基于响应面法和广泛学习粒子群算法的注塑件体积收缩优化

以柜式空调面板为研究对象,将体积收缩率作为优化目标。利用实验设计分析出对体积收缩率影响较大的4个工艺参数为熔体温度、模具温度、保压压力及保压时间。以这4个工艺参数为实验变量,通过响应面法(RSM)构建出它们与体积收缩率之间的响应面模型,使用残差分析检验响应面模型的拟合质量,并对响应面法优化结果进行CAE模拟验证,得出响应面模型具有较高精度。最后,运用广泛学习粒子群算法(CLPSO)对响应面模型进行迭代寻优,并验证优化结果。结果表明,将实验设计、响应面法及广泛学习粒子群算法相结合的优化效果好,能够显著降低塑件体积收缩率。