注塑成形是批量生产塑料制品的首选方法。但如何减少、防止制品成形中时常发生的翘曲现象,是经常困扰工程师的一大难题。而仅仅依靠传统的经验、技术诀窍和不断尝试的方法,仍不能有效地解决问题。因此,将CAE技术应用于注塑成形,进行翘曲变形预测,以优化注塑成形工艺参数设置,从而提高生产效率和成形质量,是解决翘曲变形问题的新思路。 本文工作主要包括以下几个方面的内容: 1.综合考察及评价多个工艺参数对注塑翘曲变形量的影响。以一般薄壳件为研究对象建立仿真模型,通过正交试验法安排实验,对塑件的注塑进行数值模拟仿真实验分析获得翘曲变形量,得到试验数据。从而研究不同工艺参数对注塑过程翘曲变形的影响的程度,得出结论:除注射时间外的其它工艺参数如注射温度、保压时间等参数对翘曲量控制同样起到不可忽视的作用,同时可以得到塑件翘曲量最小的工艺参数组合。 2.建立了基于神经网络的从注塑工艺参数到翘曲变形量的非线性映射关系。利用正交试验获得的数据作为神经网络的训练样本,得到输入为工艺参数、输出为翘曲变形量的神经网络模型,并通过检验样本检验了ANN(Artificial NeuralNetwork)模型的准确性,为参数优化及翘曲变形预测做好准备。 3.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、数值模拟三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,同时在数值模拟试验次数一定的条件下,能获得比单纯使用正交试验和数值模拟方法更为精确的结果。 4.研究了ANN在翘曲量预测方面的应用。利用神经网络的非线性映射关系,在训练样本的取值范围内,可以给定一组工艺参数得到一个翘曲变形量,而不必重新利用CAE软件计算,为工艺制定节省时间。 本文工作的特色在于对薄壳注塑翘曲变形作了多工艺参数综合影响分析,避免了各因素单独分析的片面性,以便于对注塑件翘曲变形问题的深入探讨;将神经网络技术和正交试验法、数值模拟法相结合用于注塑工艺参数的优化,在保证分析精度一定的前提下,明显节省了工艺制定的时间,提高了工艺设计的工作效率。