收藏我们   ENGLISH  
客服QQ
  点击这里给我发消息505255386
微信
  微信公共号
关键词查询
范围:  
提 交
《工程塑料应用》 2020年第07期
DOI:10.3969/j.issn.1001-3539.2020.07.011
精密光学透镜注射压缩成型多质量目标优化
刘军辉12,陈新度2
1.河源职业技术学院机电工程学院,广东河源 517000; 2.广东工业大学,广东省微纳制造重点实验室,广州 510006 
Multi-objective Optimization of Injection Compression Molding for Precision Optical Lens
Liu Junhui 1 2, Chen Xindu2
1. Mechanical and Electrical Engineering Institute, Heyuan Polytechnic, Heyuan 517000, China; 2.Provincial Key Laboratory of Micro-nano Manufacturing, Guangdong University of Technology, Guangzhou 510006, China 
摘要:为了提升精密光学透镜的综合质量,以粗糙度Ra与双折射数值φ为优化目标进行研究。首先针对传统的注射压缩模具结构缺陷,提出一种具有自动校准功能的注射压缩结构,之后以此为试验模具,提出一种包含BPNN建模、多目标优化智能算法NSGA-Ⅱ和试验验证的综合质量优化方法,以BPNN模型建立工艺参数与质量目标之间的关系,并以此作为NSGA-Ⅱ的适应度函数进行运算。试验结果表明,Ra和φ的BPNN模型具有很高的预测精度,其决定系数(R2)分别为0.97和0.94;通过对Pareto最优解与试验结果进行对比,2个质量目标的平均预测偏差都小于10%,优化预测与试验结果具有高度一致性,能够对产品的质量进行综合优化。  
Abstract:In order to improve the comprehensive quality of the precision optical lens, the roughness Ra and the birefringence φ were taken as the optimization objectives. Firstly, aiming at the defects of traditional injection compression mold structure, a kind of injection compression structure with automatic calibration function was proposed. Then, a comprehensive optimization method including BPNN modeling, multi-objective optimization intelligent algorithm NSGA-II and test verification was proposed. The BPNN models were used to establish the relationship between process parameters and objectives, which were used as the fitness function of NSGA-Ⅱ. The experimental results show that the BPNN models of Ra and φ have a high prediction accuracy, coefficient of determination(R2) of which are 0.97 and 0.94 respectively. Through the comparison of Pareto optimal solution and test results, the average prediction deviation of the two objectives are less than 10%. The optimization prediction is highly consistent with the test results, which can comprehensively optimize the product quality.  
关键词:注射压缩成型;精密光学透镜;多目标优化;NSGA-Ⅱ算法;BP神经网络 
Keywords:injection compression molding; precision optical lens; multi-objective optimization; NSGA-Ⅱalgorithm; BP neural network 
基金:广东省特色创新项目(2018GKTSCX073),广东省科技计划项目(2017B090921007) 
本文引用格式:
刘军辉,陈新度.精密光学透镜注射压缩成型多质量目标优化[J].工程塑料应用,2020,48(7):56-60.
Liu Junhui,Chen Xindu. Multi-objective optimization of injection compression molding for precision optical Lens[J]. Engineering Plastics Application,2020,48(7):56-60. 

原文:
论文未上传  
相似文章:
  基于最优拉丁超立方抽样方法和NSGA-II算法的注射成型多目标优化
2020年第03期
  基于BP神经网络识别汽车前保险杠方法
2018年第06期
  基于BP神经网络和遗传算法的机箱壳注塑工艺参数多目标优化
2018年第03期
  基于连续Hopfield网络模型的挡泥板成型工艺
2018年第02期
  车用CD托架CAE注塑工艺参数优化分析
2016年第07期
  多目标质量压气机实验叶片注射成型工艺参数优化
2016年第01期
  基于KPCA与MPSO-BP注射成型工艺参数优化
2015年第12期
  基于BP神经网络的套筒式串联推力轴承组均载性能及承载能力细化研究
2012年第07期
  Moldflow在注射压缩成型中的应用
2012年第03期
  基于Moldflow和BP神经网络的超薄塑料制品流程长度预测
2011年第02期
《工程塑料应用》杂志社 版权所有,未经授权禁止复制或者建立镜像
地址:山东省济南市天桥区田庄东路3号 邮编:250031
电话:0531-85878057 85878223 85878278 传真:0531-85947355
鲁ICP备05018524号-5