘要

以汽车手套箱翘曲问题的解决为例,针对产品翘曲变形问题,运用CAE有限元分析对其注塑工艺进行了仿真分析,首先优化并确定了产品的浇注方案,进一步的保压、冷却及翘曲分析表明,保压和冷却能得到有效保证,但翘曲变形大为产品注塑的主要质量问题。依据CAE分析的产品翘曲的分离因素结果,运用GRA灰色关联分析法并结合RBF神经网络对其工艺影响因素进行权重取值,调整后的GRA-RBF神经网络对工艺参数因素水平与翘曲变形量之间的关系具有较为准确的预测,依据此神经网络模型,得到产品注塑的优化工艺参数,获得了高质量的注塑产品,降低模具制造成本,有效缩短了模具生产周期。
        In order to solve the problem of warping the glove box of a vehicle as an example, aiming at the problem of warping deformation, using CAE finite element analysis to simulate the injection molding process, first optimize and determine the pouring scheme of products, through further pressure, cooling and warpage analysis shows that the packing and cooling can be effectively guaranteed, but the warp the main quality problems for large deformation of injection molding products. On the basis of the results of separation factors CAE analysis of the warp of the product, using the GRA method of grey correlation analysis and RBF neural network combined with the factors affecting the process value, after adjusting the process parameters of GRARBF neural network on warping factor levels and the relationship between the deformation has a more accurate prediction, on the basis of the neural network model, to obtain the optimization of process parameters of injection molding products and the plastic products of high quality, reduce manufacturing cost and shorten the manufacturing cycle of the mould.

引文

[1]李飞.基于CAE的解决空调器大面罩塑件翘曲变形的设计优化[J].塑料工业,2012,40(7):44-48.
    [2]马松柏.注塑模翘曲分析及EMX模架优化设计[J].中国塑料,2013,27(9):94-97.
    [3]黄钢华,张益华.MOLDFLOW/MPI翘曲分析在注塑模中的应用[J].塑料制造,2008(8):64-67.
    [4]赵建.基于翘曲分析的注塑模工艺参数的优化[J].中国塑料,2008,22(11):61-65.
    [5]时慧焯.基于改进的BP神经网络的注塑成型翘曲优化设计[J].化工学报,2011,62(9):2 562-2 568.
    [6]曾军亮,王荣吉,冯晓欣.基于神经网络的工艺参数对翘曲变形和收缩的影响研究[J].塑料工业,2013,41(7):51-55.
    [7]陈建松,闵雁,伍乃骐.Taguchi与RBF神经网络在注塑翘曲参数优化中的应用[J].机电工程技术,2008,37(1):89-92.
    [8]周婷.基于BP人工神经网络的异形透盖注塑件翘曲变形分析[J].塑料工业,2011,39(10):59-61.
    [9]黄立东.BP神经网络与GA算法相结合的空调风叶翘曲均匀性优化[J].中国塑料,2014,42(7):77-81.
    [10]陈晓平.神经网络与正交试验法结合优化注射工艺参数[J].模具工业,2007,33(7):1-5.
    [11]党玉春,刘鸿滨,翟秀云.RBF与SVM在注塑件翘曲预测中的对比分析[J].塑料,2013,42(3):79-82.
    [12]陈建松,闵雁,伍乃骐.Taguchi与RBF神经网络在注塑翘曲参数优化中的应用[J].机电工程技术,2008,37(1):89-92.
    [13]程文博,张云,周华民,等.基于卷积神经网络的注塑制品短射缺陷识别[J].塑料工业,2015,43(7):31-34.
    [14]王卫东,宋继顺.基于BP神经网络的注塑成型工艺优化[J].塑料科技,2016,44(4):76-80.
    [15]杨礼鑫,李江平,赖广鹏.遗传算法耦合BP神经网络在注塑成型工艺中的应用[J].塑料科技,2017,45(1):61-64.