基于高斯过程回归的注塑质量多目标优化方法

以车灯导光条为研究对象,建立有限元仿真模型,利用高斯过程回归与人工神经网络建立代理模型,并以此作为多目标遗传算法寻优的适应度函数。结果表明:基于代理模型的多目标优化方法可有效快速地获得较佳的成型工艺参数组合;相比人工神经网络算法,高斯过程回归算法更适合小样本复杂数据。研究得到的最佳工艺参数组合为:注射时间2.3 s,熔体温度263℃,模具温度62℃,保压压力124%,保压时间17 s。其对应指标结果为:缩痕为1.3μm,平均体积收缩率为-0.1187%,翘曲变形量3.549 mm。这对于车灯导光条注塑生产质量调控具有重要的指导价值。