模具專業(yè)外文文獻翻譯-外文翻譯--塑料注射模具設計的軟件設計優(yōu)化 中文版

《模具專業(yè)外文文獻翻譯-外文翻譯--塑料注射模具設計的軟件設計優(yōu)化 中文版》由會員分享，可在線閱讀，更多相關《模具專業(yè)外文文獻翻譯-外文翻譯--塑料注射模具設計的軟件設計優(yōu)化 中文版（4頁珍藏版）》請在裝配圖網上搜索。

塑料注射模具設計的軟件設計優(yōu)化 本論文描述的是為注射模具優(yōu)化過程中所應用的一種混合電腦軟件策略。在此過程中，所有的注射模具所應用的參數(shù)都被考慮在內：模溫、熔融溫度、注射溫度和注射壓力?；旌闲碗娔X軟件策略是許多電腦軟件模擬系統(tǒng)、仿真系統(tǒng)和多層神經網絡工作來優(yōu)化參數(shù)。適當?shù)姆治瞿M支持神經網絡發(fā)展，它是使模具的設計成本降到最低，這種成本是復合模擬軟件所引起的。根據(jù)優(yōu)化的特點，一個仿真模擬系統(tǒng)被用來解決模具設計的優(yōu)化，可以用一個例子來表明這個先進策略的有效性。 制造業(yè)工業(yè)為了塑膠產品是成長的迅速地在最 近的年 ,和越來越多塑膠是使用廣泛地到替換為了金屬 . 注射模制多數(shù)優(yōu)勢，例如簡略產品周期 ,卓越的表面產品的和容易地模子復雜的外形 ,因而它是最多的通俗模制過程為了制造熱塑性的部分 . 一般它包含三階段，填補物 ,包裝和冷卻 . 填補物舞臺是評論的舞臺在好質量模制的產品 . 在填補物舞臺 ,注射模制過程參數(shù)包括融化流程比率，注射壓，模子溫度和融化蛋彩畫，品 注射模制過程的設計是考慮過的到是“妖術” ,哪個依賴沉重地在經驗和專家的知識和牽連審判和錯誤過程 . 最近 ,有的發(fā)展數(shù)字的模擬和聰明的技術 ,一些發(fā)展向注射模制過程的 設計是已制成的 翹曲在調整不同的表面厚度 [1] 在秤流程 ,和剩余壓力是減少 [2]組合的神經的網絡和數(shù)字的模擬到供應神經的網絡 (預言者模型為了塑膠注射模制過程 [3]注射模制過程參數(shù)在聯(lián)合兩者規(guī)則 - 立基于和事 [4] 既定的規(guī)則設為了決定門的位置立基于在塑膠部分的分析 . 門的位置是堅決的穿過推理有規(guī)則 [5]. 發(fā)展系統(tǒng)哪個能將門位置最佳化立基于在最初的遮沒計劃 . 系統(tǒng)使 用軟件為了流程分析 ,和控制溫度微分的和原理的數(shù) [6]數(shù)字的模擬和人造的聰明 技術能改善塑膠注射的設計模制過程 . 然而 ,過程設計安排倘若在 . 這些方法雖然一般可行的是不最佳的 . 軟的計算是方法學的社團那工作相乘配合作用地和供應柔韌性通知過程能力為了處理實在的曖昧境遇 [8,9]. 軟的含義計算是到開拓公差 到完成溫順 ,健康和廉價的解答 . 在那里是進行的努力到使成整體人造的神經網絡 ,遺傳的算法和其他的方法學在軟的計算范例 [10]. 這紙贈品雜種最佳的模型在結合有神經的網絡和遺傳的算法為了塑膠 注射模制過程 . 計算機 (軟件， ,是使用到模擬塑膠的流程 . 遺傳的算法 ( 氣體 ),哪個有高度能力到獲得全局最佳的解答 , 是應用的到解決最佳的模型 . 為了減少花費的計算起于數(shù)字的擬 ,在這紙 ,軟的計算接近到最佳化塑膠注射模制過程的 ,哪個聯(lián)合氣體和 計劃 . 部分 2 贈品最佳的數(shù)學模型 ,包括目標功能的選擇和 設計變量 . 在部分 3, 最佳的方法使成整體氣體和 軟的計算范例是討論詳細地 . 部分 4 供應案例研究那舉例說明的請求計劃接近 . 部分 5 結束紙和大綱一些為。 2. 最佳的模型為了注射模制過程 期間注射模制 ,在那里是多數(shù)過程條件哪個影響塑膠部分的質量 ,例如融化流程比率，注射壓，注射時間子溫度和融化溫度 . 不同的過程條件能提供不同的過失現(xiàn)象 . 在發(fā)展中的最佳的模型 ,唯一的主修課過程考慮過的從可行性的觀點和溫順 . 在訂購到描寫最佳化方法 ,黃油容器眼瞼有的最小厚度 米 ,是奶油 計變量和目標功能 它是知名的那在那里是多數(shù)因素那有影響在部分的質量，例如模子溫度 ,融化溫度，注射時間，注射壓 ,排設計 (風格，大小 ,門的位置 ) 和的 幾何學部分 . 為了考慮可行性和溫順 ,學習是集中鑰匙過程操作參數(shù) ,括模子溫度 ，融化溫度 ,注射時間和注射壓 ,贈予的遮沒安排設計和部分的幾何學 . 模子溫度山脈從 50個到 75 o C,融化溫度 山脈從 230 到 280 o C,注射時間山脈從 氣陷阱 ,焊接線和翹曲 . 它是知名的那簡略開槍 , 空氣陷阱和焊接線是依靠的主要地在遮沒安排設計和部分的幾何學 學習是集中過程操作部分那將是服從強 烈的和局部機械的剩余壓力在部分 ,部分的質量 . 而且 ,剩余壓力可能原因翹曲部分的 [11]. 在如此的部份中被允許的最大壓迫力應該是重要地小于最大的推薦 . 到排除內部的塑膠部分的壓力 ,目標功能選擇為了。 佳的設計模型 的數(shù)學模型最佳化問題能一般是描述為跟隨 :查找 最小約束 . 的變量 設計變量的界限 別地 最佳的設計模型能是表現(xiàn)依下列項 :查找 到解決最佳化問題描寫在情緒商數(shù) . 雜種策略，哪個聯(lián)合 件 ,氣體和 使用 . 在下一個部分 , 策略 是討論詳細地 . 在 方法學，個人工具 ,例如氣體，安和其他的工具 ,幕相乘配合作用地 ,勝于 競爭地 ,到提高彼此 's 請求領土 [8]強大的工具為了的預言非線性和 有多數(shù)優(yōu)勢，例如厚重的平行 ,健康和知識在數(shù)據(jù) [11]. 氣體 ,哪個是 立基于在的機械學自然選擇和進展 ,有是應用的到最佳化問題 . 氣體有多數(shù)優(yōu)勢 [13,14]. 首先 ,氣體能解決不同的最佳化問題廣告 . 因為目標的引出和約束功能為了設計變量是不必需的 . 為了另外的東西 ,氣體有更高的能力到獲得全局最佳的解答比慣例的最佳化算法 ,由于人口立基于搜尋機械學 . 在最佳的模型為了塑膠注射過程 ,它是不可能的到獲得引出的 . 因此 ,它是適當?shù)臑榱藲怏w到是應用的到解決最佳的模型 . 的價值最大的剪壓力是獲得在商業(yè)的軟件 , 然而 ,數(shù)字的計模擬是很花費的 . 到避免眾多的詳細分析履行在 ,軟的計算策略 ,哪個使成整體氣體的屬優(yōu)勢和 計劃依下列各項 .。 似的分析模型有 造的神經網絡 ( 安 ) 是有效的一個工具為了解決非線性的問題 . 代表性地 ,神經的網絡 (強大的映射能力為了非線性的問題 [16]. 在解決最佳的模型 , 神經的網絡是應用的到建立映射模型在中間最大的剪壓力和注射過程參數(shù)或變量 ,例如模子溫度 ),融化溫度 ,注射時間和注射壓的概要介紹神經的網絡為了預言最大的剪 壓力是表明在無花果 . 2. 那是 ,下列各項非線性的映射關系是既定的 :) (3) 什么地方 D 是最大的剪壓力 ,X 指示向量設計變量的 ,指示非線性的功能關系在中間 D 和 X. 期間最佳化程序 ,近似的模型上面的是使用到替換為了 了避免花費的計算 . 近似的執(zhí)行分析模型有 表明在無花果 . 3. 程序棘手的是討 論在下列各項部分 . 擇和常態(tài)化模范的 用四主修課過程的不同結合變量 , 足夠的模擬是完成到補給標本為了多層神經的網絡 . 過程的價值條件是改變內部上述的山脈 活化功能使用為了多層神經的網絡是 S 形的功能 . 同樣地 S 形的功能輸出是在間隔 [0,1], 知識標本應該是依下列各項常態(tài)化 : x'j ??l) j x(u) l) j (4) 結構 結構設計 括決心數(shù)的躲藏層和神經元的數(shù)在不同的層 . R. 各項映射法則 [16]_0 和任何的 能 f: [0,1] n _ 房屋 ,在那里存在三 增殖神經的 網絡那能近似的 f 到內部ε低劣的正方形錯誤精確 的數(shù)躲藏層能是一個 . 神經元的數(shù)在輸入層必須相等的四，哪個是設計變量的數(shù) ,和數(shù)在輸出層是一個 . 的大小躲藏 層是最多的重要體諒的一個就在那個時候解決實際的問題用多層神經的網絡 . 如果在那里是也很少的躲藏單位網絡將不學習任務 . 在其他的手 ,所有也多數(shù)躲藏單位能降級知識比率和減少迅速有哪個有學 問的映射是履行 [17]. 的民數(shù)記躲藏神經元 能是堅決的大約在下列各項公式 [18]?_n+m+ 一 (5)什么地方 H 是的大小躲藏層 ;n 和 m 是大小輸入的和輸出層 ,分別地 ;和 _ [1,10],哪個是常數(shù) .。 練 面的 (算法是應用的到火車 的重量 首先設定隨便地初值 程序是繼續(xù)的直到期待精確錯誤的是獲得 . 重量分布式的在中間神經元在不同的層能表現(xiàn)映射關系具體表達在 標本。 . 決最佳的模型有氣體 氣體是應用的到解決最佳的模型描寫在情緒商數(shù) .(2) 因為他們的潛在同樣地最佳化技術 . 外形 4 是流程表的最佳化策略有氣體 擇編碼方式 在氣體 ,人造的染色體是表現(xiàn)在的字符串有限的長度 . 一般，在那里是二編碼方式 , 為了二進位的編碼方式 ,小塊字符串的長度是堅決的在精確 [15]十進的編碼方式是應用的在學期的特征最佳化問題 . 讓 一個的結果最佳化問題 ,和相應的染色 體能是表現(xiàn)同樣地 V ??_x1,....., 染色體的長度和解決的矢量相等 . 造適當功能 到評價個人字符串的履行 (染色體 ),適當?shù)倪m當功能應該是建造 適當功能改變從目標功能 . 在這最佳化問題 ,目功能是最大的剪壓力 ,因而適當功能能是定義下列各項 : f(X) ?? (6) 什么地方 最大的剪壓力推薦為了材料 , ?D 是故意的在學期 的情緒商數(shù) . (3). 4. 結果和討論 為了證明的效力計劃最佳的模型 ,例子 同樣地表明在無花果 . 1 是討論在這部分 . 造近似的分析模型 同樣地定期的上面 ,近似的分析模型當仆人同樣地模子的功能近似者那地圖輸入變量溫度 (，融化溫度 (注射時間 注射壓 (到提供輸出哪個是最大的剪壓力 ( 為了準備知識標本為了 擬圖釘是進位外面的用 件系統(tǒng) . 內部價值不同的過程條件的間隔 ,54 設置數(shù)據(jù)的是公式同樣地輸入訓練數(shù)據(jù)為了網絡 . 剩余的 10 組合習慣測試那發(fā)展大約的模型 . 三 絡有 4 – 12 – 1 神經元配置是使用到發(fā)展模型立基于在法則 1 和情緒商數(shù) . (5), 和后面的 網絡配置的參數(shù)是表明在桌子 近似的履行模型是測試在 10 設置數(shù)據(jù)的拿走從模擬工作 . 檢驗結果 ,同樣地表明在無花果 . 5, 展現(xiàn)那預言價值和數(shù)字的結果是在好一致 了的一個價值 哪個表示模型是意的一個從工程觀點。 佳化結果和分析 最佳化問題是解決立基于在流程表表明在無花果 . 4. 參數(shù)為了最佳化算是贈予的 依下列各項 : 個人的人口是 25,可能性天橋相等的 突變的可能性是 20 產生 ,和最佳化結果是表明在桌子 6 表示比較在中間最初的安排和最佳的安排 2 和無花果 . 6 那最大的剪壓力故意的在最佳的模型是很接近于一個獲得在數(shù)字的模擬軟件 . 在其他的手 ,最大的剪壓力有意義的的減少 之后最佳化 . 從最佳的設計 ,我們也發(fā)現(xiàn)那融化溫度通常遠的更多的結果比模子溫度在減輕體重法最大的剪壓力 .。 5. 結束 注射模制過程的設計依賴沉重地在經驗 和專家的知識和牽連 改良的策略為了最佳化塑膠注射模制過程的是贈品在這紙 . 策略聯(lián)合神經的網絡和遺傳的算法在軟的計算范例 . 近似的分析模型是發(fā)展有 致減少花費的計算必需的在數(shù)字的模擬 ,因而 , 非二進位的遺傳算法是應用的到解決最佳化模型 . 它是表明從例子那最佳化策略是有效的 學習是集中過程操作參數(shù)，例如模子溫度，融化溫度 ,注射時間和注射壓 . 在那里是其他的身體因素例如遮沒安排設計 ( 風格，大小 ,的位置門 ) 和部分那的幾何學是不拿走到體諒 . 為了改善系統(tǒng)的能力 ,規(guī) 則 為了未來操作主要的關心是向更多的整合因素 紙部分被國家的天然科學支援 P 的基礎 . R. 中國 (60175019) 和年輕人基礎科學。