基于BP神经网络和NSGA-II算法的交接盒的注塑成型过程参数的多目标优化
Tengjiao Hong1,2, Dong Huang1, Fengjuan Ding1
1College of Intelligent Manufacturing, Anhui Science and Technology University, Chuzhou 233100, China.
Materials (Basel, Switzerland)
|February 13, 2025
概括
这项研究利用BP神经网络和NSGA-II算法优化了塑料注塑成型质量. 该方法显著减少了塑料零件的体积收缩和曲面变形等缺陷.
科学领域:
- 材料科学 材料科学 材料科学
- 制造业 工程 制造工程
- 计算科学 计算科学
背景情况:
- 注塑成型质量受到许多因素的影响,包括工艺参数,模具材料和零件几何.
- 产品缺陷往往来自低于最佳的过程参数设置,需要先进的优化技术.
研究的目的:
- 开发和验证注塑成型工艺参数的多目标优化方法.
- 为了尽量减少塑料元件的体积收缩率和曲面变形.
主要方法:
- 使用Moldflow软件对接头盒外进行数值模拟.
- 设计一个六因素,五级直角实验来研究过程参数效应.
- 应用BP神经网络与NSGA-II算法相结合,用于多目标优化.
主要成果:
- 化温度被确定为影响连接箱质量的最关键因素.
- 优化参数实现了体积收缩减少33.2%,曲面变形减少3.8%.
- 与模拟相比,BP-NSGA-II优化方法显示出高可靠性,预测误差为1.9%和3.4%.
结论:
- 拟议的BP神经网络和基于NSGA-II算法的优化方法是提高注塑成型质量的有效和可靠方法.
- 优化的工艺参数通过减少关键缺陷来显著提高产品质量.
- 这种方法为解决塑料注塑成型中的质量控制挑战提供了强大的解决方案.


