基于数字DNN-GA-MCS策略的塑料注塑成型工艺参数的多目标优化
Feng Guo1, Dosuck Han1, Naksoo Kim1
1Department of Mechanical Engineering, Sogang University, Seoul 04107, Republic of Korea.
Polymers
|August 29, 2024
概括
使用深度神经网络,遗传算法和蒙特卡洛模拟的智能优化策略提高了碳纤维增强聚合物零件的结构性能. 该方法精确地确定最佳的塑料注塑成型参数,以提高材料性能和降低重量.
科学领域:
- 材料科学与工程 材料科学与工程
- 计算力学 计算力学 计算力学
- 聚合物工程 聚合物工程
背景情况:
- 优化碳纤维增强聚合物 (CFRP) 塑料注塑成型 (PIM) 的结构性能是复杂的,因为过程参数和材料特性之间的复杂关系.
- 现有的方法往往难以准确地确定PIM产品中多目标性能增强的最佳设置.
研究的目的:
- 开发和验证一种智能优化技术,以提高PA6-20CF CFRP PIM产品的多种结构性能指标.
- 通过识别复杂的工艺参数,建立加工方法和材料特性之间的内在关系.
- 以数值研究汽车前发动机引擎盖面板的PIM结构性能.
主要方法:
- 将深度神经网络 (DNN),非主导排序基因算法II (NSGA-II) 和蒙特卡洛模拟 (MCS) 集成到DNN-GA-MCS策略中.
- 使用模具温度,化温度,包装压力,包装时间,注入时间,冷却温度和冷却时间作为设计变量.
- 采用Z-score规范化来评估模具过程参数的多目标优化中的综合目标函数.
主要成果:
- DNN-GA-MCS策略准确有效地为PIM前盖板选择了最佳的过程参数.
- 与培训组平均水平相比,在关键目标方面实现了8.63%,6.61%和9.75%的改进.
- 与全AA 5083罩板相比,重量减少了16.67%,侧向 (92.54%),纵向 (93.75%) 和扭曲 (106.85%) 的拉伸能量显著增加.
结论:
- 拟议的DNN-GA-MCS方法证明了优化CFRP PIM产品结构性能的巨大潜力.
- 该策略为复杂的PIM数值目标提供了稳定性和精度,以获得准确的结果.
- 对模具聚合物金属混合 (PMH) 组件的全球和本地多重目标进行验证的增强效应.
