基于CAE和T-S神经网络的储物箱注塑工艺优化

作者：李瑞娟; 梁德坚^*

来源：塑料, 2020, 49(01): 114-133.

• 仿真分析
• 神经网络
• 翘曲
• 优化
• 萤火虫算法

针对塑件翘曲变形过大而导致塑件注塑失效的问题,通过运用CAE分析得出了影响翘曲变形过大的主要因素为收缩不均;采用正交试验方法获得了初步优化后参数,为Tθ(230℃) Ts(65℃) PI(70 MPa) ti(3. 5 s) Ph1(60MPa) th1(10 s) Ph1(75 MPa) th1(12 s) tc(6 s),对应的翘曲值为5. 53 mm。在此基础上,再次运用GSO算法对改进的TS模糊神经网络进行预测,得到了进一步优化的翘曲值,为3. 49 mm,对应优化后的工艺参数为Tθ(230℃) Ts(68℃)PI(70 MPa) ti(4 s) Ph1(65 MPa) th1(8 s) Ph1(75 MPa) th1(14 s) tc(4 s),将优化后的工艺参数应用于实际注塑后,塑件的实效问题得到了有效解决,具有较强的实践参考价值。

• 单位
  柳州职业技术学院; 柳州铁道职业技术学院