基于粒子群算法的汽车仪表框架注塑工艺参数优化

以某汽车仪表框架为例,对塑件注塑后的翘曲量进行研究。选取模具温度、熔体温度、冷却时间、保压压力、保压时间和注射时间作为自变量,以翘曲量作为优化对象。通过正交试验得到各个工艺参数范围内翘曲量较小的工艺参数组合,利用BP神经网络建立塑件翘曲量和各工艺参数之间的非线性模型。将BP神经网络模型作为粒子群算法的适应度函数,通过粒子群算法的优化能力对工艺参数进行优化,并得到最小的翘曲量0.9363 mm和最优的工艺参数组合,即模具温度55.813℃,熔体温度259.568℃,冷却时间29.650 s,保压压力85.02 MPa,保压时间29.187 s,注射时间1.23 s。利用Moldflow模流分析软件对最优的工艺参数组合进行翘曲分析,得到翘曲量为0.9489 mm。与初始默认值和正交试验优化的工艺参数结果对比,翘曲量分别降低了64.48%和19.17%,达到优化塑件质量的目的。

影响塑件翘曲变形的注塑工艺参数优化

首先利用一次因子法选出对塑件翘曲变形影响较大的五个因素,然后通过正交试验法分析各注塑参数对塑件翘曲变形的影响权重。根据拉丁方方法设计正交试验表,以信噪比作为选取影响因子的标准,以每组试验数据计算信噪比,对信噪比做因子反应分析,确定各个影响因素的最佳组合,最后用Moldflow软件进行模拟分析验证,模拟分析结果证明了这种方法的正确性、可行性。