隨著汽車輕量化、環(huán)保的需求不斷加大,汽車零部件塑料化的進 程不斷加快,越來越多的汽車金屬零件用塑料件來代替,汽車塑料件的結構越來越復雜,外觀質量、尺寸精度及剛度和強度的要求也越來越高。同時翹曲變形是衡量 塑件質量的一個重要指標,因此對汽車塑料件成型的翹曲變形控制的研究顯得十分必要。本文以汽車蓄電池托架為研究對象,通過優(yōu)化注塑成型工藝參數(shù)來降低托架 的翹曲變形量。首先介紹了翹曲變形研究概況及工藝優(yōu)化研究現(xiàn)狀,通過Moldflow軟件建立有限元模型,并進行注塑成型過程模擬分析,驗證了澆注系統(tǒng)和 冷卻系統(tǒng)的合理性。其次,采用正交試驗法分析熔體溫度、模具溫度、注射時間、保壓時間和保壓壓力這五個工藝參數(shù)對制件翹曲變形的影響,建立5因子5水平的 正交試驗表,并用極差分析法和方差分析法對仿真試驗數(shù)據(jù)進行分析,得到各個工藝參數(shù)對翹曲變形值的影響情況,其中影響最為顯著的是保壓壓力。同時獲得了正 交試驗的最優(yōu)工藝參數(shù)組合,接著在其附近使用均勻試驗法進行小范圍多水平尋優(yōu),進行了8組試驗,實現(xiàn)了進一步減小翹曲變形量的目標。然后,使用正交試驗和 均勻試驗中的試驗數(shù)據(jù)作為人工神經(jīng)網(wǎng)絡的訓練樣本,建立了以工藝參數(shù)為輸入變量、翹曲變形量為輸出變量的PSO-BP (粒子群算法與誤差反向傳播算法)神經(jīng)網(wǎng)絡預測模型,并用檢驗樣本驗證了神經(jīng)網(wǎng)絡的翹曲變形量預測模型的可靠性和準確性。最后,結合神經(jīng)網(wǎng)絡翹曲預測模 型,應用PSO算法進行工藝參數(shù)優(yōu)化,獲得了全局最小翹曲變形量,并與Moldflow軟件的結果對比,結果表明在神經(jīng)網(wǎng)絡預測模型上運用PSO算法對工 藝參數(shù)進行優(yōu)化是可行的。研究表明,成型工藝參數(shù)的優(yōu)化有效地減小了制件的翹曲變形量。本文的研究方法對實際生產(chǎn)中縮短優(yōu)化工藝參數(shù)的時間,改善注塑件的 質量有一定的指導意義。