1、注塑成形是批量生產(chǎn)塑料制品的首選方法。但如何減少、防止制品成形中時常發(fā)生的翹曲現(xiàn)象，是經(jīng)常困擾工程師的一大難題。而僅僅依靠傳統(tǒng)的經(jīng)驗、技術(shù)訣竅和不斷嘗試的方法，仍不能有效地解決問題。因此，將CAE技術(shù)應(yīng)用于注塑成形，進行翹曲變形預(yù)測，以優(yōu)化注塑成形工藝參數(shù)設(shè)置，從而提高生產(chǎn)效率和成形質(zhì)量，是解決翹曲變形問題的新思路[1]?！　”疚墓ぷ髦饕ㄒ韵聨讉€方面的內(nèi)容：　　1.綜合考察及評價多個工藝參數(shù)對注塑翹曲變形量的影響?！　?.建立

2、了基于神經(jīng)網(wǎng)絡(luò)的從注塑工藝參數(shù)到翹曲變形量的非線性映射關(guān)系。利用正交試驗獲得的數(shù)據(jù)作為神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本，得到輸入為工藝參數(shù)、輸出為翹曲變形量的神經(jīng)網(wǎng)絡(luò)模型，并通過檢驗樣本檢驗了ANN(ArtificialNeuralNetwork)模型的準(zhǔn)確性，為參數(shù)優(yōu)化及翹曲變形預(yù)測做好準(zhǔn)備?！　?.基于神經(jīng)網(wǎng)絡(luò)和正交試驗的工藝參數(shù)優(yōu)化。在工藝參數(shù)取值范圍內(nèi)，采用ANN模型代替CAE軟件數(shù)值模擬試驗，并結(jié)合正交試驗法，對工藝參數(shù)進一步優(yōu)化使得翹曲

3、變形量更小。論文工作表明：將神經(jīng)網(wǎng)絡(luò)與正交試驗、數(shù)值模擬三者結(jié)合用于注塑過程參數(shù)優(yōu)化可以明顯縮短優(yōu)化工藝參數(shù)的時間，提高工藝設(shè)計效率，同時在數(shù)值模擬試驗次數(shù)一定的條件下，能獲得比單純使用正交試驗和數(shù)值模擬方法更為精確的結(jié)果?！　?.研究了ANN在翹曲量預(yù)測方面的應(yīng)用。利用神經(jīng)網(wǎng)絡(luò)的非線性映射關(guān)系，在訓(xùn)練樣本的取值范圍內(nèi)，可以給定一組工藝參數(shù)得到一個翹曲變形量，而不必重新利用CAE軟件計算，為工藝制定節(jié)省時間。　　本文工作的特色在于對