基于BP神经网络的汽车音响塑件模具成型工艺优化研究Optimization Research on Molding Process for Automobile Audio Plastic Parts Based on BP Neural Network
生力军;
摘要(Abstract)：
通过对某汽车音响塑件模具进行工艺方案设计,采用Moldflow软件对正交试验中各工艺方案组合进行模流分析,获得体积收缩率、充填时间、总翘曲量等目标函数值。将获得的数据作为样本进行BP神经网络训练,使BP神经网络预测值与Moldflow模拟值之间的吻合程度提高,即欲提高BP神经网络模型的预测精度,可以通过样本训练的多输入和多输出来实现。同时采用训练好的BP神经网络预测最优工艺参数,从而获得最佳工艺参数组合为:注射速率45 cm3/s,模具温度57℃,保压压力121 MPa,保压时间17 s。通过试模,获得合格的汽车音响塑件模具。
关键词(KeyWords)： BP神经网络;Moldflow模拟;汽车音响;工艺优化;模具
基金项目(Foundation):
作者(Authors): 生力军;
DOI: 10.15925/j.cnki.issn1005-3360.2018.11.007
参考文献(References)：
- [1]崔伟清,王胜凯,任雯.基于Moldflow的打印机上盖注塑模具优化设计[J].塑料, 2012, 41(6):84-86.
- [2]黄丽,肖国权.基于MFI的泵壳注塑工艺分析[J].中国塑料,2016, 30(6):86-91.
- [3]陆广华.基于BP神经网络的注塑成型翘曲分析及工艺优化[J].塑料工业, 2017, 45(2):58-60.
- [4]文博,张云.基于卷积神经网络的注塑制品短射缺陷识别[J].塑料工业, 2015, 43(7):31-34.
- [5]孙丽丽,苏学满.基于BP神经网络的塑料齿轮玩具注射成型优化分析[J].中国塑料, 2016, 30(6):108-116.
- [6]吕圣林,蒋红军,余思东.基于BP神经网络遗传算法的汽车塑件CAE优化分析[J].现代塑料加工应用, 2017, 29(2):55-59.
- [7]罗华云,邱国旺,卢齐英.基于BP神经网络的高光无流痕成型工艺优化[J].塑料, 2012, 41(6):81-84.
- [8]梁盖胜.基于UG的塑料模具数据加工及参数优化设计[J].现代信息科技, 2018, 2(1):1-4.
- [9]孙丽丽,苏学满.基于BP神经网络的汽车内置储物盒注塑成型优化[J].塑料工业, 2018, 46(2):35-41.
- [10]韩以伦,李志恒,梁彦高.基于Moldflow的家用电器薄壁外壳翘曲优化分析[J].塑料工业, 2017, 45(5):48-51.