基于混合優(yōu)化算法的注射模具參數(shù)優(yōu)化研究.pdf

1、注射模CAD技術(shù)正向集成化、智能化、柔性化、網(wǎng)絡化、并行設(shè)計等方向發(fā)展。國內(nèi)對注射模CAD/CAM/CAE技術(shù)集成的研究所取得的成果,使中國注射模CAD技術(shù)的應用水平得到很快地提高。但是國內(nèi)研制的模具CAD集成軟件尚處在試用階段,實用性不強,人機界面不能滿足多種用戶的需要。本文基于Pro/ENG-INEER系統(tǒng),綜合運用CAE技術(shù)、優(yōu)化算法開展注射模具結(jié)構(gòu)和工藝參數(shù)優(yōu)化研究,并將上述研究成果嵌入至注射模設(shè)計平臺中,達到縮短模具設(shè)計周期、

2、提高產(chǎn)品質(zhì)量的目的。
　　開展了結(jié)合改進的遺傳算法IP-μGA(amodified micro geneticalgorithm with the strategy of Intergeneration Projection)和基于有限差分梯度的傳統(tǒng)優(yōu)化算法(NCONF)的混合優(yōu)化算法研究,并編寫了相應的算法程序。IP-μGA能較好的避免過早收斂及快速趨近優(yōu)化解區(qū)域,但搜尋最優(yōu)解的時間較長。傳統(tǒng)優(yōu)化算法(NCONF)收斂速度快,但

3、對初始點的選擇要求非常嚴格,否則容易陷入局部最優(yōu)解。為了充分利用IP-μGA算法的全局搜索能力和傳統(tǒng)優(yōu)化算法(NCONF)收斂的快速性能,有效避免其缺陷,該算法將兩者結(jié)合,利用遺傳算法進行少數(shù)代次的優(yōu)化搜索得到全局最優(yōu)解的鄰近點,并將該點作為傳統(tǒng)優(yōu)化算法的初值點,再利用傳統(tǒng)優(yōu)化算法進行最優(yōu)解的搜索。該算法能在較短的時間內(nèi)收斂到函數(shù)的全局最優(yōu)解。然后以斜導柱結(jié)構(gòu)參數(shù)優(yōu)化為例,結(jié)合CAE技術(shù),將該混合優(yōu)化算法應用于注射模具結(jié)構(gòu)參數(shù)優(yōu)化問題的

4、求解中。
　　開展了由注射成型質(zhì)量反求優(yōu)化工藝參數(shù)方法的研究,并編制了相應的算法程序。正問題為求解與不同的工藝參數(shù)相對應的成型質(zhì)量,并采用常用的BP(back propagation)網(wǎng)絡作為正問題求解器。首先利用正交試驗法根據(jù)不同的工藝參數(shù)組合,設(shè)計初始試驗設(shè)計方案,然后運用CAE技術(shù)進行成型模擬并得到相應的成型質(zhì)量,組成BP網(wǎng)絡的初始訓練樣本集;并選用帶跳躍因子的附加動量法訓練神經(jīng)網(wǎng)絡。反問題為給定注射成型質(zhì)量,求解與之對應的