基于混合优化算法的注射模具参数优化研究

论文摘要

注射模CAD技术正向集成化、智能化、柔性化、网络化、并行设计等方向发展。国内对注射模CAD/CAM/CAE技术集成的研究所取得的成果,使我国注射模CAD技术的应用水平得到很快地提高。但是国内研制的模具CAD集成软件尚处在试用阶段,实用性不强,人机界面不能满足多种用户的需要。本文基于Pro/ENG- INEER系统,综合运用CAE技术、优化算法开展注射模具结构和工艺参数优化研究,并将上述研究成果嵌入至注射模设计平台中,达到缩短模具设计周期、提高产品质量的目的。开展了结合改进的遗传算法IP -μGA（a modified micro genetic algorithm with the strategy of Intergeneration Projection）和基于有限差分梯度的传统优化算法（NCONF）的混合优化算法研究,并编写了相应的算法程序。IP -μGA能较好的避免过早收敛及快速趋近优化解区域,但搜寻最优解的时间较长。传统优化算法（NCONF）收敛速度快,但对初始点的选择要求非常严格,否则容易陷入局部最优解。为了充分利用IP -μGA算法的全局搜索能力和传统优化算法（NCONF）收敛的快速性能,有效避免其缺陷,该算法将两者结合,利用遗传算法进行少数代次的优化搜索得到全局最优解的邻近点,并将该点作为传统优化算法的初值点,再利用传统优化算法进行最优解的搜索。该算法能在较短的时间内收敛到函数的全局最优解。然后以斜导柱结构参数优化为例,结合CAE技术,将该混合优化算法应用于注射模具结构参数优化问题的求解中。开展了由注射成型质量反求优化工艺参数方法的研究,并编制了相应的算法程序。正问题为求解与不同的工艺参数相对应的成型质量,并采用常用的BP （back propagation）网络作为正问题求解器。首先利用正交试验法根据不同的工艺参数组合,设计初始试验设计方案,然后运用CAE技术进行成型模拟并得到相应的成型质量,组成BP网络的初始训练样本集;并选用带跳跃因子的附加动量法训练神经网络。反问题为给定注射成型质量,求解与之对应的最优工艺参数,运用IP -μGA算法来求解。然后将该算法应用于塑料衣架的成型工艺参数反求研究中。最后,基于Pro/ENGINEER二次开发技术构建了注射模具设计平台的基本框架,向用户提供了与Pro/ENGINEER系统风格相似的可视化设计环境。将前述算法嵌入到框架中,实现了预期的功能。通过参数化建模,进行标准零件库、常用件库及标准模架库的开发,减少花费在重复性工作上的时间,从而达到缩短注塑模具设计周期的目的。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 引言
• 1.2 注射成型知识
• 1.2.1 注射成型
• 1.2.2 注射模的基本结构
• 1.2.3 注射成型工艺
• 1.3 注射模CAD 技术的研究动态
• 1.3.1 注射模CAD 技术国内外研究动态
• 1.3.2 注射模优化设计研究动态
• 1.4 本课题提出的背景和研究内容
• 1.4.1 提出本课题的背景和意义
• 1.4.2 本课题研究的主要内容
• 第2章 与注射模具参数反求相关的基本原理和方法
• 2.1 常用注射模CAD 系统
• 2.2 遗传算法简介
• 2.2.1 遗传算法的特点
• 2.2.2 遗传算法的基本要素
• 2.3 神经网络简介
• 2.3.1 神经网络的特点
• 2.3.2 神经网络的基本概念
• 2.4 本章小结
• 第3章 注射模结构参数优化
• 3.1 混合优化算法简介
• 3.1.1 IP-μGA 算法简介
• 3.1.2 基于有限差分梯度的传统优化算法简介
• 3.1.3 混合优化算法
• 3.2 注射模结构参数优化
• 3.2.1 优化数学模型
• 3.2.2 优化问题求解
• 3.2.3 优化实例
• 3.3 本章小结
• 第4章 注射模工艺参数反求
• 4.1 问题的提出
• 4.2 求解的策略
• 4.2.1 改进的BP 算法
• 4.2.2 参数反求策略
• 4.3 注射成型工艺反求实例
• 4.3.1 正问题的构建及求解
• 4.3.2 反问题的构建及求解
• 4.4 本章小结
• 第5章 注射模设计平台基本框架的构建
• 5.1 注射模设计平台的基本框架
• 5.2 研发的软件环境和编译工具
• 5.3 关键技术的研究与实现
• 5.3.1 菜单与对话框的设计
• 5.3.2 设计应用程序的关键技术
• 5.4 注射模标准件和常用件库的开发
• 5.4.1 标准件和常用件的菜单
• 5.4.2 标准件和常用件的UI 对话框
• 5.4.3 标准件和常用件的数据库
• 5.5 本章小结
• 结论
• 参考文献
• 致谢
• 附录A（攻读硕士学位期间所发表的学术论文）