文献类型：期刊文章

作　　者：方群霞[1] 姜思佳[2] 杨娟[1]

FANG Qunxia;JIANG Sijia;YANG Juan(Baise Vocational and Technical College,Baise,Guangxi 533000,China;Liuzhou City Vocational College,Liuzhou,Guangxi 545036,China)

机构地区：[1]百色职业学院,广西百色533000 [2]柳州城市职业学院,广西柳州545036

出　　处：《塑料》

基　　金：广西高校教师能力提升课题(2019KY1432)。

年　　份：2020

卷　　号：49

期　　号：5

起止页码：129-134

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、CSCD、CSCD2019_2020、JST、ZGKJHX、核心刊

摘　　要：针对塑件在注塑成型时,翘曲变形量和收缩率均较大的实际生产难题,利用神经网络预测的方法,对其注塑工艺参数进行优化,获得优质的塑件成品。采用粒子群算法(PSO)对BP神经网络进行了改进,并基于神经网络构建了注塑工艺参数与翘曲变形、体积收缩之间的预测模型。在准确地预测了翘曲变形和收缩率的最小变量的基础上,获得了最佳注塑成型工艺参数为(t1、T2、T3、p4、t5、t6)=(3.345 s、71.85℃、213.36 MPa、68%、12.5 s、13.7 s),相应的质量指标(Δq、Δν)的灰色关联适用度为0.089 5,相应的指标为[1.125,3.54%]。翘曲变形能控制在0.95 mm以下,收缩率降低至4%以下,工艺参数优化后的塑件的成型质量同样得到有效控制,大幅缩短了模具的生产周期,提高了模具生产经济效益。

关 键 词：PSO-BP神经网络 工艺优化  注塑成型 CAE分析 品质缺陷  

分 类 号：TP391.7]