学位论文 > 优秀研究生学位论文题录展示

注塑成型的数值模拟及翘曲变形优化

作　者: 张昉昀
导　师: 钟汉如
学　校: 华南理工大学
专　业: 机械设计及理论
关键词: 注塑成型数值模拟翘曲变形田口试验设计方法径向基神经网络
分类号: TP391.72
类　型: 硕士论文
年　份: 2011年
下　载: 107次
引　用: 2次
阅　读: 论文下载

内容摘要

因翘曲变形所导致的形状偏差会严重影响制品的质量。而注塑成型过程是一个高度非线性、强耦合的多参数作用过程,各个参数对产品质量的影响程度也一样。因此对塑件的翘曲变形进行分析并对其注塑工艺参数进行优化,是提高产品质量的一个非常有效的措施。本文以注塑翘曲缺陷为例,以注塑仿真软件Moldflow为研究工具,对注塑参数的优化方法进行了研究,解决了注塑参数优化过程中注塑缺陷定性和离线参数优化问题,形成了一套比较系统的注塑参数优化方法。首先,对注塑成型参数优化进行了归纳和总结,并提出了本课题的主要研究内容和技术路线。其次,简要介绍了注塑成型的数值模拟,其中着重介绍注塑流动模拟,由此分析了注塑制品内应力的产生机理和影响因素。在分析内应力的基础上对翘曲变形进行数值模拟和产生原因分析。根据制品的特征用proe对制品进行建模然后导入moldflow中做有限元分析,在这些工作的基础上进行网格的划分和材料选择,进而为工艺参数的预分析做了准备,在预分析中可以确定一些工艺参数,如模具温度、熔体温度和注射时间的取值范围。根据制品的各方面要求建立浇注系统和冷却系统。再则,以注塑成型质量中的翘曲量为优化目标,利用田口试验结合CAE模拟技术,研究模具温度、熔体温度、注射时间、保压压力、保压时间和冷却时间对制品质量的影响规律。结合极差和分差分析结果得到翘曲变形的优化工艺参数组合,计算最佳工艺参数组合下的信噪比,并用CAE模拟验证试验结果的正确性。最后,将田口实验设计和径向基神经网络有机结合起来,利用正交试验为神经网络提供训练数据和各注塑参数对翘曲的显著性和趋向性,然后对各参数值做恰当调整后,输入径向基神经网络进行翘曲的离线预测,完成参数逐步优化的过程。论文最后对全文所展开的研究工作进行了总结,并指明了未来的研究方向。

全文目录

摘要  5-6
Abstract  6-10
第一章绪论  10-17
  1.1 引言  10-11
  1.2 注塑成型优化技术的国内外研究现状  11-13
    1.2.1 利用专家系统优化注塑工艺  11-12
    1.2.2 利用试验及智能优化算法优化注塑工艺  12-13
  1.3 课题的提出及主要研究内容  13-16
    1.3.1 本文的主要研究内容  13-15
    1.3.2 技术路线  15-16
  1.4 本章小结  16-17
第二章注塑成型充填流动的数学模型  17-24
  2.1 注塑流动模拟  17-21
    2.1.1 粘性流体力学的基本方程  17-19
    2.1.2 假设和简化  19-20
    2.1.3 型腔内熔体流动的控制方程  20-21
  2.2 注塑制品内应力  21-22
  2.3 注塑制品翘曲变形数值模拟  22-23
  2.4 本章小结  23-24
第三章注塑制品翘曲变形的CAE 分析  24-43
  3.1 注塑成型CAE 技术  24-25
    3.1.1 主要内容  24
    3.1.2 注射成型中的应用  24-25
  3.2.C AE 分析流程  25-42
    3.2.1 建立模型  25-29
    3.2.2 工艺参数预分析  29-32
    3.2.3 填充分析  32-34
    3.2.4.cool+flow+warp 分析  34-40
    3.2.5 确定引起翘曲的主要工艺参数  40-42
  3.3 本章小结  42-43
第四章基于Taguchi 试验设计法的注塑成型工艺优化  43-55
  4.1 Taguchi DOE 方法中的概念  43-44
  4.2 田口试验设计的基本程序  44-47
    4.2.1 实验方案的设计  44-46
    4.2.2 实验结果的计算和分析  46-47
  4.3 Taguchi 试验设计在注塑成型工艺优化中的应用  47-49
  4.4 试验结果分析  49-54
  4.5 本章小结  54-55
第五章用RBF 网络对翘曲进一步优化  55-67
  5.1 径向基函数网络基础  55-58
    5.1.1 人工神经网络概述  55-56
    5.1.2 径向基函数网络  56-58
  5.2 RBF 网络的学习算法  58-59
  5.3 径向基神经网络对翘曲变形的参数优化  59-66
    5.3.1 训练样本集和测试样数据的确定  59-60
    5.3.2 径向基神经网络结构的确定  60
    5.3.3 隐含层神经元数及初始权值的确定  60-61
    5.3.4 径向基神经网络训练和验证  61-65
    5.3.5 径向基神经网络对翘曲值的优化  65-66
  5.4 本章小结  66-67
结论与展望  67-69
参考文献  69-73
附录  73-75
  附录一训练数据  73-75
攻读硕士学位期间取得的研究成果  75-76
致谢  76-77
附件  77

注塑成型的数值模拟及翘曲变形优化

内容摘要

全文目录

相似论文