基于模流分析与BP神经网络预测算法的蜗轮参数优化分析

作者：李方方^*

来源：塑料科技, 2021, 49(11): 71-75.

DOI：10.15925/j.cnki.issn1005-3360.2021.11.016

• 模流分析
• BP神经网络模型
• 蜗轮
• 正交试验
• 参数优化

基于正交试验和BP神经网络模型对蜗轮安装面圆柱度、蜗轮安装面轴偏移量、蜗杆安装面圆柱度及蜗杆安装面轴偏移量进行工艺参数的优化探究。设计正交试验并计算获得不同工艺参数组合下的目标变量值。建立BP神经网络模型并基于正交试验结果进行训练,BP神经网络模型预测值与Moldflow计算值的相对误差均小于10%。预测最优工艺参数为:注射时间2.63 s,保压压力75.6 MPa,熔体温度264.8℃,模具温度84.6℃,v/p切换体积98.2%。目标变量预测值为:蜗轮安装面圆柱度0.148 mm,蜗轮安装面轴偏移量0.097 mm,蜗杆安装面圆柱度0.166 mm,蜗杆安装面轴偏移量0.125 mm,相比初始工艺结果分别降低19.6%、33.1%、19.8%及28.2%,满足设计指标要求,并得到模流分析及试模的验证。

• 单位
  南京信息职业技术学院