原文传递
汽车前端模块注塑过程仿真分析和模具的结构优化
| 论文题名： | 汽车前端模块注塑过程仿真分析和模具的结构优化 |
| 关键词： | 汽车前端模块;注塑过程;模具结构;正交实验;BP神经网络;响应曲面法;灰关联度 |
| 摘要： | 随着塑料制品的质量和性能不断提高，全塑型汽车前端模块广为各大汽车企业应用，在这样一个工程背景下，研究如何通过CAE仿真模拟技术对全塑型前端模块的注塑成型过程进行分析、优化和改进来提高全塑型前端模块的成型质量就显得非常有必要。 本文以杰事杰公司提供的江淮B2车的前端模块模型为研究对象，首先建立前端模块的有限元分析模型，确定其网格划分、材料选择和冷却系统的建立，着重研究了不同浇筑系统对于填充时间、流动前沿温度、气穴和熔接线等成型质量的影响，最终确定一种相对较优的浇筑系统。为了研究注射时间、注射压力、模具温度、熔体温度和保压时间等不同工艺参数对于翘曲变形量和体积收缩率的影响，通过正交实验法建立五因素四水平的正交实验，利用Moldflow分别对每组正交实验进行模拟分析，对分析结果进行均值极差分析和方差分析确定不同工艺参数对于翘曲变形量和体积收缩率的影响程度，选取最优工艺参数组合，并进行实验验证。随后建立回归方程，对翘曲变形量和体积收缩率进行预测，同时验证正交实验方法分析结果与回归方程的分析结果保持一致。 利用正交实验的实验数据作为样本，建立一个BP神经网络的预测模型，对工艺参数和成型质量之间的非线性相互关系进行预测。同时利用Moldflow对于这些工艺参数进行模拟分析获得模拟结果，对比预测结果和模拟结果的差距。然后采用BP神经网络对响应曲面法(RSM）的46组实验进行预测，得到预测结果作为响应曲面法的实验结果。通过响应曲面法分析后得到不同的显著因素，分析显著因素对翘曲变形量和体积收缩率的组合影响，并生成3D图像来直观反映其影响作用，同时获得最优工艺参数，进行实验验证后与正交实验最佳工艺参数组合对比。最后对BP神经网络预测的响应曲面实验结果进行灰关联度计算(GRA)，通过对不同工艺参数的灰关联度分析来进行多目标优化，获得同时满足最小翘曲变形量和体积收缩率的最佳工艺参数。 |
| 作者： | 汤修平 |
| 专业： | 机械工程 |
| 导师： | 曹文钢 |
| 授予学位： | 硕士 |
| 授予学位单位： | 合肥工业大学 |
| 学位年度： | 2016 |
| 正文语种： | 中文 |
检索历史
应用推荐
