翘曲预测的bp神经网络建模与在注射成型的塑料产品的优化（外文翻译+原文）.zip

翘曲预测的BP神经网络建模与在注射成型的塑料产品的优化（外文翻译+原文）

包括英文原文和中文译文，整套外文文献翻译，推荐使用

关键词：
A.聚合物 C.成型 F.缺陷
摘要
塑料制品的翘曲值是注松型（PIM）的一个重要评价指标。为了预测翘曲值和优化注塑件的基于关键过程变量的神经网络模型已经发展起来，包括在PIM过程中模具温度，熔体温度，保压压力，保压时间和冷却时间。该方法利用BP神经网络的输入和输出数据得出有限元（FE），这个有限元在Moldflow软件平台上进行模拟。此外，这项研究中使用了一种汽车杂物箱盖。通过有限元模拟的正交试验设计方法的训练结果，预测系统得到了一个数学方程映射过程的参数值和塑性变形值之间的关系。它已被证明，预测系统有能力预测2%的误差范围内的塑性变形。在预测系统的帮助下，工艺参数已经被优化。同时，能源消耗和生产周期也被考虑在内。优化的翘曲值为1.58毫米，与初始翘曲结果2.358毫米相比，这缩短32.99%。冷却时间由20秒下降到10秒，这将大大缩短生产周期。最终的产品能满足匹配要求，适合汽车杂物箱。