打印機上蓋的注塑模設計【全套含CAD圖紙、說明書】,全套含CAD圖紙、說明書,打印機,注塑,設計,全套,CAD,圖紙,說明書 編號： 畢業(yè)設計(論文)外文翻譯 （譯文） 學 院： 機電工程學院 專 業(yè)： 機械設計制造及其自動化 學生姓名： 學 號： 指導教師單位： 姓 名： 職 稱： 摘 要 目前塑料產(chǎn)品的上市時間越來越短，因此可用于制作注塑模具的交貨時間也日益減少。在模具制造階段存在潛在的可節(jié)省時間，因為可以標準化設計的過程中每個模具設計具有可重復性。本文介紹了通過控制使用標準化模板的幾何參數(shù)設計的注塑模具型腔布局的方法。型腔布局設計的標準化模板包括了可能布局的配置。對于型腔布局設計的標準化模板由可能的布局配置。每一個布局設計都有自己的布局設計表里所有的幾何參數(shù)。這種標準化的模板是預先在模具裝配設計的布局水平設計。這確保了所需的配置可以很快加載到模具裝配設計，而不需要重新設計布局。這使得在模具設計和模具設計之前，在模具設計和模具設計之間進行技術性的討論是非常有用的。變化可以立即存在于對3D型腔布局設計討論中，從而節(jié)省時間和避免誤解。這種標準化的模板型腔布局設計可以定制，方便每個模具制造公司有自己的標準。 關鍵詞：型腔布局設計；幾何參數(shù)；模具裝配；塑料注射模具設計；標準化模板 1 簡介 塑料注射成型是一種常見的塑料件生產(chǎn)方法，具有良好的公差。注塑成型所需的主要部件有兩個，分別是注塑機和注塑模具。注塑機安裝在上面的模具，提供熔融塑料并將其從機器轉移到模具中，通過鎖模壓力夾緊噴射成型的注塑部件。注塑模具是將熔融塑料轉變成最終形狀和尺寸的塑料零件的工具。目前，塑料零件上市時間的逐漸縮短，有必要在更短的時間內(nèi)生產(chǎn)注塑模具。 將計算機技術運用于注塑模具設計及相關領域的工作已經(jīng)在進行?；谥R的系統(tǒng)（KBS）等模具[1,2]，IKMOULD[3]，ESMOLD[4]，國誠康大學KBS，臺灣[5]的KBS德雷克塞爾大學[6]等是對注塑模具設計進行開發(fā)的。如HyperQ/塑料系統(tǒng)[7]，CIMP[8]，飛度[9]等系統(tǒng)都是使用一個基于知識的方法塑料材料進行開發(fā)。技術也被開發(fā)用于注塑成型的分模設計[10-12]。 已經(jīng)觀察到，雖然模具制造行業(yè)使用三維CAD軟件進行模具設計，但大量的時間是在對每個項目進行相同的設計過程中被浪費。在常規(guī)任務設計過程中進行標準化具有巨大的省時潛力，避免模具設計的重復階段。在模具裝配中組織良好的分層設計樹也是一個重要因素[13,14]。然而，少工作已經(jīng)在控制參數(shù)的腔布局設計中完成;因此，這個區(qū)域?qū)⑹俏覀兊闹饕裹c。雖然有許多設計空腔布局[15,16]的方法，但模具設計更傾向于使用僅常規(guī)設計，因而有必要在腔布局設計級別應用標準化。 本文提出了通過控制基于標準模板的參數(shù)設計注塑模具型腔布局的一種方法。首先，必須建立一個有良好組織的模具裝配層次設計樹。然后，對空腔布局的配置進行分類，以區(qū)分那些標準配置和那些非標準配置。標準配置將在一個配置數(shù)據(jù)庫中列出，每個配置都有自己的布局設計表，它可以控制它自己的幾何參數(shù)。這種標準化的模板是在模具裝配設計的布局設計水平預先定義的。 2 型腔布局設計的塑料注塑模具 注塑模具是將熔融塑料轉變成最終形狀和尺寸的塑料零件的工具。因此，模具中包含最后一部分的相反的凹槽。大部分的模具是由兩個部分組成的：前插入和后插入。在某些模具制造行業(yè)，前面插入也被稱為腔和背部插入被稱為核心。圖1顯示了前插入（腔）和后插入（芯）。熔融塑料被注入凹槽以填補它，然后形成的一部分凝固的熔融塑料。圖2顯示了一個簡單的雙板模具裝配。 2.1 單型腔和多型腔模具之間的區(qū)別 很多時候，熔融的塑料填充的印象也叫腔。型腔的安排被稱為腔布局。當模具包含多個腔時，它被指多型腔模具。圖3（a）和3（b）分別為單型腔模具和多型腔模具。 單型腔模具通常用于較大的零件，如繪圖儀封面和電視外殼。小零件如手提電話外殼，齒輪，通常是由更為經(jīng)濟的多型腔模具設計，它每次成型周期可以產(chǎn)生更多的部件?？蛻敉ǔ４_定型腔的個數(shù)，因為他們必須要平衡一部分模具投資成本。 2.2 多型腔布局 多型腔模具在同一時間產(chǎn)生不同的產(chǎn)品被稱為一模多鑄型模具。然而，它不是通常對一個模具的不同型腔進行設計，盡管腔可能并不會在同一時間被相同溫度的塑料熔體填滿。 另一方面，生產(chǎn)同樣的產(chǎn)品在多型腔模具整個成型周期可以有一個平衡的布局或不平衡的布局。平衡的布局是腔都在相同時間相同條件下填充熔體[15，16]。如果使用的是不平衡的布局，就會出現(xiàn)短的模塑，但這可以通過修改澆口的長度和橫截面積來克服（澆口到型腔熔融塑料的流通通道）。因為這不是一種十分有效方法，所以它只是避免出現(xiàn)可能的情況。圖4所示為由于不平衡的布局而出現(xiàn)短模塑的情況。 均衡布局可以進一步分為兩類：直線和圓弧。均衡的直線布置可容納2，4，8，16，32等數(shù)量的腔，即它遵循一個2n個系列。均衡圓形布局可以具有3，4，5，6或多個空腔，但在一個均衡的圓形布局也有可容納數(shù)，因為空間限制了空腔的數(shù)量。圖5顯示了已被討論過的多空腔布局。 3 設計方法 本節(jié)介紹了一種用于塑料注塑模具的參數(shù)化控制腔布局設計系統(tǒng)的設計方法。一個有效的工作模具設計方法包括各種組件和組件組織到最合適的層次設計樹。圖6顯示了第一級的組件和部件的模具裝配結構設計樹。其它部件和組件從第二級起的模具組件的層次結構設計樹的第n個水平裝配。對于這個系統(tǒng)，將重點放在“腔布局設計”。 3.1 標準化程序 為了節(jié)省時間，在模具設計過程中有必要確定常用設計的功能。該設計流程是可重復的，每個模具的設計就可以被標準化。從圖7可以看出，“型腔布局設計”標準化程序有兩部分相互作用：組件裝配標準化和型腔布局配置標準化。 3.1.1空腔布局配置可以標準化 型腔布局配置可以標準化之前，有必要認識到，重復貫穿在各腔腔布局的組件和子組件。圖8顯示了詳細的“型腔布局設計”的設計層次樹。主要的插入組件（腔）的層次設計樹的第二級具有多個組件和元件組裝直接從第三級層次設計樹開始的。他們可以被視為主要組件和次要組件。在每一個模具設計中都存在主要組件。次要組件是依賴于塑料零件產(chǎn)生的，所以他們可能會或可能不會出現(xiàn)在模具設計。 因此，把這些部件和組件直接放在主要插入組件下，確保每個重復的主要插入（腔）將從層次設計樹第三級繼承相同的組件和部件開始的。因此，沒有必要在每一腔腔布局再設計類似的部件和元件。 3.1.2型腔布局配置標準化 有必要對那些標準和那些非標準的腔布局配置進行研究和分類。圖9顯示了型腔布局配置的標準化程序。 空腔布局設計，可以進行或者作為多空腔布局或一個單腔的布局，但這一決定總是由客戶決定。單腔布局總是被看作有一個標準配置。一種多型腔模具可以在同一時間生產(chǎn)同一制品或在同一時間在生產(chǎn)不同的產(chǎn)品。在同一時間產(chǎn)生不同的產(chǎn)品的模具被稱為一模多鑄型模具，它是一種非傳統(tǒng)設計。因此，每個多腔多鑄型模具具有一個非標準配置。 產(chǎn)生同樣的產(chǎn)品的多型腔模具可以包含一個平衡的布局設計或不平衡的布局設計。不平衡布局設計是很少使用，結果它被認為是具有一個非標準配置。然而，均衡布局設計也可以包含兩種線性規(guī)劃設計或圓形布局設計。這取決于由該客戶所要求的模腔的數(shù)量。但是，必須指出的是，具有任何數(shù)量其他非標準模腔的布局設計也被分類為具有非標準配置。 分類這些都是標準的布局設計之后, 他們詳細的信息然后列入標準化模板。此標準化模板預先定義的模具裝配設計的型腔布局設計水平支持所有的標準配置。這確保可以非常迅速地加載所需的配置到模具裝配設計而無需重新設計布局。 3.2 標準化模板 從圖 10 可以看出在標準化模板中有兩個部分組成︰配置數(shù)據(jù)庫和布局設計表。配置數(shù)據(jù)庫包括所有的標準布局配置，并且每個布局配置有其自己進行幾何參數(shù)的布局設計表。模具制造行業(yè)有自己的標準，配置數(shù)據(jù)庫可以定制，可根據(jù)客戶要求考慮那些以前被視為非標準的設計。 3.2.1配置數(shù)據(jù)庫 一個數(shù)據(jù)庫可以用于包含列表中所有不同的標準配置。此數(shù)據(jù)庫中的配置總數(shù)對應于在模具設計組件的型腔布局設計水平于布局中可布局配置的配置數(shù)。列出數(shù)據(jù)庫中的信息是配置數(shù)量、類型和模腔數(shù)目。表 1 顯示了配置數(shù)據(jù)庫的一個示例。配置數(shù)是每個相應的類型與腔的數(shù)量的可用布局配置的名稱。當模腔數(shù)目和特定類型的布局為所要求的，則適當布局配置將加載到型腔布局設計。 3.2.2布局設計表 在配置數(shù)據(jù)庫中列出的每個標準配置有其自己的布局設計表。布局設計表包含布局配置的幾何參數(shù)，并且每一種配置是獨立的。更復雜的布局配置將會有更多的幾何參數(shù)來控制型腔布局。 圖11（a）和11（b）表示模具板（芯板）背面有一個大凹穴和四個小凹穴組裝相同的四腔布局。在一塊鋼塊加工中大凹穴始終是比小凹穴更經(jīng)濟更易于加工的。加工的大凹穴的優(yōu)點是： 1、空腔之間可以節(jié)省更多的空間，從而可以使用更小的鋼塊。 2、與加工多個小凹穴相比，加工一個大凹穴的加工時間更快。 3、大凹穴比小凹穴實現(xiàn)精度更高。 因此，導致在布局設計表中幾何參數(shù)默認值中沒有存在腔與腔之間的距離。但是，為了使系統(tǒng)更加靈活，以適應每個模具設計，在必要時幾何參數(shù)的默認值可以修改。 3.3 幾何參數(shù) 建立的幾何參數(shù)三個變量： 1、空腔之間的距離（柔性）?？涨恢g的距離在布局設計表中列出的，它們可以由用戶來控制或修改。距離的默認值，使得有空腔之間沒有間隙。 2、單個空腔的取向角（撓性）。在布局設計表中，用戶可以改變的是單個空腔的角度。對于一個多腔布局，所有的空腔都必須是在布局設計表中所示的方向相同的方向，如果方向的角度被修改，所有的空腔將方向旋轉為相同的方向，而不影響布局配置。 3、每腔之間的裝配關系（固定），空腔相對于彼此的的取向是預先定義的，每個單獨的布局配置是通過空腔之間的裝配配合關系來控制。每個布局配置是固定的，除非是定制的。 圖12顯示了單型腔布局配置和其幾何參數(shù)的一個示例。主插入/空腔的原點是在中心。 X1和Y1的默認值是零，使得空腔在布局的中心（兩個原點彼此重疊）。用戶可以改變X1和Y1的值，以使所述空腔可以適當?shù)氐窒? 圖13顯示了八腔布局配置及其幾何參數(shù)的一個例子。 X和Y的值是主插入/空腔的尺寸。默認情況下，X1和X2的值是等于X，Y1的值等于Y，因而存在空腔之間沒有間隙。考慮空腔之間的間隙，在設計時可以增加X1，X2和Y1的值。這些值將被列在布局設計表中。 如果有一個腔以 90 ° 為導向，其余的型腔將以同樣的角度旋轉，但布局設計保持不變。用戶是能夠通過旋轉腔更改布局設計表中的參數(shù)。由此產(chǎn)生的布局如圖 14 所示。 一個復雜的型腔布局配置，它有更多的幾何參數(shù)，必須利用公式來關聯(lián)參數(shù)。 4 系統(tǒng)的實現(xiàn) 一個注塑模具原型的參數(shù)化控制的型腔布局設計系統(tǒng)已經(jīng)采用一個 IIIPC兼容的硬件實現(xiàn)。該原型系統(tǒng)采用商用CAD系統(tǒng)（SolidWorks 2001）和一個商業(yè)數(shù)據(jù)庫系統(tǒng)（微軟）作為軟件。原型系統(tǒng)的開發(fā)采用了在Windows 環(huán)境下的微軟Visual C++ 6.0編程語言和SolidWorks API（應用編程接口）。 SolidWorks的主要選擇原因有兩個： 1.在CAD/ CAM行業(yè)的增長趨勢是朝著使用基于Windows的個人電腦，而不是UNIX工作站主要是因為涉及的購買硬件成本。 2.三維CAD軟件是完全Windows兼容，因此它是能夠順利地從Microsoft Excel文件的信息整合到CAD文件（零件，組裝和繪圖）[17]。 這個原型系統(tǒng)已在 Excel 文件中列出的八個標準布局配置配置數(shù)據(jù)庫。圖 15(a) 所示。布局設計水平，即在 SolidWorks (layout.sldasm) 中的程序集文件對應于此配置數(shù)據(jù)庫，具有相同的布局配置集。Excel 文件中的配置名稱對應于布局程序集文件中的名稱，圖 15(b) 所示的配置。 每個項目每個型腔布局程序集文件 (layout.sldasm) 將會預裝這些布局配置。當所需的布局配置通過用戶界面請求時，布局配置將被加載。圖 16 中所示的用戶界面是請求的布局配置加載之前。在加載請求布局配置時，將在列表框中列出當前的布局配置信息。 然后，用戶就能夠?qū)斍暗牟季峙渲酶臑榕渲脭?shù)據(jù)庫中找到的任何其他可用的布局配置。圖 17 所示。 當用戶觸發(fā)按鈕在用戶界面的底部時，可以激活當前的布局配置，其中包含的幾何參數(shù)的布局設計表。當幾何參數(shù)的值發(fā)生更改時，型腔布局設計會將相應的更新。圖 18 顯示了當前的布局配置的布局設計表的激活。 5 個案研究 圖19所示為一個手機外殼的CAD模型，在下面的案例研究中使用。 在腔布局設計階段，原始的CA模型必須根據(jù)所使用的成型樹脂的收縮值來進行縮放。然后將主插入件封裝成收縮的部分。整個組件被稱為主要的插入組件（XXX腔。sldasm），其中“XXX”項目名稱。圖20顯示了主要的插入組件。在主要的插入組件被創(chuàng)建后，型腔布局設計系統(tǒng)可用于制備模具的裝配型腔布局。 5.1 方案1：初始型腔布局設計 ??在模具設計， 在模具中建立腔體的數(shù)量往往由客戶提出，因為他們需要在模具中平衡對零件成本的投資。最初，客戶已要求一個兩腔模具被設計為手機專用的手機蓋。在創(chuàng)建主插入物組件的后，利用這兩腔的型腔布局設計系統(tǒng)，模具設計加載的布局結構，是一種直線型。相應的配置名稱是 L02 并在用戶界面中列出，如圖 21 所示。 5.2 方案2︰在型腔布局設計修改 模具設計師與客戶之間的技術討論會是常見的。在模具制造之前，對產(chǎn)品和模具的 3D CAD 文件盡快進行更改。變化幾乎總是不可避免的，模具設計人員從來沒有給出任何延長的交貨時間。 在這種情況下，在技術討論會議期間客戶改變了他們的想法，需要線性四型腔模具，而不是兩個型腔模具，以使手機蓋的生產(chǎn)速度可以提高。模具設計者可以使用型腔布局設計系統(tǒng)以修改現(xiàn)有的型腔布局設計為線性四腔模具的。從配置數(shù)據(jù)庫中列出了可用的布局配置，可以選擇所需的新布局配置。圖 22 所示。 5.3 方案3：腔間間隙 最后，在另一個技術討論會，模具設計者則必須在腔之間的縱向方向引進 20 毫米的間隙，如圖 23 所示。 在型腔布局子組件級，模具設計者使用型腔布局系統(tǒng)激活當前的布局配置的布局設計表。Y1 的值從 50 毫米改為 70 毫米，在腔之間縱向方向引進 20 毫米的差距。圖 24 顯示布局設計表中Y1的值的變化。在加入間隙以后, 最終設計的結果如圖 25 所示。 6 結論 ??在本文中，提出了一個參數(shù)化控制的型腔布局設計系統(tǒng)的開發(fā)使用標準化模板的方法。由于該方法利用標準化的，如果他們的設計過程是可重復的或者它們具有通用于每個模具的設計特點，故它可以進一步應用到其它組件的模具組件的設計。 所開發(fā)的型腔布局系統(tǒng)的優(yōu)點如下： 1、所開發(fā)的系統(tǒng)具有人性化的界面。 2、由于它使用的數(shù)據(jù)庫具有高度的靈活性，及模具制造行業(yè)有自己的標準，可以自定義數(shù)據(jù)庫以滿足他們的需求。 3、 由于預定的標準化模板在模具組件的設計的布局設計水平是可用的，所需的布局結構可以非常迅速地加載到模具組件的設計，而不需要重新設計布局。 4、本系統(tǒng)使產(chǎn)品設計師和模具設計人員在模具制造前有更多有用的技術討論，在討論過程中，可以立即進行布局。 5、該系統(tǒng)在模具設計過程中節(jié)省時間，因為它能消除多余的工作。 因為模具制造行業(yè)非常重要的模具制造的交貨時間減少了。 所開發(fā)的系統(tǒng)具有一定的局限性。雖然數(shù)據(jù)庫和布局設計表可定制，定制化將是更加復雜更加困難的非標準配置，因為正確的幾何參數(shù)必須確定。目前我們正在應用模具設計中其他組件的標準化模板。 摘 要 塑料注塑成型是廣泛用于制造各種零件。成型條件或工藝參數(shù)對塑料制品的質(zhì)量和生產(chǎn)率起著決定性的作用。這項工作回顧了國家的最先進的注塑成型工藝參數(shù)優(yōu)化。 響應面模型、 克立格模型、 人工神經(jīng)網(wǎng)絡、 遺傳算法等特點、 優(yōu)點、 缺點和適用范圍的所有常見的優(yōu)化方法和混合方法得到解決。此外，對于注塑成型過程參數(shù)的基于仿真的優(yōu)化，包括直接優(yōu)化和元建模優(yōu)化兩個通用框架，提出的建議的范例。案例研究說明，以證明實施的建議框架，并比較這些優(yōu)化方法。兩個案例研究都說明證明建議框架的執(zhí)行，比較這些優(yōu)化方法。這項工作作為一項貢獻旨在促進塑料注塑成型工藝參數(shù)的優(yōu)化。 關鍵詞：注塑成型;工藝參數(shù)優(yōu)化;優(yōu)化方法;基于仿真的優(yōu)化 1 簡介 成型條件或工藝參數(shù)對塑料注塑成型起重要作用。成型零件的質(zhì)量包括強度、 翹曲變形和殘余應力，在被處理的條件下影響較大。成型條件也影響到成型過程的工作效率、 循環(huán)時間，并在模制工藝的能量消耗。成型條件與材料、零件設計、模具等因素有著密切的關系，決定了塑料制品的質(zhì)量。成型條件包括以下重要參數(shù)[ 1 ]：熔體溫度，模具溫度，填充時間，保壓時間和保壓壓力。 一個給定的模制零件的質(zhì)量不僅取決于塑料材料的性能，也取決于工藝參數(shù)。優(yōu)化工藝參數(shù)減少周期時間，提高產(chǎn)品質(zhì)量。在實踐中，設置工藝參數(shù)主要是基于塑料工程師的經(jīng)驗。此方法并不總是能確保適當?shù)墓に噮?shù)的值。由于塑料具有復雜的熱粘彈性性質(zhì)，設置一個適當?shù)某尚蜅l件，獲得所需的產(chǎn)品質(zhì)量是一個挑戰(zhàn)。其結果是，過程參數(shù)通常是從手工書籍中選擇，然后由試錯法實驗隨后進行調(diào)整 。可以看出，試驗和錯誤的方法是昂貴和耗時的。 對于分析方法，已經(jīng)開發(fā)了一些數(shù)學方程，用于導出適當?shù)淖⑺艹尚凸に噮?shù)[ 2 ]。然而，由于注射過程的復雜性和許多簡化所涉及的分析方程，它們一般不符合可靠的解決方案。因此，許多研究人員已經(jīng)作出很大努力，尋找優(yōu)化成型工藝參數(shù)的方法。 雖然有相當多的專注于注塑成型工藝參數(shù)優(yōu)化的出版物，其中一些聽起來學術仍然很難應用到實踐中。此外，有關的應用程序的長處和優(yōu)化的缺點，以及審查，沒有進行比較評估。優(yōu)化方法的選擇主要取決于經(jīng)驗和每一位作者的主觀選擇。因此，分析的特性和存在的優(yōu)化方法范圍是應用的一項重大任務。此外，有必要找到適當?shù)囊话憧蚣?，便利的注射成型工藝參?shù)優(yōu)化 。 2 理論背景及概況注塑成型工藝參數(shù)優(yōu)化 2.1 優(yōu)化技術 如果我們對數(shù)值優(yōu)化技術分類，這基于提高每次迭代后設計點的途徑，有三種優(yōu)化技術： 基于非梯度、 基于梯度和混合優(yōu)化技術。他們是簡要描述如下 ︰ 非基于梯度的優(yōu)化技術不要求目標函數(shù)f（x）中，必須是可微的，因為算法不使用f（x）的衍生物。非基于梯度的優(yōu)化技術的實例是自適應模擬退火算法，胡克吉福斯的直接搜索和遺傳算法（GA）。這些優(yōu)化技術往往達到全局最優(yōu)，但需要功能評估的數(shù)量巨大。 遺傳算法是一種著名的非基于梯度的優(yōu)化技術。它是一種隨機搜索或模仿達爾文的生物進化理論的優(yōu)化算法。 基于梯度的技術由通過在當前點函數(shù)的梯度定義搜索方向。在實踐中，有很多各種各樣的基于梯度的優(yōu)化技術，如用廣義簡約的梯度，共軛梯度法、可行方向法、 混合整數(shù)優(yōu)化序列線性規(guī)劃法、 序列二次規(guī)劃算法和戴維登— 弗萊徹-鮑威爾?；谔荻鹊募夹g，在一般情況下，給出一個快速收斂，但它們可能需要長時間運行時變量數(shù)目的增加?；谔荻鹊募夹g也可以得到高非線性優(yōu)化問題的局部極值的風險。 混合優(yōu)化技術，采用兩種非梯度和基于梯度的技術相結合，隨后以便采取單一的優(yōu)化技術的的優(yōu)點和減少缺點。提出所有這些優(yōu)化技術是超出了本文的范圍。 2.2 常用的優(yōu)化方法 在本文中使用的優(yōu)化方法術語是指明確的目標函數(shù)是否被制訂。基于仿真優(yōu)化的目標函數(shù)往往是隱式方程的形式。目標函數(shù)的值是未知的直到得到仿真結果。但是也有兩種方法用于解決一些優(yōu)化問題包括如圖1所示的直接優(yōu)化和基于元模型的優(yōu)化方法。這兩種優(yōu)化方法的詳細信息如下所述。 2.2.1直接優(yōu)化方法 直接數(shù)值優(yōu)化是明確的目標函數(shù)并不需要的方法。既基于梯度的優(yōu)化技術和非基于梯度的優(yōu)化技術可以應用來解決最優(yōu)化問題。有時，直接優(yōu)化方法結合遺傳算法和其他優(yōu)化技術。眾所周知，遺傳算法往往達到一個全局極值，但這種方法需要大量的功能評價。相反，基于梯度的方法能夠有效的保證局部極值。如果將這兩種算法結合作為一個混合系統(tǒng)，它們可以增強優(yōu)勢，消除劣勢。 2.2.2基于元模型的優(yōu)化方法 基于元模型的優(yōu)化方法是一種目標函數(shù)經(jīng)常近似成低階多項式的顯式形式與可接受的精度的方法。一旦該元模型數(shù)學上呈現(xiàn)誤差最小過程，優(yōu)化問題很容易通過應用適當?shù)膬?yōu)化技術解決。相比于直接優(yōu)化，基于元模型的優(yōu)化方法更為廣泛被采用。常見的元模型的響應曲面法 (RSM)、人工神經(jīng)網(wǎng)絡 (ANN)、徑向基函數(shù) (RBF)、克里格法和混合模式。基于計算機的工程設計和優(yōu)化的建模技術的審查可以在辛普森[3] 與王和山 [4] 等人的工作調(diào)查發(fā)現(xiàn) 。這種優(yōu)化方法有一些好處，例如容易連接到仿真程序，來呈現(xiàn)視圖的整個設計空間，以及計算效率所稱的 Papalambros[5]、Wang 和Shan [4],以及 Park 和 Dang [6]. 2.3 注塑成型工藝參數(shù)優(yōu)化研究 直接優(yōu)化法在注塑成型中不常使用。這種方法需要一個復雜的集成仿真工具和優(yōu)化代碼。有幾個作者已經(jīng)使用這種方法，Lam等。[ 7 ]提出了一種用于注塑成型條件優(yōu)化的遺傳算法/梯度混合方法。遺傳算法的優(yōu)化方法需要大量的功能評價或大量的模擬周期。并行計算可以減少一些計算機同時運行的仿真時間。Wu等。采用了一種增強遺傳算法，稱為分布式多群體遺傳算法。他們的方法結合優(yōu)化算法和商業(yè) Moldflow 軟件基于優(yōu)勢關系的約束處理技術--主從分布式體系結構 [8]。直接優(yōu)化方法，也可以僅基于梯度的優(yōu)化技術進行。這種方法有時收斂迅速時優(yōu)化問題是低非線性。 基于元模型的優(yōu)化方法被廣泛應用在注塑成型。最常見元建模技術，例如RSM，人工神經(jīng)網(wǎng)絡，RBF和克里格模型的應用。基于元模型的優(yōu)化方法的應用取決于特定情況下使用，是研究人員的首選。以下是在文獻中出現(xiàn)在塑料注塑成型的領域常見的優(yōu)化方法。 2.3.1RSM 模型 RSM 是經(jīng)常表示的輸入與輸出之間的關系的建模技術之一的二次多項式形式。雖然這是一種傳統(tǒng)方法，但由于其成熟和易用性，它廣泛被許多作者使用。這種方法的正交陣列通常用作實驗設計 (DOE)。RSM 與遺傳算法優(yōu)化算法結合使用，以盡量減少翹曲變形、 縮痕或收縮 [9-13]。事實上，我們可以使用任何優(yōu)化技術來解決 RSM 模型表示的優(yōu)化問題。然而，大部份的作者采用遺傳算法，因為他們認為遺傳算法是一種全局優(yōu)化。遺傳算法可以避免陷入局部極值。其他作者使用的 RSM 結合基于梯度的優(yōu)化技術或他們應用 RSM 預測工藝參數(shù)對成型零件 [11，14-17] 的質(zhì)量影響。 2.3.2人工神經(jīng)網(wǎng)絡模型 人工神經(jīng)網(wǎng)絡是模仿人類大腦的功能的一些基本方面的一種新興方法，因為神經(jīng)網(wǎng)絡是一個通過函數(shù)逼近預測的高非線性響應的有力工具。有很多作者都用人工神經(jīng)網(wǎng)絡作為預測模型，展示了工藝參數(shù)和質(zhì)量指標之間的關系。Kwak 等人 [18]、 Yarlagadda 和 Teck Khong [19] 和 Yarlagadda [20] 指出利用CAE 分析提取神經(jīng)網(wǎng)絡預測學習數(shù)據(jù)與實驗結果吻合。Kenig 等人 [21]、Mok 和 Kwong [22]、Chen 等人 [23]和 Altan [24]聲稱的神經(jīng)網(wǎng)絡模型可以準確地預測產(chǎn)品的質(zhì)量，這種方法是質(zhì)量標準預測 （收縮、重量或拉伸強度） 可用和有效工具。人工神經(jīng)網(wǎng)絡被認為是一種強大的模型預測工藝參數(shù)與注塑件的質(zhì)量之間的關系。工藝參數(shù)優(yōu)化可以基于此的近似關系來進行。 人工神經(jīng)網(wǎng)絡模型是首選與遺傳算法優(yōu)化技術結合使用。Shen等[25]利用人工神經(jīng)網(wǎng)絡和遺傳算法相結合的方法優(yōu)化注塑成型工藝參數(shù)。Chen等人[26,27]通過人工神經(jīng)網(wǎng)絡和遺傳算法軟計算的多輸入多輸出（MIMO）和多輸入單輸出（MISO）優(yōu)化注塑工藝參數(shù)。 Ozcelik和Erzurumlu [28]采用方差分析比較在注塑翹曲優(yōu)化。其他作者[29-34]也使用神經(jīng)網(wǎng)絡和遺傳算法優(yōu)化注塑成型工藝參數(shù)，以提高注塑件的質(zhì)量。這些作者大多數(shù)的結論是，神經(jīng)網(wǎng)絡和遺傳算法混合策略是一種可靠的方法。然而，其中絕大多數(shù)是沒有提到選擇實驗的方法和用于獲取人工神經(jīng)網(wǎng)絡模型的訓練數(shù)據(jù)的次數(shù)。在大多數(shù)的研究中輸入?yún)?shù)的數(shù)目從4變化到6不等，但實驗變化的數(shù)量在一大范圍內(nèi)（從27 [28]到 252 [25]）。很顯然，如果實驗次數(shù)過高時，模擬或物理實驗成本是非常高的。 2.3.3克里格模型 克里格被認為是一種確定性和高非線性合適的工藝參數(shù)的數(shù)量適中的元模型[3,35]。然而，因為它的復雜性或與RSM比較在注塑領域的聲譽，這種方法對研究人員具有低的吸引力。很少有研究使用克里格方法。Gao 和 Wang[36,37]推出了基于克里格模型的注塑成型的有效的翹曲優(yōu)化方法。 2.3.4徑向基函數(shù)網(wǎng)絡模型 徑向基函數(shù)也是一種常見元模型，但與其他型號相比在工藝參數(shù)沒有被廣泛使用。 Li等人。應用了徑向基函數(shù)來優(yōu)化注塑過程[38]的填料輪廓。他們使用基于梯度的優(yōu)化算法即序列二次規(guī)劃。拉丁超立方體采樣技術被用于DOE。該技術為設計者提供了一個自由選擇試驗的次數(shù)。 雖然大量的工作致力于工藝參數(shù)優(yōu)化，仍有一些可以考慮問題。許多方法的存在表明注塑成型工藝參數(shù)的優(yōu)化是相當復雜和多樣化的。復雜的程度取決于優(yōu)化目標，成型零件的幾何形狀，材料，和設計變量的數(shù)目。此外，優(yōu)化技術和優(yōu)化方法的選擇主要取決于研究者的經(jīng)驗和主觀選擇。在文獻中，沒有任何用于優(yōu)化注塑工藝參數(shù)的準則或推廣優(yōu)化方法。因此，對適用于注塑成型的基于仿真優(yōu)化的一般框架提出了為便于加快設計和優(yōu)化的過程。 3 擬議框架的成型參數(shù)優(yōu)化 3.1 利用直接數(shù)值優(yōu)化模型優(yōu)化注塑參數(shù)的方法 用直接數(shù)值優(yōu)化模型優(yōu)化成型參數(shù)框架，包括自動化的模擬和直接基于仿真的優(yōu)化原理圖程序的框架。優(yōu)化過程基于直接數(shù)值優(yōu)化方法?；谔荻群头翘荻然诘膬?yōu)化技術可以用來找到最佳的解決方案。數(shù)值優(yōu)化是搜索過程的優(yōu)化，循環(huán)終止時達到收斂 （找到最佳解決辦法），或終止條件處于活動狀態(tài)。CAE 仿真計算成本通常是昂貴的龐大而復雜的零件，因此共同的終止準則是模擬的預定義的最大數(shù)目。 用直接數(shù)值優(yōu)化模型的基于仿真優(yōu)化的過程應該是自動加速優(yōu)化進程。在圖 2 中，提出了應用于直接的數(shù)值優(yōu)化方法的自動化仿真框架。這個框架包括兩個組件 ︰ 優(yōu)化器和 CAE （計算機輔助工程） 組件。仿真得到的結果與 CAE 組件是直接發(fā)送到優(yōu)化程序。隨后，優(yōu)化器評估結果并修改基于選定的優(yōu)化技術每個迭代的輸入?yún)?shù) （設計變量）。如果使用基于梯度的優(yōu)化技術，有限差分法被應用來確定的梯度和搜索的方向。如果選擇了基于非梯度的優(yōu)化技術，例如遺傳算法，設計變量根據(jù)此優(yōu)化技術的策略被修改。這一框架中的所有任務都是完全自動化，無需用戶（即設計師）介入優(yōu)化過程中的任何階段。 若要生成的擬議的框架，就必須有兩個工具 ︰ 塑料注塑成型模擬工具 （CAE 軟件） 和編程的工具 （或集成軟件），兩個工具用來連接，解決優(yōu)化問題。實施軟件的選擇取決于可用的工具和設計師的個人選擇。他們可以使用任何標準的編程語言，例如 Visual Basic，Visual C、 MATLAB 或過程集成與設計優(yōu)化工具，如 iSight 和 PIAnO 等優(yōu)化程序和CAE組件連接，控制一體化循環(huán)，并解決優(yōu)化問題。 如何優(yōu)化器組件中所提議的框架的工作也很重要。優(yōu)化注塑工藝參數(shù)直接基于仿真優(yōu)化結合的示意圖過程，如圖 3 所述。首先，確定目標函數(shù)如翹曲變形、收縮或殘余應力。其次，設計師標識的設計變量，如熔體溫度 (Ti)，模具溫度 (Tm)，填充時間 (ti)、 保壓時間 (tp) 和保壓壓力 (Pp) 和約束。約束通常是設計變量和相關規(guī)格 注塑機的某些邊界條件的范圍。第三，進行模擬，為了獲得目標函數(shù)值。評價仿真結果、 修改設計變量，在圖 3 中，運行模擬循環(huán)終止時符合終止準則或優(yōu)化過程的收斂。最后，優(yōu)化搜索后得到最優(yōu)解。 “最優(yōu)解”的質(zhì)量取決于一些因素，其中數(shù)值搜索的初始起點是很重要的。有時迭代的數(shù)目取決于任意一個初始起點。然而，沒有人知道當他開始搜索過程什么是最好的初始點。另一個問題是，達到局部最優(yōu)時，采用的基于梯度的優(yōu)化技術可以達到全局最優(yōu)解。當輸出的響應行為是高非線性，優(yōu)化過程可能會陷入局部最優(yōu)。此外，如果設計變量數(shù)目的增加，直接優(yōu)化方法需要大量的迭代和仿真的總成本可能很高。假設流動和翹曲變形仿真花一個小時，經(jīng)過 240 次迭代終止后，它需要 10 天完成優(yōu)化過程。這些問題是直接基于仿真優(yōu)化方法的缺點。 使用直接數(shù)值優(yōu)化模型優(yōu)化成型工藝參數(shù)優(yōu)化方法適用于具有低成本的仿真問題。高性能計算機現(xiàn)在可以促進這種優(yōu)化方法的應用。此外，混合優(yōu)化技術相結合非基于梯度和基于梯度的算法可以保證有中等數(shù)量的模擬高非線性問題的全局最優(yōu)解。 3.2 使用元模型優(yōu)化成型參數(shù)的優(yōu)化方法 使用基于元模型的優(yōu)化注塑參數(shù)的優(yōu)化框架由兩個組件組成 ︰ CAE 組件和集成控制器，如圖 4 所示。CAE 組件負責模擬和計算目標函數(shù)的值。集成控制器讀取從 CAE 模擬獲得的結果，并將它們存儲在輸出文件中， 控制模擬的次數(shù)和組織的每個運行的基于選定的DOE 技術的工藝參數(shù)組合。模擬的數(shù)量是由某些DOE戰(zhàn)略預先決定的。框架中的所有任務都應自動使用應用程序編程接口 (API) 語言。最后仿真完畢后，建立一個明確的方程形式的元模型，和我們可以優(yōu)化基于元模型的工藝參數(shù)。 在圖 5 中介紹了基于仿真的建模技術結合示意圖過程，元模型類型的選擇應該是精心設計。最受歡迎的元模型是 RSM、 神經(jīng)網(wǎng)絡、 RBF 和克立格法的模型。二階 RSM 適用于低或中度的非線性響應。與其他型號相比它需要較少數(shù)量的模擬。徑向基函數(shù)、 人工神經(jīng)網(wǎng)絡和克里格模型有別于 RSM 和 RBF，因為它們插的樣本數(shù)據(jù)點，且它們響應面法是不像那些 RSM 一樣平整。徑向基函數(shù)、人工神經(jīng)網(wǎng)絡 、克里格模型適合高的非線性問題，但是它們需要一套適當?shù)膶嶒灮蚰M所得的樣本數(shù)據(jù)。 選擇元模型類型后，DOE或空間采樣技術是使用基于元模型的優(yōu)化方法時的重要一步。常見的DOE或空間采樣技術包括全因子，D-優(yōu)化設計，中心組合設計，正交陣列，拉丁超立方，以及最佳拉丁超立方。選擇正確的采樣技術可以從 Wang和Shan [4]的工作中參考。運行后根據(jù)DOE戰(zhàn)略模擬的預定數(shù)量后，執(zhí)行近似過程，然后構建該元模型。精度或元模型的擬合優(yōu)度往往是由四個錯誤的措施進行評估：平均絕對誤差，最大誤差，均方根誤差，和R平方。如果該元模型是足夠的接著執(zhí)行基于該模型的優(yōu)化過程。否則，它有必要改善或改變的元模型的類型。任何優(yōu)化技術（基于梯度的優(yōu)化技術或者非基于梯度的優(yōu)化技術）可被用于解決優(yōu)化問題。由于目標和約束函數(shù)是明確方程的形式，優(yōu)化了計算成本，則忽略了總模擬成本。 因為元建模技術是一種近似的技術，回歸模型之間的預測值有誤差，并通過仿真和實驗獲得了在“最優(yōu)點”的真值。因此，需要評估最優(yōu)設計點 。這是基于直接仿真的優(yōu)化方法和基于元模型優(yōu)化方法之間的顯著差異。如果在最優(yōu)點之間的預測值和實際值之間的誤差是可以接受的，優(yōu)化過程可以成功完成?；谠Ｐ蛢?yōu)化方法的優(yōu)點是設計者可以主動選擇試驗或模擬數(shù)字。對于復雜的大型零部件與存在許多元素的成型工藝參數(shù)時，這個優(yōu)點是非常重要的。 比較提出的兩種優(yōu)化方法的模擬成本、迭代次數(shù)或響應非線性、仿真時間、成型零件幾何形狀、優(yōu)化結果的準確性，總結在表 1 中，作為選擇適當優(yōu)化框架的指導方針。 4 案例研究 若要表明建議的優(yōu)化框架的可行性，實現(xiàn)兩個應用實例。本部分還探討了一些優(yōu)化方法的特點。 4.1 案例研究1︰高度非線性響應問題 成型的零件如圖 6 所示的托盤是由聚丙烯材料制成。我們使用Moldflow 軟件模擬流動和翹曲變形 。成型的零件是由 CAD 軟件建模，導入到 Moldflow 環(huán)境，并與三角形單元網(wǎng)絡劃分。API 程序進行編碼以便自動執(zhí)行仿真任務。優(yōu)化控制器和流動模擬之間的集成是使用 iSight 軟件來實現(xiàn)的。 問題在于找到包括模具溫度 (Tm) ，熔體溫度 (Ti)，注射時間 (ti)，保壓壓力 (Pp)、 及保壓時間 (tp) 的的五個重要工藝參數(shù)的最佳值。這些參數(shù)的值范圍是從由塑料制造商規(guī)定的推薦范圍確定的(表 2) 。 一個局部最優(yōu)。 該優(yōu)化問題如下所述： 翹曲： 符合以下條件： 前面提到的兩個優(yōu)化方法，包括基于梯度的，非梯度的，和采用混合優(yōu)化技術。第一種方法采用間接的或基于元模型的優(yōu)化方法包括RSM，RBF，和 ANN。第二種方法適用于直接優(yōu)化方法，包括遺傳算法，基于梯度的優(yōu)化技術，遺傳算法和基于梯度的優(yōu)化技術的混合。 基于梯度的優(yōu)化，首先，RSM 元模型由 L36 正交陣列用的 36個實驗數(shù)值。RSM 模型很好的預測適應圖中顯示的的冷卻時間 （= 1.0）;然而，翹曲變形響應太低 (= 0.62，見圖 7)。R 2 的翹曲變形的響應低值是由低剛度引起的翹曲變形高度非線性行為和成型零件拐角效應引起的。因此，對于本例元模型RSM方法是不足的。 RBF隨后被用來代替RSM模型。RBF 的R的平方值高于 RSM (0.72 相比于 0.62，圖 7 和圖 8) 因為 RBF 模型可以更好地適合非線性。在此示例中還應用人工神經(jīng)網(wǎng)絡模型。人工神經(jīng)網(wǎng)絡模型的質(zhì)量取決于訓練數(shù)據(jù)集的質(zhì)量。在這個案例中，訓練數(shù)據(jù)集是由拉丁超立方技術進行采樣的 60 個設計要點。標記（1）和（2）在 表 2 中顯示了RBF和ANN方法的優(yōu)化結果。 基于直接仿真優(yōu)化方法進行基于非梯度遺傳算法，基于梯度混合優(yōu)化技術?；诜翘荻鹊?GA 方法給出了比較顯著的結果，一般情況下，因為它給出了考慮輸出的低值 (2.93 毫米的翹曲變形和 11.7 s 的冷卻時間)。使用直接遺傳算法優(yōu)化方法的優(yōu)化過程的歷程如圖 9 所示。然而，由于每個模擬的計算成本和預算的時間，因此在本案例研究中模擬次數(shù)預定值被局限在200次運行。因此，真正最優(yōu)點并不總能保證。有證據(jù)表明，遺傳算法的目標函數(shù)的值是2.93，同時應用梯度的優(yōu)化方法時，此值仍在繼續(xù)提高（2.93相比2.72，表2）。尋找到基于梯度的優(yōu)化方法的最優(yōu)點的起始點是通過遺傳算法獲得的最優(yōu)點。 當我們采用的直接基于梯度的優(yōu)化方法，使用序列二次規(guī)劃，收斂速度非?？?，只經(jīng)過50次迭代。然而，最優(yōu)的結果是比其他方法差。證據(jù)是翹曲值為3.54毫米。使用直接基于梯度的優(yōu)化方法的優(yōu)化過程的歷程如圖10所示。嘗試其他的起始點可能會提高最終的優(yōu)化結果，但模擬成本將增加。 該優(yōu)化方法的有效性取決于模擬次數(shù)和最優(yōu)點保真度的。表 3 比較了模擬優(yōu)化方法已經(jīng)使用的次數(shù)。直接的遺傳優(yōu)化方法與其他方法相比需要大量的仿真結果。粗糙的遺傳算法和基于梯度的精確搜索組合擁有中等數(shù)量的模擬給出了最好的最優(yōu)解。基于梯度的方法需要迭代次數(shù)較少，但他們?nèi)菀紫萑刖植繕O小值。RBF和基于神經(jīng)網(wǎng)絡元模型的優(yōu)化方法減少模擬的數(shù)量;然而，在優(yōu)化點誤差高。我們發(fā)現(xiàn)，使用粗糙的遺傳算法搜索之后，一種基于梯度的優(yōu)化技術是個不錯的選擇，以確保預期的最佳點的高非線性響應問題。 4.2 案例2：低非線性響應問題 本案例研究調(diào)查所提出的優(yōu)化方法，當目標函數(shù)的行為是低非線性時，多目標優(yōu)化被認為是代替單一目標優(yōu)化。翹曲，冷卻時間，和殘余應力同時達到最小。 成型零件如圖11所示是厚度為2.5毫米的深盤。由于成型零件的幾何，翹曲變形的響應是一個低非線性函數(shù)。成型材料是聚丙烯，和模具材料是P20鋼。注塑機是注塑成型軟件數(shù)據(jù)庫中選擇一個默認的機器。五個設計變量和它們的范圍如表4所示。 該優(yōu)化問題如下所述： 翹曲： 符合以下條件： 為了解決上述的優(yōu)化問題，應用了基于元模型的優(yōu)化方法。進行基于 L81 正交DOE 試驗法八十一個實驗。兩個 RSM 和 RBF的元模型用于近似的輸入和輸出之間的關系。圖 12 所示適應性響應，包括冷卻時間和翹曲變形的R平方值接近于 1。RSM 和 RBF 元模型的保真度是足夠的，因此這些數(shù)學模型較好地捕捉響應行為。 序列二次規(guī)劃（SQP）算法應用于已經(jīng)建模后的近似目標函數(shù)，解決了多目標優(yōu)化問題。設計變量和目標函數(shù)的歷程如圖13中所述，優(yōu)化結果如表5所示。工藝參數(shù)的最優(yōu)值趨向于其變量，當模具溫度和熔體溫度達到最小值時，冷卻時間最少。翹曲減少保壓時間增加時。表5顯示了在其最佳設計點的預測值和兩個RSM的和RBF元模型之間實際值的相對誤差。驗證結果表明，相對誤差是非常小的。因此，這些模型的保真度高，以及優(yōu)化結果是可靠的。 可以看到，我們通過元模型與 81 個實驗數(shù)值可以捕捉翹曲變形、冷卻時間和工藝參數(shù)的關系。相比于直接遺傳算法或直接混合優(yōu)化方法，計算成本或模擬次數(shù)減少。因為它需要 155 個SQP 算法收斂解決案例 2 中研究的多目標優(yōu)化的運行，所以模擬次數(shù)肯定低于直接基于梯度的優(yōu)化方法。這個案例研究中，可以作一些評論。當工藝參數(shù)與響應之間的關系是低非線性的，使用 RSM 和 RBF 模型是優(yōu)化的有效途徑。RSM 和徑向基函數(shù)給出了相同的優(yōu)化結果。這斷言應用于低非線性優(yōu)化問題的元模型的保真度。因此，在這種情況下直接優(yōu)化和其他長期優(yōu)化的方法沒有調(diào)查研究。 5 結論 本文回顧了國家的最先進的注塑成型工藝參數(shù)優(yōu)化。存在的成型參數(shù)優(yōu)化的方法和技術表明沒有完善的方法來解決所有的優(yōu)化問題。然而，可以推廣可用的框架和適當?shù)闹笇Х结?，促進注塑設計的優(yōu)化過程。我們介紹了兩種可靠的一般優(yōu)化的框架，包括直接的數(shù)值優(yōu)化和基于元模型優(yōu)化的成型工藝參數(shù)優(yōu)化。建議的框架是系統(tǒng)的、一般的，但非常靈活。優(yōu)化方法、元模型、優(yōu)化技術的選擇取決于成型零件、經(jīng)驗、習慣和設計師可用的工具。 在這項工作中所提出的優(yōu)化方法可以被認為是用于在注射模制應用到基于仿真的優(yōu)化所有優(yōu)化方法的范例。即加速優(yōu)化過程，無縫的集成框架的CAE仿真工具注塑和優(yōu)化進行了系統(tǒng)的介紹。自動進行優(yōu)化的過程。其結果是，使用那些在足夠的優(yōu)化方法結合的綜合工具加快成型設計過程，并保證成型零件的質(zhì)量。 通過對優(yōu)化方法的優(yōu)缺點、應用范圍以及典型案例研究所取得的成果進行分析，得出了直接遺傳優(yōu)化方法是低成本或簡單成型的問題的最佳選擇。針對低非線性問題，提出了一種基于梯度的優(yōu)化方法?；趦?yōu)化模型適合于各種低非線性行為問題，無論是單或多目標優(yōu)化。在復雜的成型零件具有較高的非線性響應的情況下，增加實驗數(shù)量和使用適合的元模型可以很好的解決。基于混合遺傳算法和梯度算法的直接優(yōu)化算法是另一種選擇。 雖然對注射成型參數(shù)優(yōu)化的研究進行了許多努力，這項工作主要集中于基于仿真的優(yōu)化。然而，由于仿真技術的局限性以及它們的簡化和逼近誤差，仿真和物理實驗有一個差距。因此，基于仿真的優(yōu)化結果可以作為一個參考數(shù)據(jù)，和它應該驗證在實際注塑成型。此外，一些新的優(yōu)化技術將應用和驗證提出的優(yōu)化框架的結合。更多案例研究復雜的成型零件和對注塑成型工藝參數(shù)優(yōu)化進行調(diào)查，以獲得更具體的準則。 6 致謝 這項工作是由蔚山大學（2011）和芽莊大學（2012）支持。