[發明專利]一種帶嵌件注塑件注塑工藝參數多目標優化方法

在審

• 申請號: 202110987798.3
• 申請日: 2021-08-26
• 公開（公告）號: CN113722992A
• 公開（公告）日: 2021-11-30
• 發明（設計）人: 李春曉;范希營;郭永環
• 申請（專利權）人: 江蘇師范大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06F30/23;G06N3/00;G06N3/04;G06N3/08;G06F111/06
• 代理公司: 北京淮海知識產權代理事務所(普通合伙) 32205
• 代理人: 楊曉亭

本發明公開了一種帶嵌件注塑件注塑工藝參數多目標優化方法，首先確定質量目標以及工藝參數，選擇體積收縮率作為質量目標，并將針對注塑件不同方向的翹曲變形也作為質量目標，利用正交試驗獲取試驗樣本；然后利用改進的果蠅算法IFOA優化后的廣義回歸神經網絡GRNN建立工藝參數與質量目標之間的多目標優化模型；然后采用非支配排序遺傳算法NSGA?II對模型進行全局尋優求解，確定最優設計參數組合的Pareto解集；最后采用熵權法和逼近理想解排序法TOPSIS對Pareto解集進行綜合評價，獲得最優解及相應的最優注塑工藝參數。本發明能夠有效降低帶嵌件注塑件的體積收縮率和翹曲變形，進而獲得高質量的帶嵌件注塑件產品。

技術領域

本發明涉及一種注塑工藝參數優化方法，具體是一種基于IFOA-GRNN-NSGA-II策略的帶嵌件注塑件注塑工藝參數多目標優化方法，屬于注塑加工技術領域。

背景技術

嵌件注塑成型技術是指在傳統注塑成型基礎上，依據注塑產品的特殊要求，在模具內對應注塑產品的特定位置定位裝入預先準備的異材質嵌件后再注入熔融材料，熔融材料與嵌件接合固化，制成一體化產品的成型工法。嵌件不僅限于金屬，也有布、紙、電線、塑料、玻璃、木材、線圈類、電氣零件等多種。嵌件的加入可以提高注塑產品的局部強度、耐磨性能、電性能等物理特性，同時也可以提高塑件精度。但由于嵌件的存在，造成注塑產品結構的特殊性和成型過程的復雜性，熔融材料在嵌件周圍的流動、收縮會受到影響，特別是金屬嵌件在注塑過程中易產生成型收縮率不均一的問題、進而極易造成翹曲變形，因此相對于傳統注塑產品，帶嵌件注塑件的質量更加難以預測和控制，通常事先需做重要部位的形狀、尺寸精度的極限試驗。

隨著計算機輔助工程(CAE)技術在注塑模具中的應用，為了獲取更好的質量目標，通過模擬仿真和數學方法相結合優化工藝參數成為研究的重要方向，而工藝參數和質量目標之數學模型的構建是多目標優化問題的核心。

現有技術中，徑向基函數網絡(RBF)可以任意精度逼近非線性函數、且具有全局逼近能力，是解決局部最優問題的常用方法，如：Yang等人結合RBF和粒子群優化算法(PSO)，用以提高空心率，減小壁厚差；Shiroud等人采用一種基于RBF模型將生物醫用髖關節襯墊的體積收縮和翹曲最小化；HASHIMOTO等人采用RBF模型，優化熔體溫度、冷卻時間等工藝參數，通過數值和試驗結果，驗證了該方法的有效性。

廣義回歸神經網絡(GRNN)是建立在數理統計基礎上的徑向基函數網絡，GRNN在逼近能力和學習速度上比RBF具有更強的優勢，并且在樣本數據少時，預測效果很好，由于非線性映射能力強、網絡結構簡單、容錯性和魯棒性高，已被廣泛應用于模式識別、短期負荷預測、銷售預測、風速預測等多個領域，如：Ding等人采用GRNN模型，用于預測和優化光纖激光切割不銹鋼的質量目標，GRNN模型的預測相對誤差在5％以內，能夠準確反應輸入參數與質量目標之間的關系；Saravanakumar等人基于田口設計，采用GRNN預測了不同因素和水平下AA2219-Gr復合材料的磨損特性。然而，由于GRNN在構建模型時關鍵參數平滑參數σ(即Spread參數)往往很難選擇(特別是在處理多目標問題方面)，因此限制了GRNN在注塑成型領域的應用。

發明內容

針對上述問題，本發明提供一種帶嵌件注塑件注塑工藝參數多目標優化方法，能夠實現有效降低帶嵌件注塑件的體積收縮率和翹曲變形，進而獲得高質量的帶嵌件注塑件產品，特別適用于嵌件注塑成型的注塑工藝參數多目標優化。

為實現上述目的，本帶嵌件注塑件注塑工藝參數多目標優化方法基于廣義回歸神經網絡GRNN、改進的果蠅優化算法IFOA和非支配排序遺傳算法NSGA-II，具體包括以下步驟：

步驟一、確定質量目標以及工藝參數，選擇體積收縮率和針對注塑件不同方向的翹曲變形作為質量優化目標，選取溫度、時間、壓力和嵌件尺寸參數作為工藝參數，利用正交試驗獲取試驗樣本；