基于極差分析法與GA-ELM的電器連接器殼體注射成型工藝優化

作者：梅益,薛茂遠,唐芳艷,肖展開

摘要：以某電器連接殼體為例,借助Moldflow軟件對正交試驗方案組合進行模擬,對正交試驗模擬結果進行極差分析,得到各工藝參數對塑件翹曲變形量的影響程度為:保壓時間>模具溫度>注射時間>熔體溫度>保壓壓力。極差分析得到的最優工藝參數組合對應的翹曲變形量與正交試驗方案中最小翹曲變形量相比降低了6.7%。關鍵點采用遺傳算法優化后的預測模型(GA-ELM)對塑件翹曲變形量進行預測。由于傳統極限學習算法(ELM)的權值和閾值隨機產生,網絡系統預測穩定性及精度較差,故通過GA全局尋優能力尋找最佳的權值和閾值,得到GA-ELM。選擇正交試驗前80%樣本作為訓練集訓練ELM與GA-ELM模型,通過樣本后20%作為測試集驗證ELM與GA-ELM模型預測精度。對比分析可看到:使用GA-ELM預測模型比直接使用ELM預測模型預測結果有更高預測精度及穩定性。此GA-ELM模型可用來預測該塑件翹曲變形量。對同類模具設計優化提供一定的思路及理論參考。

發文機構：貴州大學機械工程學院

關鍵詞：正交試驗設計MOLDFLOW極差分析極限學習算法遺傳算法優化后的預測模型Orthogonal Experimental DesignMoldflowRange AnalysisExtreme Learning AlgorithmGenetic Algorithm-Extreme Learning Algorithm

分類號： TQ320.662[化學工程—合成樹脂塑料工業]