试谈神经网络基于CAE、DOE法兰件成型工艺参数优化结论
最后更新时间:2024-04-03
作者:用户投稿本站原创
点赞:25639
浏览:111821
论文导读:.2模具冷却体系的有限元模型的建立27-303.3.3制品材料的选择和成型工艺参数初始值的确定30-323.4本章小结32-334基于DOE(designofexperiment)的注塑成型仿真实验33-594.1注塑成型质量的工艺参数的确定33-344.2注塑成型质量指标的确定344.3因子实验设计34-474.3.1因子实验法介绍35-364.3.2基于因子实验法的实验案例
摘要:在注塑成型历程中,工艺参数对成型质量有较大的影响。通过制约注塑成型工艺参数来优化成型质量已成为探讨热点。对材料为PA66的法兰零件进行探讨,使用Moldflow软件建立成型零件、浇注体系、冷却体系的有限元模型,并模拟仿真注塑成型历程,获得注塑制品的成型结果。将CAE与DOE技术相结合,通过不同的实验办法针对不同的目的,基于有限元分析软件Moldflow进行仿真实验。选择熔料温度、模具温度、注射时间、保压压力、保压时间、冷却时间六个工艺参数为实验因素,进行全因子实验,确定了对制品翘曲变形量和体积收缩率影响明显的工艺参数为:熔料温度、模具温度、注射时间、保压压力,并确定了各个工艺参数之间的交互意义;针对四个明显性因素,使用田口实验法进行多水平实验,确定了各个因素对实验指标的影响走势;由于影响走势较为复杂,在增多各实验因素的水平进行第二次田口实验后,确定了对于翘曲变形量和体积收缩率的最优工艺参数组合。基于BP神经网络,建立了注塑成型工艺参数与质量指标之间的映射联系。利用田口实验所得数据样本对BP神经网络进行训练,比较了不同的学习算法和隐含层节点数量对网络泛化能力、网络训练时间、网络训练次数的影响,最终获得了能够预测注塑成型质量的模型。CAE、DOE和人工智能的运用,可从协助设计者在设计阶段考虑到各种可能出现的不足,及时对设计案例进行改进,提升了设计效率,节约了设计和生产成本,提升了注塑制品成型质量。关键词:注塑成型论文DOE实验论文参数优化论文神经网络论文
本论文由www.7ctime.com,需要可从关系人员哦。摘要4-5
Abstract5-9
1 绪论9-17
塑成型工艺参数与制品质量的BP网络建立65-73
5.
结论与展望75-77
结论75
展望75-77
参考文献77-83
附录 攻读学位期间的主要学术成果83-85
致谢85
摘要:在注塑成型历程中,工艺参数对成型质量有较大的影响。通过制约注塑成型工艺参数来优化成型质量已成为探讨热点。对材料为PA66的法兰零件进行探讨,使用Moldflow软件建立成型零件、浇注体系、冷却体系的有限元模型,并模拟仿真注塑成型历程,获得注塑制品的成型结果。将CAE与DOE技术相结合,通过不同的实验办法针对不同的目的,基于有限元分析软件Moldflow进行仿真实验。选择熔料温度、模具温度、注射时间、保压压力、保压时间、冷却时间六个工艺参数为实验因素,进行全因子实验,确定了对制品翘曲变形量和体积收缩率影响明显的工艺参数为:熔料温度、模具温度、注射时间、保压压力,并确定了各个工艺参数之间的交互意义;针对四个明显性因素,使用田口实验法进行多水平实验,确定了各个因素对实验指标的影响走势;由于影响走势较为复杂,在增多各实验因素的水平进行第二次田口实验后,确定了对于翘曲变形量和体积收缩率的最优工艺参数组合。基于BP神经网络,建立了注塑成型工艺参数与质量指标之间的映射联系。利用田口实验所得数据样本对BP神经网络进行训练,比较了不同的学习算法和隐含层节点数量对网络泛化能力、网络训练时间、网络训练次数的影响,最终获得了能够预测注塑成型质量的模型。CAE、DOE和人工智能的运用,可从协助设计者在设计阶段考虑到各种可能出现的不足,及时对设计案例进行改进,提升了设计效率,节约了设计和生产成本,提升了注塑制品成型质量。关键词:注塑成型论文DOE实验论文参数优化论文神经网络论文
本论文由www.7ctime.com,需要可从关系人员哦。摘要4-5
Abstract5-9
1 绪论9-17
1.1 课题探讨背景9-10
1.2 注塑成型工艺CAE进展近况10-12
1.2.1 CAE技术介绍10
1.2.2 模具CAE技术国外进展情况10-11
1.2.3 模具CAE技术国内进展情况11-12
1.3 注塑工艺参数设计进展近况12-14
1.3.1 试凑法12
1.3.2 基于注塑流变论述的优化设计12-13
1.3.3 基于统计分析的实验设计办法13
1.3.4 有限元数值仿真技术13
1.3.5 人工智能和计算机智能的应用13-14
1.4 论文的主要工作14-15
1.5 本课题的探讨作用15-17
2 注塑成型的数值仿真论述分析17-212.1 熔体充填阶段数值仿真论述17
2.2 熔体保压阶段数值仿真论述17-18
2.3 熔体冷却阶段数值仿真论述18-20
2.4 本章小结20-21
3 注塑成型CAE建模21-333.1 Moldflow分析软件功能介绍21-22
3.2 注塑产品有限元模型的建立22-24
3.2.1 有限元单元的选用及制品结构分析22-23
3.2.2 制品3D模型的前处理23-24
3.3 Moldflow分析模型的建立24-323.1 模具浇注体系的有限元模型的建立24-27
3.2 模具冷却体系的有限元模型的建立27-30
3.3 制品材料的选择和成型工艺参数初始值的确定30-32
3.4 本章小结32-33
4 基于DOE(design of experiment)的注塑成型仿真实验33-594.1 注塑成型质量的工艺参数的确定33-34
4.2 注塑成型质量指标的确定34
4.3 因子实验设计34-47
4.3.1 因子实验法介绍35-36
4.3.2 基于因子实验法的实验案例设计36
4.3.3 因子实验法实验36-39
4.3.4 因子实验结果极差分析39-42
4.3.5 明显性因子的确定42-47
4.4 田口实验设计47-584.1 田口实验法介绍47-48
4.2 田口实验法48-50
4.3 田口实验结果分析50-55
4.4 搜索最佳工艺参数组合实验55
4.5 最佳工艺参数组合实验结果分析55-57
4.6 最佳工艺参数组合确定57-58
4.5 本章小结58-59
5 注塑成型质量的预测——BP神经网络59-755.1 人工神经网络介绍59
5.2 BP网络介绍59-63
5.3 BP网络的设计63-65
5.3.1 BP网络的结构设计63-64
5.3.2 BP网络的参数设计64-65
5.4 注论文导读:塑成型工艺参数与制品质量的BP网络建立65-735.4.1BP网络结构及参数设计65-675.4.2神经网络模型比较实验67-735.5本章小结73-75结论与展望75-77结论75展望75-77参考文献77-83附录攻读学位期间的主要学术成果83-85致谢85上一页12塑成型工艺参数与制品质量的BP网络建立65-73
5.
4.1 BP网络结构及参数设计65-67
5.4.2 神经网络模型比较实验67-73
5.5 本章小结73-75结论与展望75-77
结论75
展望75-77
参考文献77-83
附录 攻读学位期间的主要学术成果83-85
致谢85