基于EBF神经网络和粒子群算法的注射成型优化设计

doi:10.19491/j.issn.1001-9278.2015.09.011

中国塑料 ›› 2015, Vol. 29 ›› Issue (09): 54-59 .DOI: 10.19491/j.issn.1001-9278.2015.09.011

基于EBF神经网络和粒子群算法的注射成型优化设计

张俊红¹,陈孔武¹,王健²,郭迁²,马梁²

1. 天津市南开区天津大学2. 天津大学

收稿日期:2015-03-23 修回日期:2015-06-15 出版日期:2015-09-26 发布日期:2015-09-26

Optimization Design of Injection Molding Based on EBF Neural Network and Particle Swarm Algorithm

Received:2015-03-23 Revised:2015-06-15 Online:2015-09-26 Published:2015-09-26

摘要/Abstract

摘要： 基于拉丁超立方设计建立了椭球基（EBF）神经网络模型描述注塑工艺参数与翘曲值间的函数关系，将EBF神经网络模型与Kriging模型对比，说明EBF神经网络模型可以准确地描述注塑工艺参数与翘曲值之间的函数关系，并结合多目标粒子群算法对工艺参数进行优化，并与邻域培植遗传算法优化结果对比，说明多目标粒子群算法的优点。结果表明，基于EBF神经网络模型和粒子群优化算法可以使塑料出水管翘曲值减小11.64 %，同时使保压时间和冷却时间总和减小了2.13 s，从而在出水管批量生产过程中减少了生产时间。

关键词: 翘曲分析, 神经网络, 粒子群算法, 优化

Abstract: The EBF neural network model was established to describe the relationship between the process parameters and warpage based on the Latin hypercube method. Compared with Kriging model, the EBF neural network model could more accurately describe the relationship between the process parameters and warpage. The process parameters were optimized with the EBF model combined with multiobjective particle swarm algorithm, and the result was compared with Neighborhood Cultivation Genetic Algorithm. It was indicated that the injection parameter optimization method based on the EBF neural network and multiobjective particle swarm algorithm approach was feasible, and the warpage was decreased by 11.64 %，production time was shortened because the packing time and cooling time were decreased by 2.53 s.

Key words: warpage analysis, neural network, particle swarm algorithm, optimization

张俊红, 陈孔武, 王健, 郭迁, 马梁. 基于EBF神经网络和粒子群算法的注射成型优化设计[J]. 中国塑料, 2015, 29(09): 54-59 .

[1]	许宇轩, 党开放, 傅南红, 焦晓龙, 谢鹏程, 杨卫民. 注射成型工艺自适应优化技术研究进展[J]. 中国塑料, 2022, 36(9): 180-186.
[2]	王晓东, 王权, 陈拓, 郑悦. 基于灰色关联分析和熵权法的双色注塑多目标参数优化[J]. 中国塑料, 2022, 36(7): 115-120.
[3]	刘赣华, 唐乃夫, 马瑞伍. 等距螺旋锥齿轮MIM工艺参数多目标优化[J]. 中国塑料, 2022, 36(3): 96-103.
[4]	张响, 闫振昊, 孔小亚, 朱建晓, 关国涛, 赵娜, 李倩. 盘式螺杆微注塑机动盘结构优化研究[J]. 中国塑料, 2022, 36(2): 147-156.
[5]	任立辉, 李富柱, 王匀, 戴亚春, 杨辉, 许桢英. 基于优劣解距离法⁃灰色关联分析的注射成型质量多目标优化[J]. 中国塑料, 2022, 36(2): 96-102.
[6]	郑方莉, 傅南红, 焦晓龙, 杨卫民, 谢鹏程. 人工智能在注射成型参数设置及优化中的研究进展[J]. 中国塑料, 2022, 36(1): 84-91.
[7]	董志家, 王小新, 管航, 厉邵. 基于Abaqus的医用塑料止血夹结构仿真分析及优化设计[J]. 中国塑料, 2021, 35(4): 60-64.
[8]	吴俊超. 基于Moldflow的汽车仪表板大型塑件注塑模工艺优化[J]. 中国塑料, 2021, 35(12): 121-128.
[9]	王惠添, 殷莎, 陈正伟, 赵海斌, LOH Chaliang. 微孔发泡注塑技术研究进展[J]. 中国塑料, 2021, 35(10): 154-165.
[10]	薛茂远, 梅益, 罗宁康, 唐芳艳, 肖展开. 基于模糊集的车用升降器开关面板注射成型保压曲线优化研究[J]. 中国塑料, 2021, 35(10): 76-82.
[11]	付钧泽, 张嘉楠, 姜红. 红外光谱法结合K⁃均值聚类与神经网络对饮料瓶的检验研究[J]. 中国塑料, 2021, 35(1): 91-97.
[12]	殷红梅, 刘永利, 王嘉南, 梅烨. 基于ISIGHT的安全气囊盖板结构优化设计方法研究[J]. 中国塑料, 2020, 34(9): 61-65.
[13]	程新龙, 高琳, 李军民, 梅烨. 基于Kriging近似模型的车用散热器支撑骨架结构分析与优化[J]. 中国塑料, 2020, 34(8): 67-70.
[14]	宋果, 马玉录, 谢林生, 朱惠豪. 基于VOF模型的层叠器流动过程分析及流道结构优化[J]. 中国塑料, 2020, 34(5): 63-67.
[15]	卫辰洁, 王继芬, 范琳媛, 穆义龙, 杜浩宇. 基于光谱数据融合和人工神经网络的汽车灯罩鉴别[J]. 中国塑料, 2020, 34(12): 59-64.

基于EBF神经网络和粒子群算法的注射成型优化设计

Optimization Design of Injection Molding Based on EBF Neural Network and Particle Swarm Algorithm

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价