下载文档原格式
塑料模成形件结构与尺寸设计一、结构设计1.模具尺寸：模具尺寸的设计应考虑到产品的尺寸要求以及塑料材料的收缩率。
通常情况下，模具尺寸要比最终成型产品的尺寸大一些，根据不同的塑料材料，收缩率的大小也不同，一般在0.1%~2%之间。
2.分模方式：根据产品的外形和要求，选择合适的分模方式。
常见的分模方式有上模固定，下模活动、上模活动，下模固定，左右分模等。
分模方式要考虑到产品的形状、制造难度、模具结构以及成本等因素，力求分模平稳、生产效率高。
3.冷却系统：模具中的冷却系统对于塑料制品的质量和生产效率有很大的影响，应合理设计冷却水道的布置和尺寸。
冷却水道应尽可能地接近产品轮廓，以提高冷却效果。
同时，还要注意避免冷却不均匀导致的变形和缩短冷却时间，提高生产效率。
4.排气系统：在模具设计过程中，应考虑到塑料材料在模具中的充填和冷却过程中产生的气体需要及时排出。
排气系统的设计要尽可能地避免气泡和短针等缺陷的产生，提高产品质量。
5.料斗设计：料斗设计应合理布置料斗和喷嘴的位置，保证塑料材料均匀流入料斗中，避免堵料和喷嘴处的气泡产生。
同时，还要考虑到料斗与模具的连接方式，方便拆卸和清洁。
二、尺寸设计1.壁厚设计：产品的壁厚直接影响到成型产品的质量和性能。
壁厚过大会导致成型缩短和变形，壁厚过薄会导致产品强度不足。
在设计过程中，应根据产品的用途和要求，合理控制壁厚，提高产品的质量。
2.锁模力设计：锁模力是模具分模过程中所需的力量，应根据产品的大小、结构和材料的性质来确定。
锁模力过大会增加设备的负荷，锁模力过小会导致模具分模不完全。
3.滑动件设计：针对有滑动结构的成型件，应合理设计滑块的位置和形状，保证滑块流动灵活，防止在使用过程中卡死或损坏。
同时，在设计过程中要注意滑动件与模具的配合尺寸，以确保分模顺利。
4.拉伸设计：对于有需求的拉伸结构的成型件，应合理设置拉伸杆的位置和形状，保证拉伸过程平稳，防止拉伸不均匀导致的变形或拉断现象的发生。
塑料模具收缩率表一、引言在塑料模具的制造过程中，收缩率是一个非常重要的参数。
塑料模具收缩率表是用来指导模具制造过程中的尺寸设计和修正的参考依据。
本文将围绕塑料模具收缩率表展开讨论，介绍塑料模具收缩率的概念、影响因素以及如何使用收缩率表进行尺寸修正。
二、塑料模具收缩率的概念塑料模具收缩率是指塑料制品在冷却过程中由于温度变化而引起的尺寸变化率。
塑料模具收缩率是一个相对值，通常以百分比表示。
例如，如果一个塑料制品在冷却过程中尺寸缩小了2%，那么它的收缩率就是2%。
三、影响塑料模具收缩率的因素1. 塑料材料的种类：不同种类的塑料具有不同的收缩率。
一般来说，热塑性塑料的收缩率比热固性塑料高。
2. 温度：温度是影响塑料模具收缩率的重要因素。
一般来说，温度越高，塑料的收缩率越高。
3. 压力：在注塑过程中，注射机施加的压力也会影响塑料模具收缩率。
一般来说，施加较高的压力可以减小塑料的收缩率。
4. 模具结构：模具的结构也会对塑料模具收缩率产生影响。
例如，模具中的冷却系统设计不合理，会导致塑料冷却不均匀，进而影响塑料模具的收缩率。
四、塑料模具收缩率表的使用塑料模具收缩率表是模具制造过程中的重要参考工具。
使用收缩率表可以帮助工程师在设计模具尺寸时考虑到塑料的收缩，从而减少制品在冷却过程中的尺寸误差。
使用塑料模具收缩率表的步骤如下：1. 确定所使用的塑料材料的种类。
2. 根据塑料材料种类，找到对应的塑料模具收缩率表。
3. 根据模具尺寸和设计要求，在收缩率表中找到相应的收缩率数值。
4. 根据收缩率数值，计算修正尺寸。
修正尺寸= 原始尺寸× (1 + 收缩率)。
5. 在模具设计过程中，将修正尺寸应用于模具尺寸设计。
五、总结塑料模具收缩率是塑料模具制造中不可忽视的重要参数。
通过合理使用塑料模具收缩率表，可以减小塑料制品在冷却过程中的尺寸误差，提高模具制品的质量。
在实际应用中，工程师们应注意选择合适的塑料材料和合理的工艺参数，以保证模具制品具有准确的尺寸和优良的性能。
塑料模塑收缩率1. 介绍塑料模塑收缩率是指在塑料注塑过程中，塑料材料在冷却后收缩的程度。
在塑料制品的生产中，了解和控制塑料模塑收缩率对于保证产品质量具有重要意义。
本文将详细介绍塑料模塑收缩率的概念、原因、测试方法和控制方法等内容。
2. 概念塑料模塑收缩率是塑料制品在模具中冷却后，由于冷却收缩引起的尺寸变化的比例。
塑料在注塑过程中，经历了熔融、注射、冷却、固化等阶段。
在冷却和固化阶段，塑料会发生收缩现象，导致注塑制品的尺寸与模具尺寸有所差异。
塑料模塑收缩率的大小与塑料材料的种类、成分、注塑工艺参数等因素有关。
不同类型的塑料具有不同的收缩率，因此在注塑生产中需要根据具体材料的收缩率来调整模具尺寸，以保证最终产品的尺寸符合要求。
3. 影响因素3.1 塑料材料的种类和成分不同类型的塑料材料具有不同的收缩率。
一般来说，非晶态塑料的收缩率较高，晶态塑料的收缩率较低。
此外，塑料的成分也会影响收缩率。
例如，填充剂和增强剂的添加会改变塑料的收缩率。
3.2 注塑工艺参数注塑工艺参数对塑料模塑收缩率也有一定影响。
例如，注射温度、模具温度、注射压力等参数的变化都会影响塑料的冷却速度和固化效果，从而影响收缩率。
3.3 模具设计和制造模具的设计和制造也会对塑料模塑收缩率产生影响。
模具的尺寸、结构、冷却系统等因素都会影响塑料的冷却速度和固化效果。
合理的模具设计和制造可以降低收缩率的波动。
4. 测试方法为了准确测量塑料模塑收缩率，可以采用以下测试方法：4.1 线性尺寸测量法线性尺寸测量法是最常用的测量塑料模塑收缩率的方法之一。
该方法通过测量注塑制品在冷却后的实际尺寸和模具尺寸的差异，计算出收缩率的百分比。
4.2 光学测量法光学测量法是一种非接触式测量方法，可以通过光学测量仪器对注塑制品的尺寸进行测量，从而计算出收缩率的百分比。
4.3 三坐标测量法三坐标测量法是一种精密测量方法，可以测量注塑制品的三维尺寸，从而准确计算出收缩率的百分比。
塑件收縮率及其計算charlin.wang20110323材料收縮率及其計算u收縮率是材料本身熱脹冷縮而導致其尺寸縮小的現象u塑料的收縮率是指塑件從模腔中取出後,冷卻至室溫時其尺寸縮小的程度,並用百分數(％)表示.大多數塑件在脫模後幾小時內,就會達到其收縮量的成形收縮主要表現u線尺寸收縮由於熱脹冷縮,塑件脫模時的彈性恢復、塑性變形等原因導致塑件脫模冷卻到室溫後其尺寸縮小,為此型腔設計時必須考慮予以補償.影響收縮率變化的因素u材料不同收縮率往往差別很大.如ABS的收縮率為0.3%～0.8%,而PE 則為1.5%～3.6%,PP為1％～2.5％.u同一品種的塑膠,不同廠家生產,其收縮率也不一樣;甚至同一廠家生產常用塑膠材料的收縮率樹脂名稱縱向收縮率橫向收縮率高向收縮率乾燥溫度成型溫度模具溫度耐熱溫度1ABS(高剛性)4~9/10004~9/10004~9/100070~80200~26050～8071～932ABS(耐熱性)4~9/10004~9/10004~9/100070~80250~30050～8088～1653ABS(加40%纖維)1~2/10001~2/10001~2/100070~80200~26050～8093～1104SAN(一般)2~7/10002~7/10002~7/100085200~26050～8060～69塑膠收縮率的取值原則u對於收縮率範圍較小的塑膠品種,可按收縮率的範圍取中間值.u對於收縮率範圍較大的塑膠品種,應根據塑件的形狀,特別是壁厚來確定塑膠的收縮率,壁厚大的取大值,壁厚小的取小值.u根據GB/T 15585-1995 塑料注射成型收缩率的测定标准u可測量平行和垂直流動方向上的收縮率u S-塑模收縮率,%;Lm-模腔尺寸,mm; Ls-試樣尺寸,mmu將收縮率公式展開,可得模具成型零件尺寸u模具成型零件尺寸公式=L+1(S)L參考n葉屋臣一.注射模具設計和應用.北京:輕工業出版社,1989:177n馬金駿.塑膠模具設計（修訂本）.北京:中國科學技術出版社,1994:24-25。
塑料收縮率和模具尺寸設計塑料模時，確定了模具結構之後即可對模具的各部分進行詳細設計，即確定各模板和零件的尺寸，型腔和型芯尺寸等。
這時將涉及有關材料收縮率等主要的設計參數。
因而只有具體地掌握成形塑料的收縮率才能確定型腔各部分的尺寸。
即使所選模具結構正確，但所用參數不當，就不可能生產出品質合格的塑件。
塑料收縮率及其影響因素熱塑性塑料的特性是在加熱後膨脹，冷卻後收縮，當然加壓以後體積也將縮小。
在注塑成形過程中，首先將熔融塑料注射入模具型腔內，充填結束後熔料冷卻固化，從模具中取出塑件時即出現收縮，此收縮稱為成形收縮。
塑件從模具取出到穩定這一段時間內，尺寸仍會出現微小的變化，一種變化是繼續收縮，此收縮稱為後收縮。
另一種變化是某些吸濕性塑料因吸濕而出現膨脹。
例如尼龍610含水量為3%時，尺寸增加量為2%；玻璃纖維增強尼龍66的含水量為40%時尺寸增加量為0.3%。
但其中起主要作用的是成形收縮。
目前確定各種塑料收縮率（成形收縮＋後收縮）的方法，一般都推薦德國國家標準中DIN16901的規定。
即以23℃±0.1℃時模具型腔尺寸與成形後放置24小時，在溫度為23℃，相對濕度為50±5%條件下測量出的相應塑件尺寸之差算出。
收縮率S由下式表示：S={(D－M)/D}×100%(1)其中：S-收縮率；D-模具尺寸；M-塑件尺寸。
如果按已知塑件尺寸和材料收縮率計算模具型腔則為D=M/(1-S) 在模具設計中為了簡化計算，一般使用下式求模具尺寸：D=M+MS(2)如果需實施較為精確的計算，則應用下式：D=M+MS+MS2(3)但在確定收縮率時，由於實際的收縮率要受眾多因素的影響也只能使用近似值，因而用式(2)計算型腔尺寸也基本上滿足要求。
在製造模具時，型腔則按照下偏差加工，型芯則按上偏差加工，便於必要時可作適當的修整。
難於精確確定收縮率的主要原因，首先是因各種塑料的收縮率不是一個定值，而是一個範圍。
模具修改收缩率计算公式在模具制造过程中，收缩率是一个重要的参数，它直接影响到最终产品的尺寸精度。
因此，对于模具的设计和制造来说，准确计算和控制收缩率是至关重要的。
收缩率是指塑料或金属在冷却过程中发生的尺寸变化。
在模具制造中，我们通常会根据原始设计尺寸计算出模具的实际尺寸，以便在制造过程中进行修正。
收缩率计算公式是用来确定修正尺寸的关键工具之一。
一般来说，收缩率是通过实验测量得出的，但在设计和制造阶段，我们需要一个准确的计算公式来指导我们的工作。
以下是常见的模具修改收缩率计算公式：收缩率 = (模具尺寸实际尺寸) / 模具尺寸× 100%。
这是一个基本的收缩率计算公式，但实际上，不同的材料、不同的工艺和不同的模具结构都会对收缩率产生影响。
因此，我们需要根据具体情况进行修正和调整。
首先，材料的选择对收缩率有很大影响。
不同的塑料或金属材料在冷却过程中会产生不同的收缩率，因此在计算收缩率时，我们需要根据具体的材料特性来确定相应的修正系数。
其次，工艺参数也会对收缩率产生影响。
例如，注塑成型的温度、压力和冷却时间都会对收缩率产生影响。
因此，在计算收缩率时，我们需要考虑这些工艺参数，并根据实际情况进行修正。
最后，模具的结构也会对收缩率产生影响。
例如，模具的冷却系统设计是否合理、模具的壁厚是否均匀等因素都会影响收缩率的计算。
因此，在实际计算收缩率时，我们需要考虑这些因素，并进行相应的修正。
除了以上提到的因素，还有一些其他因素也会对收缩率产生影响，例如模具的表面处理、模具的使用寿命等。
因此，在实际工作中，我们需要根据具体情况进行综合考虑，并确定最终的收缩率修正系数。
在实际工作中，模具制造人员需要根据以上的收缩率计算公式和修正系数，结合实际情况进行计算和修正。
通过准确计算和控制收缩率，可以有效地提高模具制造的精度和效率，从而为最终产品的质量提供保障。
总之，模具修改收缩率计算公式是模具制造过程中的关键工具之一，它直接影响到最终产品的尺寸精度。
塑料收缩率和模具尺寸设计塑料模时，确定了模具结构之後即可对模具的各部分进行详细设计，即确定各模板和零件的尺寸，型腔和型芯尺寸等。
这时将涉及有关材料收缩率等主要的设计参数。
因而只有具体地掌握成形塑料的收缩率才能确定型腔各部分的尺寸。
即使所选模具结构正确，但所用参数不当，就不可能生产出品质合格的塑件。
塑料收缩率及其影响因素热塑性塑料的特性是在加热後膨胀，冷却後收缩，当然加压以後体积也将缩小。
在注塑成形过程中，首先将熔融塑料注射入模具型腔内，充填结束後熔料冷却固化，从模具中取出塑件时即出现收缩，此收缩称为成形收缩。
塑件从模具取出到稳定这一段时间内，尺寸仍会出现微小的变化，一种变化是继续收缩，此收缩称为後收缩。
另一种变化是某些吸湿性塑料因吸湿而出现膨胀。
例如尼龙610含水量为3%时，尺寸增加量为2%；玻璃纤维增强尼龙66的含水量为40%时尺寸增加量为0.3%。
但其中起主要作用的是成形收缩。
目前确定各种塑料收缩率（成形收缩＋後收缩）的方法，一般都推荐德国国家标准中DIN16901的规定。
即以23℃±0.1℃时模具型腔尺寸与成形後放置24小时，在温度为23℃，相对湿度为50±5%条件下测量出的相应塑件尺寸之差算出。
收缩率S由下式表示： S={(D－M)/D}×100%(1)其中：S-收缩率； D-模具尺寸； M-塑件尺寸。
如果按已知塑件尺寸和材料收缩率计算模具型腔则为 D=M/(1-S) 在模具设计中为了简化计算，一般使用下式求模具尺寸：D=M+MS(2)如果需实施较为精确的计算，则应用下式： D=M+MS+MS2(3)但在确定收缩率时，由於实际的收缩率要受众多因素的影响也只能使用近似值，因而用式(2)计算型腔尺寸也基本上满足要求。
在制造模具时，型腔则按照下偏差加工，型芯则按上偏差加工，便於必要时可作适当的修整。
难於精确确定收缩率的主要原因，首先是因各种塑料的收缩率不是一个定值，而是一个范围。
收缩率公式收缩率是指在材料加工或冷却过程中，尺寸的减小比例。
这在制造业、工程领域等可是个相当重要的概念。
我还记得有一次去一家工厂参观，那是一家专门生产塑料制品的工厂。
我看到工人们在操作机器，将原材料加热融化后注入模具，然后等待冷却成型。
当时我就很好奇，为啥这模具的尺寸和最终产品的尺寸会有差别呢？厂里的老师傅跟我说，这就是收缩率在起作用啦。
比如说塑料，在高温下变成液态注入模具，等冷却后，它就会收缩。
不同的塑料材料，收缩率可不一样。
像聚乙烯、聚丙烯，它们的收缩率就有差别。
收缩率的公式通常表示为：收缩率 = （模具尺寸 - 产品尺寸）/ 模具尺寸 × 100% 。
咱们来举个例子哈，假如有个模具的长度是 10 厘米，生产出来的产品长度是 9.8 厘米，那收缩率就是（10 - 9.8）/ 10 × 100% = 2% 。
这收缩率可不光影响塑料制品，金属加工也一样。
比如说铸造金属零件，液态金属冷却凝固时也会收缩。
如果不考虑收缩率，做出来的零件尺寸就可能不符合要求，那可就麻烦啦。
在实际生产中，为了得到准确的尺寸，工程师们得对收缩率进行精确的计算和控制。
他们得先了解材料的特性，知道这种材料大概的收缩率范围，然后根据产品的要求来设计模具的尺寸。
我还听说过一个事儿，有个小工厂接了一批订单，生产一种金属零件。
结果因为没算好收缩率，做出来的零件尺寸都小了，客户不满意，工厂只能重新生产，赔了不少钱。
这就充分说明了收缩率计算的重要性。
而且啊，收缩率还会受到一些其他因素的影响。
比如加工温度、冷却速度、产品的形状和结构等等。
温度高了、冷却快了，收缩可能就大一些；产品结构复杂，不同部位的收缩也可能不一样。
所以啊，在设计和生产过程中，得综合考虑各种因素，通过试验和经验来不断优化收缩率的计算和控制。
总之，收缩率公式虽然看起来简单，但要真正用好了，可不是一件容易的事儿。
得细心、认真，还得有丰富的经验。
这就像我们做数学题，公式记住了，还得会灵活运用，才能得出正确答案，做出满意的产品。
注塑件体积收缩率变化的数值模拟优化与预报许建文;刘斌【摘要】运用Moldflow分析软件,结合田口方法的实验设计,对注塑成型过程进行数值模拟计算,得到各个工艺参数对体积收缩率变化的影响次序及最优化的工艺参数组合.利用BP(Back Propagation)人工神经网络对注塑件的体积收缩率的变化进行预测,以最优化的工艺参数组合为基准,通过微调各个工艺参数来安排正交实验,并将结果作为神经网络的样本数据经过训练后的神经网络能够准确地预测体积收缩率的变化,从而达到以较少的试验实现注塑成型工艺的优化与控制.【期刊名称】《华侨大学学报（自然科学版）》【年(卷),期】2010(031)003【总页数】5页(P241-245)【关键词】注塑件;体积收缩率;Moldflow;田口方法;BP神经网络【作者】许建文;刘斌【作者单位】华侨大学,机电及自动化学院,福建,泉州,362021;华侨大学,机电及自动化学院,福建,泉州,362021【正文语种】中文【中图分类】TQ320.66;TP183注塑件的收缩行为对产品的最终尺寸和形状起着重要的作用，注塑件的收缩率及其分布是衡量注塑件质量的重要指标［1］.对注塑件收缩率有影响的因素主要来自3个方面，即注塑材料特性、注塑工艺条件和模具成形结构［2］.材料和模具结构确定以后，成型工艺参数就直接影响到模具内熔体的状态和最终塑件的质量，因此，获取优化的工艺参数是成型高质量塑件的前提.本文结合田口实验设计方法与BP （Back Propagation）神经网络技术，模拟分析注塑件的体积收缩率变化.1.1 田口实验设计方法为降低注塑件体积收缩率变化的大小，需要研究各个工艺参数对变形的影响.首先，利用Moldflow软件进行模拟分析，确定适宜的工艺参数范围；然后，针对模具温度、熔体温度、注射时间、保压时间、冷却时间和保压压力6个参数，选取5个水平作为实验方案.对每个方案进行模拟，以得到体积收缩率变化的大小.通过分析，得到工艺参数对体积收缩率变化的影响大小和最优的工艺参数组合［3］.1.2 BP神经网络［4］1.2.1 网络输入与输出层的确定 BP网络在学习（训练）过程中采用误差向后传播算法，由输入层、隐层和输出层组成，层与层之间采用全互连方式，同一层单元之间不存在相互连接.对于任何闭区间内的一个连续函数，可用单隐层的BP网络逼近，因而一个3层BP网络就可以完成任意的n维到m维的映射［5］.为了研究注塑件体积收缩率变化与成型工艺参数之间的关系，选取模具温度、熔体温度、注射时间、保压时间、冷却时间和保压压力6个工艺参数作为输入，注塑件体积收缩率变化作为输出.1.2.2 隐层的设计隐层的神经元数目选择是一个十分复杂的问题，往往需要根据设计者的经验和多次实验来确定.隐单元的数目与问题的要求、输入/输出单元数目都有着直接的关系.采用经验式［5］求隐层的神经元数目，即式（1）中：m，n分别为输出、输入神经元数目；a为［1，10］之间的常数.由于输入神经元数目为6，输出为1，则隐层的神经元的数目为4～13.为了寻找比较好的隐层神经元数目，在MATLAB编一个循环程序，选择网络性能较好所对应的作为隐层神经元数目.经比较，选取隐层的神经元数目为4的网络结构，如图1所示.1.2.3 传递函数的选择网络隐层和输出层的神经元传递函数分别采用S型正切函数、S型对数函数.（1）对于S型正切函数（tan sig），MATLAB 7按照如下形式计算该双曲正切传递函数的值，即式（2）中：c为变量.（2）对于S型对数函数（log sig），则有1.2.4 训练函数的选择训练函数选取Trainlm，即采用Levenberg-Marquardt算法进行网络训练.1.2.5 学习函数的选择学习函数则选取Learngdm.该函数为梯度下降动量学习函数，通过利用神经元的输入误差、权值或阈值的学习速率和动量常数，来计算权值或阈值的变化率.1.2.6 性能函数的选择性能函数选用均方误差性能函数mse.1.2.7 网络训练与检验把田口实验设计得到的最优化工艺参数组合作为基准条件，微调各个工艺参数来安排正交实验进行模拟分析，得到神经网络的训练和检验样本.用训练样本对神经网络进行训练，网络权值确定后，采用检验样本检验此网络.如果网络对检验样本的输出误差可以接受，说明神经网络的训练成功；否则，需要重新进行神经网络的训练.1.2.8 数据的预处理由于系统是非线性的，初始值对于学习是否能够收敛的关系很大.因此，考虑到输人数据和输出数据范围分布很大，需要进行数据的归一化处理.这不仅能够避免由于输入参数不均匀性而引起的输出失真和网络麻痹现象，还可以在一定程度上缩短网络训练时间.其归一化式［6］为式（3）中：xi，^xi分别为归一化前、后的数据；minxi与maxxi则分别为该工艺变量的最小值与最大值.2.1 实验方案选用非球面塑料光学透镜作为成型零件，材料选用聚甲基丙烯酸甲酯（PMMA）.优化后的浇注系统及冷却系统，如图2所示.在确定冷却系统和浇注系统后，根据材料推荐的参数和初步的模拟结果，选取各个工艺参数的水平，如表1所示.表1中，A～F分别表示模具温度、熔体温度、注射时间、保压时间、冷却时间和保压压力6个工艺参数.采用6参数5水平的L25（56）正交表来安排实验.用Moldflow模拟分析，得到注塑件在不同工艺参数组合设置下的体积收缩率（η）变化结果，如表2所示. 2.2 结果分析与讨论使用田口实验设计法中的变量分析（ANOVA），可以计算出各个工艺参数对体积收缩率变化的影响次序和最优的工艺参数组合［7］.对实验结果进行直观分析，即将各工艺参数在5个水平下的体积收缩率变化进行平均，有式（4）中：y为工艺参数在某水平下的平均值；b为该水平下出现的次数；zi为工艺参数在此水平下的体积收缩率变化量.由各工艺参数最大平均值和最小平均值之差可计算出极差R，结果如表3所示.通过以上的分析可以得到如下两点结论：（1）由极差的大小可直观得出，各工艺参数对体积收缩率变化的影响由大到小的次序：熔体温度、保压压力、模具温度、冷却时间、注射时间与保压时间.其中：熔体温度与保压压力是显著的影响因素，而其他因素则影响不大.（2）在考察的工艺参数水平上，最优化的工艺参数组合是，模具温度为40℃、熔体温度为240℃、注射时间为5.7s、保压时间为15s、冷却时间为38s和保压压力为15MPa.在此工艺条件下，获得的体积收缩率变化为3.314 0％，与做过的实验相比，该工艺条件所得变化确实最小.以最优化工艺参数组合作为基准，围绕基准微调6个因素，安排7个水平，如表4所示.采用8参数7水平的L49（78）正交表进行Moldflow模拟分析.由于实际只有6个因素，正交表的最后两列空出，可得到49组数据，其中的40组数据作为神经网络的训练样本数据，其余的9组数据为检验样本数据.设定网络的目标误差为0.001，40组的训练样本在训练了32次后，其网络输出的最小误差减小为0.001，神经网络经过训练后的训练误差e曲线，如图3所示（n 为训练次数）.学习后目标为0.001，性能为0.000 892 406.归一化后的9组检验样本对网络性能的测试结果，如图4所示.图4中：e为误差；N为样本号.从图4可知，误差在-0.03～0.05之间，且大部分分布在-0.03～0之间，网络整体性能不错，能够对输入数据进行较为精确的预测.计算出的实际预测值，如表5所示.表5中：ηM，ηF分别为体积收缩率的模拟值和预测值；ea，er分别为体积收缩率的绝对误差值和相对误差值.从表5可知，其绝对误差在-0.019 5％～0.033 2％之间，相对误差则在0.088 5％～0.895 8％之间，误差在可接受的范围之内，预测准确度较好.对已训练好的神经网络输入2组数据：（1）39℃（模具温度），250℃（熔体温度），5.0s（注射时间），14s（保压时间），38s（冷却时间），22MPa（保压压力）；（2）43℃（模具温度），245℃（熔体温度），6.0s（注射时间），16s（保压时间），39s（冷却时间），20MPa（保压压力）.结果表明，神经网络预测出的体积收缩率变化量为0.538 1（3.626 9％）和0.455 3（3.563 3％），Moldflow模拟分析得到的体积收缩率变化量为3.637 0％，3.568 6％，绝对误差分别为-0.010 1％与-0.005 3％，相对误差分别为0.277％，0.148 5％，说明网络的输出值可以接受.神经网络结合田口实验设计方法，可对注塑件的体积收缩率变化进行优化和预测.在进行最少次数试验的结果上，可以得到各个工艺参数对体积收缩率变化的影响次序，以及最优化的工艺参数组合；然后以此为基准，微调各个工艺参数安排正交试验，得到的神经网络样本数据.经过训练后的神经网络能够对体积收缩率变化进行较为准确的预测，达到了注塑成型工艺的优化及控制.【相关文献】［1］王利霞，杨杨，王蓓，等.注塑成型工艺参数对制品体收缩率变化的影响及工艺参数优化［J］.高分子材料科学与工程，2004，20（3）：173-176.［2］祝铁丽，王敏杰.注塑成形制品收缩过程的数值模拟［J］.机械工程学报，2002，38（9）：145-149.［3］MONTGOMERY D C.Design and analysis of experiments［M］.New York：John Wiley Sons，1997.［4］张云波，胡云昌.人工神经网络的建设工期定客户地域分类［J］.华侨大学学报：自然科学版，2004，25（3）：270-274.［5］飞思科技产品研发中心.神经网络理论与MATLAB 7实现［M］.北京：电子工业出版社，2005.［6］陈桂明，戚红雨，潘伟.MATLAB数理统计（6.x）［M］.北京：科学技术出版社，2002. ［7］王利霞，张娜，申长雨，等.应用Taguchi实验设计法最小化注塑成型制品沉降斑［J］.塑料工业，2004，32（4）：26-28.。
