[发明专利]一种塑料工件注塑成型的工艺参数优化方法及装置

权利要求书

1.一种塑料工件注塑成型的工艺参数优化方法，其特征在于，所述方法包括：

获得碳纤维增强的塑料工件的产品参数数据，所述产品参数数据包括翘曲形变量、体积收缩率、收缩痕指数；

基于所述产品参数数据利用正交实验设计方法进行注塑成型的工艺参数优化处理，获得第一工艺参数；

将所述产品参数数据输入收敛的神经网络模型中，获得输出的第二工艺参数；

对所述第一工艺参数和所述第二工艺参数进行加权融合处理，获得优化工艺参数。

2.根据权利要求1所述的工艺参数优化方法，其特征在于，所述获得碳纤维增强的塑料工件的产品参数数据，包括：

将碳纤维增强的塑料工件按照设计要求通过Moldflw软件进行模拟仿真处理，获得所述产品参数数据。

3.根据权利要求1所述的工艺参数优化方法，其特征在于，所述基于所述产品参数数据利用正交实验设计方法进行注塑成型的工艺参数优化处理，获得第一工艺参数，包括：

获得对碳纤维增强的塑料工件的注塑成型影响工艺参数，所述影响工艺参数包括模具温度、熔体温度、注射时间、保压时间和保压压力；

对所述影响工艺参数按照参数选取规则进行参数值选取，获得影响工艺参数的对应参数值；

基于选取的影响工艺参数的对应参数值构建正交实验表头，并根据构建的正交实验表头进行注塑成型工艺参数正交实验优化处理，获得第一一工艺参数。

4.根据权利要求3所述的工艺参数优化方法，其特征在于，所述根据构建的正交实验表头进行注塑成型工艺参数正交实验优化处理，获得第一一工艺参数，包括：

根据构建的正交实验表头进行注塑成型工艺参数对所述翘曲形变量的正交实验优化处理，获得翘曲形变量的优化工艺参数；

根据构建的正交实验表头进行注塑成型工艺参数对所述体积收缩率的正交实验优化处理，获得体积收缩率的优化工艺参数；

根据构建的正交实验表头进行注塑成型工艺参数对所述收缩痕指数的正交实验优化处理，获得收缩痕指数的优化工艺参数；

基于所述翘曲形变量的优化工艺参数、体积收缩率的优化工艺参数和收缩痕指数的优化工艺参数获得第一工艺参数。

5.根据权利要求4所述的工艺参数优化方法，其特征在于，所述基于所述翘曲形变量的优化工艺参数、体积收缩率的优化工艺参数和收缩痕指数的优化工艺参数获得第一工艺参数，包括：

分别对所述翘曲形变量的优化工艺参数、体积收缩率的优化工艺参数和收缩痕指数的优化工艺参数进行仿真模拟处理，并基于仿真模拟结果获得第一工艺参数。

6.根据权利要求1所述的工艺参数优化方法，其特征在于，所述收敛的神经网络模的训练过程包括：

获得历史注塑成型的工艺数据及对应的产品参数数据；

基于所述历史注塑成型的工艺数据及对应的产品参数数据进行一行多列数据矩阵构建处理，并形成数据矩阵数据集；

将数据矩阵数据集划分为数据矩阵训练及和数据矩阵测试集；

将所述数据矩阵训练输入神经网络模型中进行训练处理，获得训练后的神经网络模型；

将所述数据矩阵测试集输入训练后的神经网络模型进行测试处理，获得测试结果；

基于所述测试结果判断训练后的神经网络模型是否收敛，若是，获得收敛的神经网络模型；

若否，则对训练后的神经网络模型的参数进行逆向传播修正处理，并返回继续训练。

7.根据权利要求6所述的工艺参数优化方法，其特征在于，所述对训练后的神经网络模型的参数进行逆向传播修正处理，包括：

基于Levenberg-Marquardt算法由输出层向输入层逐层修正连接权重的方式对练后的神经网络模型的进行逆向传播修正处理。

8.根据权利要求1所述的工艺参数优化方法，其特征在于，所述将所述产品参数数据输入收敛的神经网络模型中，获得输出的第二工艺参数，包括：

将所述产品参数数据按照预设方式构建为一行多列矩阵，形成待预测矩阵数据；

将所述待预测矩阵数据输入所述收敛的神经网络模型中进行预测处理，获得输出的第二工艺参数。