期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于ACO-BP神经网络的储能电源上壳件气辅成型工艺参数优化
1
作者
杨明
刘赛
+3 位作者
刘巨保
李峰
姚建锋
刘厚德
《工程塑料应用》
北大核心
2025年第4期101-107,共7页
以某储能电源上壳件为研究对象,为提高气辅成型效果,运用Moldflow软件进行气辅成型数值模拟。以气体穿透体积和最大翘曲变形量为优化指标设计了正交试验,利用Critic权重法确定权重占比,通过计算综合评分将双目标优化转化为单目标优化;...
以某储能电源上壳件为研究对象,为提高气辅成型效果,运用Moldflow软件进行气辅成型数值模拟。以气体穿透体积和最大翘曲变形量为优化指标设计了正交试验,利用Critic权重法确定权重占比,通过计算综合评分将双目标优化转化为单目标优化;建立工艺参数与综合评分之间的BP神经网络模型,利用蚁群算法(ACO)进行全局寻优。结果表明,当熔体预注射量为93%、熔体温度为270℃、模具温度为87.78℃、延迟时间为3.5 s、气体压力为35 MPa、气体注射时间为20 s、冷却时间为179.62 s时,综合评分值最大、工艺方案最优。利用Moldflow软件对最优工艺参数进行验证,结果显示气体穿透体积为10.6975%、最大翘曲变形量为2.169 mm,计算其线性组合得到综合评分为1.0495,与优化算法结果的误差仅为1.1%,并进行试模验证,试模翘曲结果与模流分析结果误差为2.8%,且产品无吹穿、吹破等缺陷,表面质量良好。以上研究结果表明,基于ACO-BP神经网络优化气辅成型工艺参数的技术方法具有可行性。
展开更多
关键词
气体辅助注射成型
数值模拟
参数优化
BP神经网络
蚁群算法
在线阅读
下载PDF
职称材料
基于响应面法和多目标粒子群算法的玻璃纤维增强ABS塑件多目标优化
2
作者
杨明
刘厚德
+3 位作者
刘巨保
李峰
姚建锋
刘赛
《塑料工业》
2025年第8期72-80,共9页
为了解决玻璃纤维增强材料装配支撑件成型质量问题,选取玻璃纤维(GF)增强丙烯腈-丁二烯-苯乙烯(ABS)复合材料制成的加热器支架环为研究对象,采用响应面法(RSM)构建了包括模具温度、熔体温度、保压压力、保压时间及纤维含量与响应目标(...
为了解决玻璃纤维增强材料装配支撑件成型质量问题,选取玻璃纤维(GF)增强丙烯腈-丁二烯-苯乙烯(ABS)复合材料制成的加热器支架环为研究对象,采用响应面法(RSM)构建了包括模具温度、熔体温度、保压压力、保压时间及纤维含量与响应目标(即翘曲变形量、体积收缩率)之间的数学模型,通过方差分析(ANOVA)和残差分析,简化并得到了响应面回归方程。然后利用多目标粒子群优化算法(MOPSO)对响应面模型进行迭代寻优,求得最优解集,并从中选取了最优解。将最优参数:模具温度25℃,熔体温度259.25℃,保压压力47 MPa,保压时间29.92 s与纤维质量分数28.68%输入Moldflow软件仿真验证,结果显示优化后翘曲变形量为1.307 mm,体积收缩率为6.928%,与预测值误差分别为0.38%和4.08%,试模结果与优化算法预测值对比,翘曲变形量误差1.07%,体积收缩率误差0.47%。研究结果表明,运用RSM与MOPSO算法对玻璃纤维增强塑件成型质量进行优化是一种有效的策略,对工程实践具有重要的指导价值。
展开更多
关键词
玻璃纤维
丙烯腈-丁二烯-苯乙烯复合材料
响应面法
多目标粒子群算法
工艺优化
在线阅读
下载PDF
职称材料
题名
基于ACO-BP神经网络的储能电源上壳件气辅成型工艺参数优化
1
作者
杨明
刘赛
刘巨保
李峰
姚建锋
刘厚德
机构
东北石油大学机械科学与工程学院
弘丰
智能
制造
(
深圳
)
有限公司
出处
《工程塑料应用》
北大核心
2025年第4期101-107,共7页
文摘
以某储能电源上壳件为研究对象,为提高气辅成型效果,运用Moldflow软件进行气辅成型数值模拟。以气体穿透体积和最大翘曲变形量为优化指标设计了正交试验,利用Critic权重法确定权重占比,通过计算综合评分将双目标优化转化为单目标优化;建立工艺参数与综合评分之间的BP神经网络模型,利用蚁群算法(ACO)进行全局寻优。结果表明,当熔体预注射量为93%、熔体温度为270℃、模具温度为87.78℃、延迟时间为3.5 s、气体压力为35 MPa、气体注射时间为20 s、冷却时间为179.62 s时,综合评分值最大、工艺方案最优。利用Moldflow软件对最优工艺参数进行验证,结果显示气体穿透体积为10.6975%、最大翘曲变形量为2.169 mm,计算其线性组合得到综合评分为1.0495,与优化算法结果的误差仅为1.1%,并进行试模验证,试模翘曲结果与模流分析结果误差为2.8%,且产品无吹穿、吹破等缺陷,表面质量良好。以上研究结果表明,基于ACO-BP神经网络优化气辅成型工艺参数的技术方法具有可行性。
关键词
气体辅助注射成型
数值模拟
参数优化
BP神经网络
蚁群算法
Keywords
gas assisted injection molding
numerical simulation
parameter optimization
BP neural network
ant colony algorithm
分类号
TQ320.66 [化学工程—合成树脂塑料工业]
在线阅读
下载PDF
职称材料
题名
基于响应面法和多目标粒子群算法的玻璃纤维增强ABS塑件多目标优化
2
作者
杨明
刘厚德
刘巨保
李峰
姚建锋
刘赛
机构
东北石油大学机械科学与工程学院
出处
《塑料工业》
2025年第8期72-80,共9页
文摘
为了解决玻璃纤维增强材料装配支撑件成型质量问题,选取玻璃纤维(GF)增强丙烯腈-丁二烯-苯乙烯(ABS)复合材料制成的加热器支架环为研究对象,采用响应面法(RSM)构建了包括模具温度、熔体温度、保压压力、保压时间及纤维含量与响应目标(即翘曲变形量、体积收缩率)之间的数学模型,通过方差分析(ANOVA)和残差分析,简化并得到了响应面回归方程。然后利用多目标粒子群优化算法(MOPSO)对响应面模型进行迭代寻优,求得最优解集,并从中选取了最优解。将最优参数:模具温度25℃,熔体温度259.25℃,保压压力47 MPa,保压时间29.92 s与纤维质量分数28.68%输入Moldflow软件仿真验证,结果显示优化后翘曲变形量为1.307 mm,体积收缩率为6.928%,与预测值误差分别为0.38%和4.08%,试模结果与优化算法预测值对比,翘曲变形量误差1.07%,体积收缩率误差0.47%。研究结果表明,运用RSM与MOPSO算法对玻璃纤维增强塑件成型质量进行优化是一种有效的策略,对工程实践具有重要的指导价值。
关键词
玻璃纤维
丙烯腈-丁二烯-苯乙烯复合材料
响应面法
多目标粒子群算法
工艺优化
Keywords
Glass Fiber
Acrylonitrile Butadiene Styrene Composite Material
Response Surface Method
Multi-objective Particle Swarm Optimization
Process Optimization
分类号
TQ320.66 [化学工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于ACO-BP神经网络的储能电源上壳件气辅成型工艺参数优化
杨明
刘赛
刘巨保
李峰
姚建锋
刘厚德
《工程塑料应用》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
基于响应面法和多目标粒子群算法的玻璃纤维增强ABS塑件多目标优化
杨明
刘厚德
刘巨保
李峰
姚建锋
刘赛
《塑料工业》
2025
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
