基于灰色關聯分析的注塑工藝多目標優化及PSO–SVM預測模型的建立

作者：薛茂遠,梅益,唐芳艷,肖展開,羅寧康

摘要：針對某電器活動上蓋翹曲變形及體積收縮問題,對相關注塑工藝參數進行正交實驗設計,在Moldflow中模擬分析,并對翹曲變形量及體積收縮率進行信噪比優化處理。利用灰色關聯分析法得到翹曲變形量和體積收縮率的灰色關聯度,通過對灰色關聯度進行極差分析得到各注塑工藝參數對塑件綜合目標(翹曲變形量及體積收縮率同時較小)的影響程度為:保壓時間>注塑時間>模具溫度>熔體溫度>保壓壓力>冷卻時間,同時由灰色關聯度極差分析結果得出最優工藝參數組合,在最優工藝參數組合下的翹曲變形量相對于正交實驗水平下最小翹曲變形量降低了11.8%,體積收縮率相對于正交實驗水平下最小體積收縮率降低了5.9%。最后采用粒子群優化算法(PSO)優化后的支持向量機(SVM)神經網絡模型對該塑件翹曲變形量及體積收縮率進行預測,通過與不優化的SVM神經網絡及BP神經網絡預測模型相比發現,PSO–SVM神經網絡模型預測精度及穩定性都優于SVM及BP神經網絡,可以用于塑件翹曲變形量和體積收縮率的協同優化,解決塑件實際翹曲變形及體積收縮問題。

發文機構：貴州大學機械工程學院

關鍵詞：正交實驗設計信噪比灰色關聯分析極差分析BP神經網絡PSO–SVM神經網絡orthogonal experiment designsignal-to-noise ratiogrey relational analysisrange analysisBP neural networkPSO–SVM neural network

分類號：