注塑成型又称注射成型,是一种高效、经济的塑料成型技术。随着塑料 制品在工业中的应用日益普遍,注塑成型的优点和重要性日渐凸现。但是成型 过程中工艺条件对成型质量的影响情况存在诸多非线性时变和不确知因素,使得 该过程的工艺优化和质量控制一直以来是该领域的一大难点问题。传统的试模 方法不仅费时、成本高,而且过于依赖经验和以往案例,准确度不高,尤其难 以胜任新产品投产周期短的要求。数值仿真虽然可以降低试模的成本,仿真结 果也可对工艺调整作出定性指导,但这种指导缺乏定量的精度;要想获得好的 结果,经验和反复的试验调整仍是必需的。试验设计方法在一定程度上可以减 少反复试凑的盲目性,能以较少的试验次数得到试验范围内较优的工艺组合。 由于试验考察的因素水平有限,所以难以实现工艺对成型质量的全局优化。 近年来,许多学者大胆尝试各种智能技术,也取得了丰硕的研究成果。 总结起来主要有依赖于专家知识和干预的交互系统的开发,或者针对单个指标 (如表面粗糙度、关键尺寸、翘曲等),或者作定性的研究,缺乏对注塑制品 综合量化指标的优化研究。尤其在目前“注重质量、讲究时效”的市场氛围中, 该方面的研究具有更为深远的意义。 论文在分析聚合物熔体在流动和传热过程中流变行为以及热塑性塑料 注塑成型数值仿真理论的基础上,结合目前注塑成型工艺的研究现状和研究方 法,详细阐述了成型工艺控制的几种方法。借鉴这些成功的实例,文中将智能 优化技术引入成型工艺优化中,在正交试验和数值仿真获得的样本数据的基础 上,采用神经网络、遗传算法和模糊综合评价相结合,提出混合智能优化的思 想和模型。以一深腔壳型零件为研究对象,通过实例的研究,验证了该方法的 有效性。 本文研究内容主要包括: 1、深入探讨注塑成型流变理论和工艺对成型质量的影响关系,并在目 前注塑CAE软件的基础上研究了注塑成型仿真理论。进而根据制品设计和使 用要求,确定出制品的质量指标及相应的工艺条件。 2、按照试验设计方法的理论安排试验,用注塑成型的数值仿真技术获 得所有的试验数据。从试验数据的极差分析结果,定性地研究了试验范围内工 艺对质量指标的影响关系。 3、建立了用于预测制品质量的BP神经网络。以数值仿真和正交试验得 到的数据为样本数据,通过合理地设计网络结构和选用学习算法,以及对网络 结构的优化迭代,得到工艺变量对制品的各质量指标的非线性映射关系,为工 艺的优化提供了宝贵的数学模型。在此预测模型的基础上,采纳遗传算法的自