基于反向传播神经网络与遗传算法优化复合材料零件注塑成型工艺参数

摘要：

以Moldflow软件模拟得到的不同工艺参数下飞机机头雷达罩模型的翘曲变形量为训练样本,在雷达罩模型成型工艺参数与其翘曲变形量间建立反向传播(Back Propagation,BP)神经网络模型,然后采用遗传算法对工艺参数进行优化,得到使雷达罩模型翘曲变形量最小的工艺参数并进行试验验证.结果表明:在相同工艺参数下由BP神经网络得到的雷达罩模型翘曲变形量与采用Moldflow软件模拟得到的翘曲变形量相近,相对误差小于4％,证明了BP神经网络的可靠性;模拟得到雷达罩模型的最优成型工艺参数为注塑温度295℃、模具温度80℃、注塑时间0.75 s、保压时间8 s、保压压力125 MPa,此时翘曲变形量最小,为0.1213 mm;在最优成型工艺参数下进行注塑成型后得到的雷达罩模型最大翘曲变形量为0.1260 mm,试验结果与预测结果间的相对误差小于3.7％,验证了BP神经网络与遗传算法相结合方法的准确性.

关键词：复合材料零件、翘曲变形、BP神经网络、遗传算法

所属期刊栏目：45

分类号：TB332(工程材料学)

资助基金：陕西省自然科学基础研究计划2019JM-435

在线出版日期：2021-08-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：63-68