外文翻译--塑料注塑成型工艺优化与软计算.docVIP

塑料注塑成型工艺优化与软计算 F. Shi,1 Z. L. Lou,1 J. G. Lu2 and Y. Q. Zhang1 1Department of Plasticity Engineering, Shanghai Jiaotong University, P. R. China; and 2Center of CAD, Nanjing University of Chemical Technology, P. R. China 摘要： 本文提出在一个塑料注塑成型工艺优化软计算模式的一个混合策略,模具温度，熔体温度，注射时间和注射压力被认为是各种塑料注塑成型工艺参数。混合策略结合了数值模拟软件、遗传算法和多层神经网络来优化工艺参数。近似分析模型使用了反向传播神经网络，以避免昂贵的计算，从数值模拟软件开发。根据优化问题的特点，采用非二进制遗传算法解决优化模型。通过一个例子表现完善的策略的有效性。 关键词： 多层神经网络;非二进制的遗传算法;数值模拟;注塑;软计算 简介 塑料制品制造业已在近几年迅速发展，越来越多的塑料广泛用于替代金属。注塑许多优点，如产品周期短，产品优良的表面和容易成型的复杂形状，所以它是最流行的成型热塑性塑料部件的过程。一般来说，它包括三个阶段，注射，保压和冷却。注射期是在生产质量好的成型的关键阶段。在注射期，注塑成型工艺参数包括熔体流动速率，注射压力，模具温度和熔融温度，其中有一些对注塑产品的质量有直接的影响。 在过去的注塑成型工艺的设计已被认为是一个“黑色艺术”，这在很大程度上依赖于专家的经验和知识，并涉及审判和错误的过程。最近的数值模拟和智能化技术的发展，已取得对注塑成型工艺设计方面取得了一些进展。Lee and Kim[1]使用修改过的复杂的方法，通过调整不同的表面厚度，以减少翘曲。Seow[2]提出一个平衡的方法基于数值模拟的模具型腔。通过平衡流量，减少过度包装和残余应力。 Sadeghi[3]结合神经网络和数值模拟提供一个反向传播神经网络（ BP神经网络）的预测模型塑料注塑成型工艺。Shellesh and Siores[4]为预测塑料注塑成型工艺参数开发出一种以规则为基础和案例为基础相结合的智能系统。Zhou[5]等人基于塑料部件的分析建立一个规则来确定浇口浇口 表1、 摘要配置数值计算结果预测值 图5、 数值与预测值进行比较 4.2、优化结果和分析 运转的问题就解决了基于流程图显示在图4。优化算法参数给出如下:人口数量为25个人,交叉概率为0.65,变异概率是0.12。 获得最优解经过20代; 优化结果显示在表2。图6显示之间的比较,初步方案和最佳方案。 从表2表明,图6,最大剪应力计算优化模型非常接近所获得的数值模拟软件。 另一方面,最大剪切应力有显著降低了24.9%后的最优化。从优化设计,我们也发现,熔体温度通常有更多模具温度的影响要比在降低最大剪切应力。 表2、 设计变量,给出最优结果 下限1. B. H. Lee and B. H. Kim, “Optimization of part wall thickness to reduce warpage of injection-molded parts based on the modified complex method ”, Polymer Plastics Technology Engineering, 34, pp. 793–811, 1995. 2. L. W. Seow and Y. C. Lam,“Optimizationflow in plastic injection molding”, Journal of Material Processing Technology, 72, pp. 333 –341, 1997. 3. B. H. M. Sadeghi, “A BP-neural network predictor model for plastic injection molding process ”, Journal of Material Processing Technology, 103, pp. 411 –416, 2000. 4. K. Shelesh-Nezhad and E. Siores, “Intelligent system for plastic injection molding process design ”, Journal of Materials Processing Technology, 63, pp. 458–462, 1997. 5. Z. Y. Zhou, Z. Zh. Gu and J. Y. S