针对新型冠状病毒肺炎(COVID-19)核酸检测卡收缩问题,对制件运用模流软件进行工艺优化,探究注塑成型工艺优化方案.通过对比模具温度、熔体温度、注射时间、保压时间和保压压力,将质量评价指标设置为核酸检测卡的体积收缩率,采用Taguchi正交试验方法选出训练样本,应用多层前馈网络模型(BP)神经网络技术,建立预测模型,并采用改进粒子群算法(PSO)对模型进行优化,以体积收缩率为目标函数,对工艺数据样本进行训练,并进行预测,得到最优体积收缩率为3.864％,其对应的参数为模具温度81℃,熔体温度200℃,注射时间0.6 s,保压时间12 s,保压压力45 MPa,并使用计算机辅助工程(CAE)软件对预测出的体积收缩率的工艺参数进行模拟验证,得到体积收缩率为3.786％,误差仅为2.06％,与优化前(8.954％)相比降低57.72％.并通过试模得到试件外观质量较好,无明显翘曲变形缺陷,经检测试件最大翘曲变形量小于0.15 mm,满足生产要求.表明此改进PSO-BP模型预测塑件的体积收缩率准确精度较高,有一定的生产应用价值.
NETL
NSTL
万方数据
维普
