基于神经网络与遗传算法的短纤维复合材料注塑成型参数优化研究

收缩是衡量制品质量的一个重要指标。本研究提出了将神经网络和遗传算法相结合的方法用于短纤维复合材料注塑制品体积收缩率优化的思路;并以体积收缩率为目标函数,以纤维长径比、纤维含量、模具温度、熔体温度、保压时间、保压压力等参数为设计变量,寻求体积收缩率最小化。基于正交试验设计,利用Moldflow软件对短纤维增强复合材料注塑成型进行数值模拟。在模拟结果的基础上,应用神经网络构建各参数与收缩率的关系模型,并通过遗传算法优化参数,得出最优参数组合。根据优化参数对一制品进行验证,减小了制品体积收缩率。