汽车后视镜注塑成型工艺优化研究

论文摘要

注塑材料在生产中的应用越来越广泛,对成型质量也有了更高的要求,对于如何利用注塑成型工艺优化技术获得较好成型工艺条件的研究显得越来越迫切。为了较快地获得良好的工艺数据组合,本文提出了CAE技术与试验优化技术相结合的注塑工艺优化方法,并结合信噪比法(S/N,即Signal to Noise Ratio)、方差分析(ANOVA,即Analysis Of Variance),为了最大限度地利用优良的试验样本数据,为加快工艺参数的优化速度,引入人工神经网络(ANN,即Artificial Neural Networks)对工艺参数进行了预测和优化分析,使得成型工艺优化设计先于模具制造,并指导模具制造,从而既能获得较好的注塑成型工艺参数,又避免了制造出有缺陷的模具。本文的主要研究工作包括：(1)对Taguchi实验设计方法理论进行了阐述,重点介绍了利用正交试验方法得出工艺参数对工件翘曲变形的影响。以信噪比作为分析依据,方差分析作为分析手段,对实验结果进行优化分析,利用信噪比确定各因子在不同水平情况下的产品质量,从而获得了良好的工艺数据组合。(2)对神经网络的建模理论进行了详细的介绍,基于该模型建立了工艺参数与翘曲变形量之间的非线性映射关系,并且验证ANN模型的精度。利用ANN模型的非线性映射关系,计算翘曲变形量。不必重新利用CAE软件计算,为工艺制定节省了时间。基于神经网络和正交试验的工艺参数优化。在工艺参数取值范围内,采用ANN模型代替CAE软件数值模拟试验,并结合正交试验法,对工艺参数进一步优化使得翘曲变形量更小。论文工作表明：将神经网络与正交试验二者结合用于注塑过程参数优化可以明显缩短优化工艺参数的时间,提高工艺设计效率,并能获得比单纯使用正交试验更为精确的结果。通过对汽车后视镜实例验证表明,本研究方法有助于提高模具设计效率和塑件质量。论文研究工作和成果对实际生产中的模具注塑成型工艺优化具有一定指导意义。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 研究背景
• 1.2 现代注塑成型工艺优化方法
• 1.3 注塑制品收缩的研究现状
• 1.3.1 注塑制品收缩的实验法研究
• 1.3.2 注塑制品收缩的理论分析法研究
• 1.4 注塑制品优化的研究现状和发展趋势
• 1.5 课题的提出与主要工作
• 第二章 注塑件翘曲变形及CAE研究
• 2.1 翘曲变形的理论研究
• 2.1.1 翘曲变形产生机理
• 2.1.2 翘曲变形的影响因素
• 2.2 薄壁件注塑成型CAE原理
• 2.2.1 注塑成型CAE的数值模拟理论
• 2.2.2 翘曲CAE的数学模型及数值计算
• 2.3 注塑成型CAE软件的选择
• 2.4 本章小结
• 第三章 汽车后视镜注塑仿真和单指标工艺优化
• 3.1 后视镜曲面翘曲问题的提出
• 3.2 汽车后视镜有限元仿真
• 3.2.1 材料的选择
• 3.2.2 工艺参数的选择
• 3.2.3 塑件建模
• 3.3 基于正交试验方法的单指标工艺优化
• 3.3.1 Taguchi正交设计方法简介
• 3.3.2 Taguchi正交试验的工艺参数优化
• 3.4 本章小结
• 第四章 人工神经网络对工艺参数的预测和优化
• 4.1 人工神经网络概述
• 4.2 人工神经元
• 4.2.1 神经元激活函数
• 4.2.2 BP神经网络
• 4.2.3 BP学习算法
• 4.3 注塑成型工艺参数的ANN建模
• 4.4 人工神经网络模型的预测
• 4.5 人工神经网络模型的优化
• 4.5.1 优化步骤
• 4.5.2 优化分析
• 4.6 本章小结
• 第五章 结论和展望
• 5.1 结论
• 5.2 展望
• 致谢
• 参考文献
• 附录 攻读硕士学位期间发表的学术论文