[发明专利]家族制模具多异型腔结构的优化设计方法

权利要求书

1.一种家族制模具多异型腔结构的优化设计方法，其特征在于：包括步骤

S1：建立家族制模具多异型腔结构优化数学模型：

S101：确定设计变量：选取影响家族制模具多异型腔填充熔体的不平衡程度的关键结构参数Q₁、Q₂、……、Q_n作为设计变量；

S102：确定目标函数：本方法以减小各个型腔熔体填充末端的最大平均压力差为优化目标，建立目标函数，所述目标函数为：

F＝min(ΔP) (1)

其中，ΔP表示各个型腔熔体填充末端的最大平均压力差，P_i表示第i个型腔熔体填充末端的压力，k表示共有k个型腔熔体填充末端；

S103：确定约束条件：所述约束条件为

X_min≤X≤X_max (2)

其中，X为设计变量，X＝[Q₁,Q₂,...，Q_n]^T，X_max、X_min表示设计变量的上、下限；

S2：获取训练样本：

S201：确定各个型腔的尺寸；

S201：采用均匀设计试验法进行样本获取，所选取设计变量即为均匀设计表的因素，在各设计变量的取值范围中选取若干个水平，设计均匀设计表，确定试验的组数和各试验组的具体参数；

S202：实施均匀设计试验方案，根据各个型腔尺寸和各试验组的参数建立相应的家族制模具多异型腔结构模型，提取所有的家族制模具多异型腔结构模型的型腔熔体填充末端的最大平均压力差作为神经网络的训练样本；

S3：构建BP神经网络：

S301：将设计变量作为输入层，将ΔP作为输出层，线性函数作为输出层的传递函数，sigmoid型传递函数作为隐含层的传递函数，

S302：利用步骤S202中获取的训练样本对BP神经网络进行训练，直至预测值与样本值的差别限定在允许误差范围内；

S4：利用模拟退火遗传算法优化求解：

S401：初始化遗传算法的最大遗传代数G_max、种群规模、变异概率、交叉概率、初始遗传代数G₀、以及模拟退火算法的初始温度T₀、终止温度T_E、每次降温系数a；

S402：随机初始化种群，将设计变量作为种群的个体进行实数编码，将初始遗传代数G₀作为当前遗传迭代代数G_k；

S404：将当前种群中的每个个体进行解码后，带入适应度函数，获得当前种群中的每个个体的适应度，并取其中最小适应度为当前种群的最优适应度；

S405：运用遗传算法对当前种群中的个体进行交叉、变异操作，得到新种群，当前种群变成旧种群；

S406：将新种群中的个体进行解码后，带入适应度函数，获得新种群中的每个个体的适应度，并取其中最小适应度为新种群的最优适应度；

S407：判断新种群的最优适应度是否优于旧种群的最优适应度，若新种群的最优适应度优于旧种群的最优适应度，则用新种群中最优适应度对应的个体替代新种群中最差适应度对应的个体，进入步骤S409；若新种群的最优适应度劣于旧种群的最优适应度，则进入步骤S408；

S408：判断是否满足模拟退火条件，若满足以概率η来接受新种群的最优适应度对应的个体替代新种群的最差适应度对应的个体，进入步骤S409；若不满足，则保持旧种群不变，进入步骤S409；

S409：判断当前遗传迭代代数G_k是否达到最大遗传代数G_max，若是，则结束所有的迭代，获得最优解；若不是，进入步骤S410；

S410：判断当前执行温度是否小于终止温度，若是，则结束所有迭代，获得最优解；若不是，根据模拟退火算法，将当前执行温度进行降温后得到新的执行温度，将当前遗传迭代代数G_k增加1，将新种群作为当前种群，进入下一次迭代，即返回步骤S405。

2.根据权利要求1所述家族制模具多异型腔结构的优化设计方法，其特征在于：所述家族制模具多异型腔结构包括主流道、若干个型腔和若干个分流道，所述型腔分别与分流道一一对应连通，所述分流道与主流道连通。