学位论文 > 优秀研究生学位论文题录展示
基于神经网络的注塑制品翘曲优化研究
作 者: 朱昊
导 师: 王传洋
学 校: 苏州大学
专 业: 机械工程
关键词: 注塑参数 正交实验 神经网络 翘曲
分类号: TQ320.66
类 型: 硕士论文
年 份: 2011年
下 载: 16次
引 用: 0次
阅 读: 论文下载
内容摘要
随着工业的发展以及注塑成型技术的广泛应用,塑料制品的使用已经几乎渗透到各个行业中。注塑制品的广泛使用使得生产厂家对注塑制品质量愈来愈重视。翘曲变形是影响注塑制品质量最重要的因素之一,必然会受到产品设计师、质量控制及用户的关注和重视。由于引起翘曲的因素相当复杂,本文确定了塑件的使用性能及其相关要求后,在经济合理和技术可行的原则下,运用正交试验设计与CAE,人工神经网络相结合的方法调整和确定合理的工艺参数,减小了塑件的翘曲变形,保证产品的质量。本文以用于无水马桶排风管道中安装风扇的“风扇壳”为研究对象,采用注塑仿真软件Moldflow和人工神经网络的结合来优化风扇壳的翘曲变形量。通过软件模拟和试验相结合的方法,解决了注塑过程中翘曲缺陷,以合理的经济投入,满足质量的要求。首先,根据浇注系统建立的原则,对风扇壳建立了不同浇注系统的成型方案,利用Moldflow软件对不同的成型方案进行模拟分析。通过对不同成型方案的模拟结果分析得出了最优的成型方案,即得到风扇壳优化的浇注系统。其次,通过对注塑参数优化方法进行了归纳和总结,介绍了注塑过程和注塑参数。同时详细分析了翘曲缺陷产生的原因,以及Moldflow进行翘曲分析的步骤。利用正交实验设计方法研究了注塑翘曲参数的优化。结合实际检测的数据,分析不同注塑参数对翘曲缺陷的影响程度,得到并验证了最佳因素水平组合。再则,将正交实验的试验数据和BP神经网络结合起来,利用正交试验表的试验数据为BP神经网络提供训练数据及检验数据。检验结果表明了BP神经网络建立的有效性。输入BP神经网络进行翘曲的离线预测,完成了BP神经网络在不同注塑参数组合下风扇壳翘曲变形量的预测值。本文结合Moldflow、正交实验设计、BP基神经网络的方法对注塑过程中翘曲变形量进行了优化,得出最优的成型方案及注塑参数组合。论文最后对全文所展开的研究工作进行了总结,并进行了进一步的展望。研究表明:浇注系统和注塑工艺参数的优化对翘曲变形量的改善效果显著,其中保压时间是风扇壳成型中影响翘曲变形最主要的工艺参数,使其的翘曲变形量大大降低,有效地提高了风扇壳塑件的质量。
|
全文目录
中文摘要 4-6 Abstract 6-10 第一章 绪论 10-18 1.1 引言 10 1.2 注塑成型的原理 10-11 1.3 注塑件的翘曲变形研究发展 11-12 1.4 CAE 技术的应用分析 12-15 1.4.1 CAE 技术简介 12-13 1.4.2 MOLDFLOW 软件介绍 13-14 1.4.3 人工神经网络概述 14-15 1.5 研究内容及路线 15-17 1.6 本章小结 17-18 第二章 基于Moldflow 的浇注系统优化 18-34 2.1 Moldflow MPI 功能介绍 18-19 2.2 成型方案 19-24 2.2.1 成型对象 19-21 2.2.2 成型材料 21 2.2.3 浇注系统设计对注塑制品翘曲的影响 21-22 2.2.4 浇注系统的建立 22-24 2.3 塑料熔体流动分析 24-29 2.3.1 塑料熔体在圆管中的流动行为 25-27 2.3.2 塑料熔体在圆锥管道中的流动行为 27-28 2.3.3 塑料熔体在平行板间的流动行为 28-29 2.4 成型方案分析结果比较 29-33 2.5 本章小结 33-34 第三章 试验设计与数据处理 34-51 3.1 Moldflow 翘曲分析 34 3.2 注塑工艺参数 34-36 3.3 成型设备 36-39 3.3.1 试验设备 36-38 3.3.2 试验模具 38-39 3.4 试件制备过程及翘曲测量方法 39-41 3.4.1 注塑过程 39-40 3.4.2 翘曲测量方法 40-41 3.5 正交试验表,方差分析及注塑工艺参数确定 41-47 3.5.1 正交设计概述 41-42 3.5.2 正交试验表 42-43 3.5.3 方差分析及注塑工艺参数确定 43-47 3.6 正交试验表分析 47-50 3.7 本章小结 50-51 第四章 神经网络的建模及应用 51-70 4.1 神经网络的理论基础 51-52 4.2 神经网络模型的建立 52-60 4.2.1 人工神经元模型 52 4.2.2 BP 网络模型设计 52-53 4.2.3 隐含层神经元数和激励函数的确定 53-55 4.2.4 训练函数及自适应学习函数的选择 55 4.2.5 动量系数和学习速率的选择 55-56 4.2.6 BP 网络的工作过程 56-59 4.2.7 BP 网络模型改进 59-60 4.3 样本数据的选取及预处理 60-61 4.4 MATLAB 神经网络工具箱 61-62 4.5 BP 神经网络的训练及检验 62-64 4.6 神经网络模型预测及结果分析 64-69 4.7 本章小结 69-70 第五章 结论与展望 70-72 参考文献 72-74 攻读学位期间发表的学术论文 74-75 致谢 75-76
|
相似论文
- 煤制液体燃料过程中可弃型催化剂的设计与实验研究,TQ529.1
- 天然气脱酸性气体过程中物性研究及数据处理,TE644
- 压气机优化平台建立与跨音速压气机气动优化设计,TH45
- 调频式电容位移传感器高速测频与非线性校正技术研究,TH822
- 中医舌诊中舌形与齿痕的特征提取及分类研究,TP391.41
- 红外超光谱图像的虚拟探测器研究,TP391.41
- 模糊控制、神经网络在平面二级倒立摆中的应用,TP273.4
- 基于神经网络的水厂投药预测控制研究,TP273.1
- 视觉伺服四自由度机械臂的研究,TP242.6
- 机械臂视觉伺服系统的研究,TP242.6
- 压电驱动微工作台的控制与校正技术研究,TP273
- 某武器检测装置的控制系统设计,TP183
- 三种中药浸膏微波真空干燥工艺优化及降解动力学研究,TQ461
- 市级旅游用地规划环境影响评价研究,X820.3
- 珠三角地区高性能混凝土配合比智能化系统,TU528
- 大学生综合素质测评研究,G645.5
- 不具备全局Lipschitz条件的时滞细胞神经网络的反周期解研究,TP183
- 基于并行算法的模糊综合评价模型的设计与应用,TP18
- 基于神经网络的牡蛎呈味肽制备及呈味特性研究,TS254.4
- 基于神经网络辨识的同步发电机励磁控制研究,TM31
- 基于BP神经网络的水稻干燥智能控制研究,S226.6
中图分类: > 工业技术 > 化学工业 > 合成树脂与塑料工业 > 一般性问题 > 生产过程与生产工艺 > 成型加工
© 2012 www.xueweilunwen.com
|