基于PSO-LSSVM和NSGA-Ⅱ的心电记录仪外壳注塑工艺优化

心电记录仪是精密的医疗设备,但受注塑工艺的影响,其外壳在注塑生产过程中易产生翘曲和收缩,极大地缩短了使用寿命。针对该问题,提出了一种基于粒子群算法优化的最小二乘支持向量机模型(PSO-LSSVM)和改进的非支配排序遗传算法(NSGA-Ⅱ)相结合的注塑工艺参数多目标优化方法。首先基于正交试验所得样本,利用PSO-LSSVM算法分别了建立翘曲和体积收缩率的预测模型,再结合NSGA-Ⅱ进行全局优化。对优化得到的Pareto最优解集进行CRITIC综合分析,最终得到了最优工艺参数,此时,塑件的翘曲最小为0.4383 mm,体积收缩率最小为8.729%,比优化前分别降低了6.98%和14.92%。同时,对最优工艺参数进行注塑成型试验,通过测量发现塑件的成型质量较好,达到了实际生产要求。该研究为进一步改善注塑件的质量缺陷提供了理论依据。

基于DNNNSGA-Ⅱ策略的注塑结构及工艺参数多目标优化

为保证注塑制品的质量与精度要求,以检测仪外壳的翘曲变形量和体积收缩率为优化目标,采用有限元分析软件Moldflow对其进行模拟分析。选取熔体温度、模具温度、注射压力、保压压力、保压时间、冷却时间6个工艺参数及结构参数(浇口直径)作为输入量,翘曲变形量和体积收缩率作为输出量,建立深度神经网络(DNN),并且,对网络进行改进。将混合水平正交试验得到的数据作为样本,对神经网络进行训练和测试,得到输入量和输出量之间的非线性映射关系。结合非支配排序遗传算法(NSGA-Ⅱ)对浇口直径及工艺参数进行优化,优化后,塑件的翘曲变形量为0.3684 mm,体积收缩率为6.236%,与优化前相比,分别降低了67%、39%。

基于二阶响应面模型和IPSO算法的注塑质量监测

温控显示器的外壳具有复杂的内部结构,在注塑成型过程中易产生体积收缩与翘曲变形,影响成型质量。基于该问题,提出了运用二阶响应面模型(RSM)与改进粒子群算法(IPSO)实现多目标优化。基于响应面试验设计与CAE模拟仿真得到试验样本,然后,采用Design-Expert软件构建试验因素与质量目标之间的二阶响应面预测模型。运用改进粒子群算法对模型进行迭代寻优,得到最佳工艺参数,并在Moldflow软件中进行模拟验证。结果表明,优化后的翘曲变形量为0.2746 mm,体积收缩率为5.623%,与未优化前相比,分别降低了34.84%和9.95%,优化效果显著,这表明,采用二阶响应面模型与改进粒子群算法相结合的寻优方法能够对注塑成型过程进行有效监测。