基于RBF神经网络的注塑工艺优化方法技术

本发明专利技术提供了一种基于RBF神经网络的注塑工艺优化方法，包括以下步骤：建立注塑产品的CAE分析模型以及第一注塑参数；对所述第一注塑参数进行至少一次注塑参数优化，获得第一优化注塑参数；对所述第一优化注塑参数进行正交试验设计，获得正交试验数据；利用部分或全部所述正交试验数据对RBF神经网络进行训练，获得训练后的RBF神经网络；利用所述训练后的RBF神经网络获取最终优化注塑参数。上述基于RBF神经网络的注塑工艺优化方法不仅能够提高了获得最终优化参数的效率，而且优化效果好，获得的最终优化注塑参数更为精确，能够满足注塑要求。

Injection molding process optimization method based on RBF neural network

The invention provides an injection molding process optimization method based on RBF neural network, which comprises the following steps: establishing the CAE analysis model of injection molding products and the first injection molding parameters; optimizing the first injection molding parameters at least once to obtain the first optimized injection molding parameters; and performing the first optimized injection molding parameters. Orthogonal experimental design is used to obtain orthogonal experimental data. The RBF neural network is trained by using some or all of the orthogonal experimental data to obtain the trained RBF neural network. The optimized injection parameters are obtained by using the trained RBF neural network. The injection process optimization method based on RBF neural network can not only improve the efficiency of obtaining the final optimization parameters, but also improve the optimization effect. The final optimization parameters obtained are more accurate and can meet the injection requirements.

【技术实现步骤摘要】
基于RBF神经网络的注塑工艺优化方法
本专利技术涉及注塑工艺领域，特别是涉及一种基于RBF神经网络的注塑工艺优化方法。
技术介绍
注塑成型中，产品的最终注塑质量与模具结构、浇注方法、注塑成型工艺及材料属性等有很大的关联性。模具结构主要影响外观形状等成型质量项目，能够进行调整的参数和方法有限，主要体现在通过修正模具成型面、调整水路等方法来改善表观质量。决定产品注塑成型质量的关键因素是浇注方法，浇注方法中浇口位置、浇口数量是影响最终注塑质量的核心因素，浇口形式能起到调整和弥补位置设置不当所带来的负面效果，局部达到改善既定浇口位置流动路径上缺陷的作用。注塑成型工艺参数的设置取决于既定浇口位置，浇口位置不同，对应的注塑成型工艺参数差别非常大，故通过调整注塑成型工艺参数的来调整注塑质量的方法也是差别很大。注塑实践中，一般采用分段反复试模法来获取较佳的成型工艺参数，具有较大的盲目性和经验依赖性，试模占用时间长，已逐渐不适应与现代模具要求短周期快速生产要求。借助于计算机辅助工程(ComputerAidedEngineering，CAE)辅助分析的虚拟试模方式能弥补上述问题的不足，帮助试模人员在较短本文档来自技高网...

【技术保护点】
1.一种基于RBF神经网络的注塑工艺优化方法，其特征在于，所述基于RBF神经网络的注塑工艺优化方法包括以下步骤：建立注塑产品的CAE分析模型以及第一注塑参数；对所述第一注塑参数进行至少一次注塑参数优化，获得第一优化注塑参数；对所述第一优化注塑参数进行正交试验设计，获得正交试验数据；利用部分或全部所述正交试验数据对RBF神经网络进行训练，获得训练后的RBF神经网络；利用所述训练后的RBF神经网络获取最终优化注塑参数。

【技术特征摘要】
1.一种基于RBF神经网络的注塑工艺优化方法，其特征在于，所述基于RBF神经网络的注塑工艺优化方法包括以下步骤：建立注塑产品的CAE分析模型以及第一注塑参数；对所述第一注塑参数进行至少一次注塑参数优化，获得第一优化注塑参数；对所述第一优化注塑参数进行正交试验设计，获得正交试验数据；利用部分或全部所述正交试验数据对RBF神经网络进行训练，获得训练后的RBF神经网络；利用所述训练后的RBF神经网络获取最终优化注塑参数。2.根据权利要求1所述的基于RBF神经网络的注塑工艺优化方法，其特征在于，所述第一注塑参数包括浇口数量参数、浇口位置参数、浇口开启时间参数、浇口大小参数、浇注流道参数、融化温度、成型面温度、主浇口注塑压力、注塑时间、首段保压压力、首段保压时间、第二段保压压力、第二段保压时间、第三段保压压力、第三段保压时间、冷却水进口温度、冷却水流速、冷却时间中的任意一种或几种。3.根据权利要求1所述的基于RBF神经网络的注塑工艺优化方法，其特征在于，对所述第一注塑参数进行至少一次注塑参数优化，获得第一优化注塑参数步骤中，至少包括浇口数量参数优化以及浇口位置参数的优化。4.根据权利要求1至3任意一项所述的基于RBF神经网络的注塑工艺优化方法，其特征在于，所述第一注塑参数中，包括至少两个浇口参数；对所述第一注塑参数进行至少一次注塑参数优化，获得第一优化注塑参数步骤中，包括以下子步骤：对所述第一注塑参数进行浇口开启时间参数优化；对所述第一注塑参数进行浇口数量参数优化以及浇口位置优化；对所述第一注塑参数进行浇注流道参数优化。5.根据权利要求4所述的基于RBF神经网络的注塑工艺优化方法，其特征在于，在利用部...

【专利技术属性】
技术研发人员：黄力，邓其贵，马振锋，刘胜永，
申请(专利权)人：广西科技大学，
类型：发明
国别省市：广西,45