基于响应曲面法与改进遗传算法的RHCM 成型工艺优化

1、基于响应曲面法与改良遗传算法的RHCM 成型工艺优化 1?基于响应曲面法与改良遗传算法的?RHCM成型工 艺优化 * 刘东雷?1,2?,申长雨?1,2?,刘春太?1,2?,辛勇?3?,孙玲?3?,伍晓宇?4?(1.郑州大学橡塑模具国家工程研究中心,河南郑州 450002;?2.郑州大学材料成型过程与模具教育部重点实验室,河南郑州?450002;?3.南昌大学机电工程学院,江西南昌?330031;?4.深圳大学机电与控制工程学院,广东深圳?518060) 摘要:以自主开发的车载高光蓝牙产品为例,研究了高光注射成型(Rapid?Heat?Cycle?Molding,RHCM)工艺优化技术。以 中心

2、复合实验法(center?composite?design,CCD)进行实验规划,采用成型实验与数值模拟并重之方法获取实验样本数据, 通过人为引入干扰因子的方法以实现仿真结果可以更真实的反映实际成型状态;引入熵值权重法(Entropy?Based?Weight?,?EBW)确定各品质指标对制品综合品质影响权重,并结合顺序偏好法(Technique? for? Order? Preference? by? Similarity? Ideal?Solution,TOPSIS)等数据处理技术从数理角度处理实验数据使之能更客观反响制品最终成型品质状况;引入响应曲面法 (Response?Surface

3、?Methodology,RSM),结合方差分析(analysis?of?variance,ANOVA)与误差统计分析建立了高光注射成 型制品综合品质预测模型;针对传统遗传算法的缺乏之处提出改良算法(Improved?Genetic?Algorithm,IGA)实现了品质预 测模型的寻优过程;并经生产验证该优化技术具有很好的适用性。 关键词:高光注射成型;工艺优化;响应曲面法;改良遗传算法 中图分类号:TQ320.66?+?2?Efficient?Process Parameters?Optimization?of?Rapid?Heat?Cycling?Molding?Technology U

4、sing?Response?Surface?Methodology?and?Improved Genetic?Algorithm?LIU?Donglei?1,2?,?SHEN?Changyu?1,2?,?LIU?Chuntai?1,2?,?XIN?Yong?3?,?SUN?Ling?3?,?WU?Xiaoyu?4?1.?National?Engineering?Research?Center?for?Application?Plastic?Processing?Technology,?Zhengzhou?University,?Zhengzhou?4510022.?Key?laboratory

5、?of?Materials?process?&?mold,?Ministrry?of?Education,?Zhengzhou?University,?Zhengzhou?451002;?3.?College?of?Mechanical?and?Electrical?Engineering,?Nanchang?University,?Nanchang?3300314.?College?of?Electro?Mechanical?and?Control?Engineering,?Shenzhen?University,?Shenzhen?518060?Abstract:? The? ve

6、hicle?used?high?gloss? bluetooth? part,? developed? and?manufactured? independently,?was? considered? as? a? process?parameters?optimization?example?of?Rapid?Heat?Cycle?Molding?technology.?Coupling?with?the?experiment?and?numerical?simulation?technology,?the?center?composite?design?CCD?method?is?emp

7、loyed?in?arranging?the?experimental?points.?With?an?interference?factor?introduced?artificially,?the?simulation?results?were?kept?on?a?good?consistency?with?experimental?result.?And?the?samples?qualitative?data? is? processed? to? more? objective? response? the? products? quality? by? integrating? E

8、ntropy?Based? Weight? EBW? method? and?Technique?for?Order?Preference?by?Similarity? Ideal?Solution?TOPSIS?method.?Then?a?predictive?response?surface?model?RS?for?comprehensive? quality? index? is? created? using? Response? Surface? Methodology? RSM? based? on? analysis? of? variance? ANOVA?method.?

9、The?RS?model?is? interfaced?with?an?effective? improved?Genetic?Algorithm?IGA?to?find?the?optimum?process?parameters * 国家自然科学基金资助工程(10872186) 。××××收到初稿,××× ×收到修改稿2?values.?And?the?actual?production?achieves?good?result,?which?shows?that?the?process?control?tec

10、hnology?is?feasible?and?effective?on?processing?quality?optimization?of?high?gloss?plastic?partKey?words:? Rapid?Heat?Cycle?Molding?parameters?optimization?Response?Surface?Methodology?Improved?Genetic?Algorithm?0 前言 高光注射成型?1?(Rapid?Heat?Cycle?Molding,?RHCM)技术的提出源于客户对高精端产品品质的 追求,又以其精密、高效、节能、绿色环保等技术

11、优势而得以迅速开展,该技术核心在于变模温注射 成型,即利用三维无汇线模具及温控装置令模具内 温度急速加热及冷却以改善产品品质。当前有关?RHCM? 成型技术研究主要集中在模具升温技术和 成型工艺控制领域,Chen?2?、Satio?3?和? Kim?4?等分 别采用电磁感应加热、红外线照射加热和瞬间气体 火焰加热等方法控制模具温度以到达提高制品成 形品质的目的。Su?5?等采用仿真和实验方法研究了 微型腔内聚合物的流动行为,得出成型温度(模具 温度和熔体温度)是影响微结构成型主要因素的结 论。Yu?6?等认为模具温度必须高于某一特定温度才 能明显改善制品填充状况,且该需求温度随保压压 力增大而

12、降低。Shen?7?等研究发现模具温度对微注 射成型制品品质影响最为显著,且模具温度必须高 于塑料热变形温度才能保证制品品质。 工程优化问题的关键在于构造高适配性优化 模型和高保真度寻优算法,目前在相关领域的研究 相当广泛也较为成熟,所涉及的技术方法也包罗万 象,诸如数值模拟理论?8?10?、Taguchi?理论?11,12?、人 工神经网络技术?13?15?、模拟退火与爬山法?16,17?、灰 色理论?18?等等,相关理论的相互结合应用更是不一 而足。响应曲面法(Response?Surface?Methodology,?RSM)?19,? 20? 是一种数学与统计方法相结合最正确化 设计方

13、法,因具有建模简单和可靠性高两大优势而 得 到 广 泛 的 关 注 。 遗 传 算法?21?23?(?Genetic?Algorithm,GA)那么是一种借鉴生物界自然选择和 自然遗传机制的高度并行、 随机、 自适应搜索算法, 该算法具有隐含并行性和对全局信息的有效利用 能力两大显著特点,使优化问题的处理也变得简 单、高效。本研究以自主开发的车用蓝牙高光模具 及温控辅助装置为根底,采用?RSM?与?GA?相结合 的方法并加以改良,结合必要的实验及数据处理技 术,对? RHCM?成型工艺进行优化研究,以期得出 可用于指导生产实践的?RHCM成型工艺优化方法。 1 RHCM 成型品质考核指标及量化

14、表征 对于工程优化问题来说,首先需要确定优化目 标及优化变量。鉴于?RHCM?制品的高光洁度表观品 质要求(到达镜面精度),采用制品表观质量指标 作为该问题的评价目标是比拟可行的。这里认为高 光制品品质影响因素主要包括制品对模具型腔的复 原性能、制品收缩、翘曲变形外表及凹痕(外表沉 降)等,且沿袭相关研究,采用制品成型重量与设 计重量之比来确定制品对型腔复原性能的量化值; 成型收缩以制件长度方向的线收缩率来恒量;同时 参考复合木质板材行业中翘曲度概念来定义制品翘 曲度;而对于制品沉降斑的表征,那么通过仿真分析 来获取实验数据。相关指标及定义如下: ?1 0? 100%?P?Y m m (1)

15、?2 0? 100%?p?Y l l (2) ?3 1 2?100% 100%?p p?Y h l h h l é ù - (3) 式中,?1?Y?、?2?Y?、?3?Y?依次表示制件对型腔复制率、 线收缩率和制件翘曲度;? p?m? 、? 0?m?分别表示制件成 型重量和设计重量,? p?l? 、? 0?l? 分别表示制件长度方向 的线长度和设计值; h、? 1?h?、? 2?h?定义见图? 1。具体 测量时,取制件长度方向中心线上对称两点进行测 量,取其中较大者为样品测量结果。 图 1?制件翘曲度评价策略 确定制品综合品质指标之前,首先需要对各品 质指标权重加以量化,这

16、里引入熵值权重法 (Entropy?Based?Weight?,EBW)确定各品质指标 权重,进而采用顺序偏好法(Technique? for? Order?Preference?by?Similarity? Ideal?Solution?,TOPSIS) 求得样品综合品质指标值。 2 实验模具及温控系统开发?2.1?实验产品及模具3?某车载蓝牙产品模型如图?2.1?所示,结构相对 ×40mm×6.5mm,壁厚?1.5mm,设计重量?4.887。自主开发的车载高光蓝牙 模具如图?2.2?所示,该模具结构设计主要特点将型 腔板一分为二:型腔板和型腔背板。型腔板正面为 型腔结构

17、,反面设计与型腔结构相仿,型腔背板上 开设与型腔结构相仿随形槽,二者贴合即可形成介 质通道。由于该通道是按照成型制品结构特点随形 设计,一方面解?了热传递的均匀性,另一方面提 高模具型腔对加热温度的快速响应能力。同时在定 模型腔侧面开设? 4? 个热电偶安装孔,内置直径为?2mm?的?K?型热电偶,可用于各种塑料注塑成型时 模具温度测量。 (a)产品模型 (b)蓝牙模具 图 2?车载高光蓝牙产品及模具?2.2?温控辅助设备 采用?SP108A?型精密注射成型机(深圳仁兴机 械)进行实验生产,同时为了实现对模具 温度的实时控制,本课题组开发了以高温水为加热 介质、冷却水(或常温水)为冷却介质的模

18、具温控 辅助系统,该系统主要包括模温机、控制台、冷却 塔、空气压缩机、增压泵、热电偶、信号控制卡及 其他电器元件,其工作原理示意图见图 3?所示。?J11?W?160型模温机 (见图 4) 为该系统的核心, 该设备主要采用四组 9kw电热丝为加热源, 通过增 压系统可在 600KPa压力下提供高达 160高温水, 用以对成型模具进行快速升温;以水塔为冷却源提 供常温水对成型模具进行冷却控制。该设备具有升 温效率高、响应速度快等优点,可实现对模具温度 的精确控制。 图 3?模具温控系统原理图 图 4?J11?W?160型模温机 2.3 实验材料 实验材料为台化?ABS(AG15A1)塑料,该材

19、料各成型参数取值范围见表? 1,表中模具温度取值 是在普通成型推荐范围根底上重新设计的。 表 1成型参数取值范围表 成型参数 取值范围 模具温度? T/? 80130?熔体温度? T/? 190240?注射压力? p/MPa? 70120?注射时间?t/s? 0.51?保压压力? p/MPa? 50100?保压时间? t/s? 210?冷却时间? t/s? 315?3 因素显著性实验?3.1?实验规划 为考核表?1?中?7?个成型参数对?RHCM?成型制 品品质影响,将各参数分别取低、高两个水平,按 照?L8(2?7?)正交表进行实验安排。具体实验中,模 具温度由模温机控制,熔体温度由机筒前段

20、温度控 制,机筒中段、后段及喷嘴温度均以经验随前段温 度调整;注射、保压压力均设定为单一阶段。螺杆 转速设定为?50rpm;保压与冷却之间启动高压空气 4?吹气延时。每一实验组合从第? 11?件开始取样至第?20?件,且在脱模空放?48?小时之后,沿浇口将流道 系统凝料切除,依次测得制品复制率、线收缩率和 翘曲度等样本数据,取平均值作为最终测量结果。 另外,鉴于数值仿真结果的高度一致性,而实 际生产产品品质总是波动变化,本研究采用引入干 扰因子的方法对最易受“干扰的温度因素(模具温 度和熔体温度)在预设温度参数值的根底上人为扰 动一个变化因子(如取扰动因子d=±4%),对于每 一实验

21、方案,将扰动值和预设值一一配对,共有9?个实验组合,在假设预设值具有更高概率情况下, 同样可得到10个沉降指数模拟样本,取其平均值作 为该次实验的最终仿真结果。 实验结果如表?2?所示, 表中?Y4?表示制品沉降指 数,综合品质指标?Y为实验数据最终归一化结果, 且计算结果显示各指标权重依次为?0.0004(制品复 制率)、0.1783(线收缩率)、0.2140(翘曲度)和?0.6073(沉降指数)。 表 2成型参数对制品品质影响显著性实验结果 实验结果 实验数?Y1? Y2? Y3? Y4?Y?1? 4.6296? 5.835? 0.41? 3.940? 0?2? 4.8564? 2.491

22、? 0.16? 0.8265? 0.8933?3? 4.7674? 4.582? 0.30? 2.807? 0.3316?4? 4.8472? 3.541? 0.25? 1.728? 0.6335?5? 4.8476? 2.397? 0.17? 0.7320? 0.9117?6? 4.8033? 2.996? 0.29? 1.300? 0.7332?7? 4.8747? 2.110? 0.10? 0.4898? 1.0000?8? 4.7672? 4.594? 0.27? 2.789? 0.3414?3.2?因素显著性分析 实验数据方差分析结果见表?3,表中字母?A?G?依次表示模具温度、熔体

23、温度、注射压力、注射 时间、保压压力、保压时间和冷却时间。SSY?为各 参数偏差平方和,DF?代表自由度,MSD?代表均方 差。由表可知,保压压力(E)、模具温度(A)和 保压时间因其?F值远大于?F0.05?(1,1)而对制品品质 影响显著,而其他参数那么影响较小。 表 3方差分析表?SSY? DF? MSD? F值 显著性?A? 0.1590? 1? 0.1590? 661.3? *?B? 0.0067? 1? 0.0067? 27.9?C? 0.0176? 1? 0.0176? 73.2?D? 0.0160? 1? 0.0160? 66.7?E? 0.5163? 1? 0.5163? 2

24、147.1? *?F? 0.1435? 1? 0.1435? 596.8? *?成型参数?G? 0.0015? 1? 0.0015? 6.4?SSE? 2.4045e?005? 1? 2.4045e?005?SST? 0.8607?注:F0.05(1,1)=161?另外,在不考虑模型适配性的前提下,建立以 模具温度、保压压力和保压时间等三因素为反响变 量的线性模型,且对该评估模型预测结果与实验结 果进行比拟,如图?5所示,图中“*代表实验结果,?“+代表评估模型预测结果,“o代表二者之误差, 通过对图?5分析发现,模型预测结果与实验结果基 本吻合,二者最大误差仅为?0.1345,且误差分布具

25、有均散性的特点,这说明在实验数据足够充分条件 下,总可以找到一个适配性较好的以上述三个参数 为变量的评估模型。 (a)评估结果比拟图 (b)误差分布图 图 5评估结果比拟及误差分布图 4 RHCM 成型品质评价模型?4.1?实验规划 根据上述实验结果,确定模具温度、保压压力 和保压时间作为控制参数,采用中心复合设计法 (center? composite?design,CCD)进行实验设计, 见表?4?所示,表中?X1、X2、X3?依次代表模具温度、 保压压力和保压时间。具体实验中,除了相关参数 设定与前述类同之外,同时设定机筒前段温度(熔 体温度)210,注射压力? 95MPa,注射时间?

26、0.6s?和冷却时间?6s,以简化实验。结果见表?5,且计算 结果显示权重:制品复制率(0.0001)、线收缩率 (0.1554)、翘曲度(0.2940)和沉降指数(0.5504), 各指标影响趋势与前述相同。5?表 4?优化变量取值水平表 取值水平 成型参数1.681? 0? 1? 1.68?X1? 80? 90? 105? 120? 130?X2? 50? 60? 75? 90? 100?X3? 2? 3.6? 6? 8.4? 10?表 5?中心复合设计实验结果 成型参数 实验结果 实验号? X1? X2? X3? Y1? Y2? Y3? Y4?Y?1111? 97.931? 4.291?

27、 0.305? 2.476? 0.2175?2? 111? 98.115? 4.251? 0.293? 2.458? 0.2325? 2.896? 0.182? 1.157? 0.8225?4? 1? 11? 99.228? 2.916? 0.174? 1.192? 0.8137?511? 1? 97.939? 4.287? 0.305? 2.480? 0.2161?6? 11? 1? 98.125? 4.271? 0.293? 2.482? 0.2235?71? 1? 1? 99.147? 2.889? 0.181? 1.158? 0.8228?8? 1? 1? 1? 99.241? 2.9

28、39? 0.173? 1.214? 0.8054?9? 0? 01.68? 98.574? 3.572? 0.231? 1.814? 0.5289?10? 0? 0? 1.68? 98.641? 3.575? 0.285? 1.823? 0.4918?11? 01.68? 0? 97.610? 4.771? 0.344? 2.959? 0?12? 0? 1.68? 0? 99.568? 2.471? 0.139? 0.781? 1.0000?131.68? 0? 0? 98.569? 3.565? 0.242? 1.826? 0.5173?14? 1.68? 0? 0? 98.706? 3.5

29、55? 0.231? 1.800? 0.5345?15? 0? 0? 0? 98.637? 3.570? 0.235? 1.815? 0.5262?16? 0? 0? 0? 98.637? 3.570? 0.235? 1.815? 0.5262?17? 0? 0? 0? 98.621? 3.576? 0.236? 1.826? 0.5211?18? 0? 0? 0? 98.637? 3.570? 0.235? 1.815? 0.5262?19? 0? 0? 0? 98.637? 3.570? 0.235? 1.815? 0.5262?20? 0? 0? 0? 98.645? 3.561? 0.

30、234? 1.808? 0.5297?4.2?品质评价模型 这里引入 RSM理论构建 RHCM成型工艺优化 模型,具体求解过程中,初步采用二阶响应面模式 对该工艺过程进行定量描述,至于阶数提高与否视 模型检测结果而定。RSM?二阶回归模式表示如下:?1?2?0?1 1 1 1?k k k k?j j jj j ij i j?j j i j i?Y X X X X b b b b - + + + +(4) 式中 k?为反响变量 (成型参数) 数目,? 0 b 、? j b 、?ij b 为回归系数, 可由回归分析求得。 具体求解过程 中,考虑到反响变量矩阵X的态性,可对某一个或 几个反响变量取倒

31、数, 总共可得8个响应面模型 (RS?模型) 。如式(5)、(6)分别为“+和“+ -模型(按“X1?X2?X3顺序排列)的表达形式:?1 2 3?2?1 3 3?1.3402 0.0009 0.0278 0.0109?0.0001 0.0007?Y X X X?X X X - + + + - - (5)?1 2?3?1 2?2?3 3? 3?1? 0.0005 0.0280 0.1337?1?+0.0008 0.0006 0.2427?Y X X?X?X X?X X? X - + + + - - (6)?4.3?模型检测 各?RS?模型方差分析结果见表?6?所示。 表中?SSE?为各参数偏差

32、平方和,SSR?为回归误差平方和,SSY?为总偏差平方和;R?2?为模型多重误差系数,R?2?adj?为 修正多重拟合系数; 均由相关理论求得。 由表可知, 各?RS?模型对应的 R?2?值均在?0.9?以上,除模型(3) 和模型(5)之外,其余模型?R?2?adj?均接近于?1,且?F?统计结果显示均具有很好的适配性,从统计理论角 度来均可满足设计要求。 表 6响应面模型方差分析(ANOVA)表?1? 2? 3? 4?RS?模型 + + + + + - + - + - + +?SSE? 6.0687e?004? 9.3422e?004? 0.0551? 0.0010?SSR? 1.2068?

33、 1.2065? 1.1523? 1.2064?模型 误差?074? 1.2074?R?2? 0.9995? 0.9992? 0.9544? 0.9992?拟合 系数? R?2?adj? 0.9994? 0.9991? 0.9458? 0.9990?F统计? 5.3307? 5.3292? 5.0900? 5.3289?5? 6? 7? 8?RS?模型 + - - - + - - - + - - -?SSE? 0.0560? 0.0013? 0.0026? 0.0026?8?模型 误差?SSY? 1.2074? 1.2074? 1.2074? 1.2074?R?2? 0.9536? 0.998

34、9? 0.9978? 0.9978?拟合 系数? R?2?adj? 0.9449? 0.9987? 0.9974? 0.9974?F统计? 5.0859? 5.3276? 5.3217? 5.3217?备注:回归模型与回归误差自由度分别为?9、10,总自由度为?19? 。?*?F0.01(9,10)=5.26;* F0.05(9,10)=3.14?通过进一步求得?8?个?RS?模型的因子响应图发 现,模型(3)和模型(5)响应值偏大,模型(7) 和模型(8)响应值偏小,该四个模型对应于方差 分析结果也相应较差;其余模型的响应值与实验值 较为接近,尤其是模型(2)和模型(6),均能比 较适当的反

35、映成型工艺过程。这里考虑选用模型 (2)作为最适工艺预测模型进行后续研究,图? 6?为各参数设定为中值时随机 9次实验结果在该模型 响应空间分布情况,图中网格曲面为响应面,符号?“o为随机实验结果。 由图可知,该模型预测结果与 实验结果根本吻合,且实验点具有均散性特点,可 以很好的对?RHCM?成型工艺问题进行描述。 (a)模具温度设定6?(b)保压压力设定 (c)保压时间设定 图 6模型2响应曲面及随机实验结果分布 5 模型寻优及实验验证?5.1?模型寻优 本研究引入遗传算法作为模型寻优策略,并在 传统算法的根底上提出“改良遗传算法(Improved?Genetic?Algorithm,IG

36、A),利用传统算法中某些算 子具有良好的局部搜索功能,结合全局搜索,可较 快到达寻优目的,具体理论可参考相关研究?24?。整 个寻优过程相对简单,初始种群规模取为?50,中止 代数取?600,全局搜索杂交概率设为?0.42、变异概 率? 0.06,局部搜索杂交概率设为? 0.8、变异概率?0.015;当遗传操作经历?3/4?中止代数时进入局部搜 索阶段。优化过程综合品质指标值及适应度值变化 、 保压压力?99.80MPa、保压时间 5.45s?时,该产品综 合品质评价指标值为 1.0162。 (a)综合品质指标进化曲线 (b)适应度值进化曲线 图 7优化过程遗传进化曲线?5.2?实验验证 以优

37、化结果为初始设置进行实验,结果显示: 制品复制率? 99.87%,线收缩率? 2.186%,翘曲度?0.114%,沉降指数?0.5217%。将上述数据转换为综 合品质指标为?1.0458,与优化结果相较,二者相对 误差?2.83%,从工程角度来说比拟理想,说明利用 该模型来预测? RHCM?成型工艺是可行且合理的。 同时由实验结果(图? 8)也可以看出,整合优化过 程产品品质也是一个逐步提高的过程。 (a)遗传进化第 1代7?(b)遗传进化第 100代 (c)遗传进化第 600代 图 8?实验结果 6 结论 以自主开发的车载高光蓝牙产品为例,采用成 型实验与数值模拟并重之方法,以“中心复合实验

38、 法(CCD)-响应曲面法(RSM)-改良遗传算法 (IGA)为主线,对?RHCM?成型工艺优化技术进 行了研究: (1)通过引入干扰因子的方法实现仿真结果 可以更真实的反映实际成型状态;采用? EBW? 和?TOPSIS?理论从数理角度处理样品数据,实现了实 验结果的归一化;采用方差分析实现了对实验结果 的数据处理与分析,并通过建立关于主要成型参数 的一阶响应面模型通过误差分析来进一步验证分 析结果的正确性。 (2)引入?RSM?建立了成型参数与制品综合品 质关系模型,结合方差分析和误差分析对模型适配 性检测,得到了适当描述? RHCM?成型工艺过程的 工艺预测模型。 (3)针对传统遗传算法

39、的缺乏之处提出改良 算法(IGA),保证了求解过程的稳定性与可靠性, 实现了工艺预测模型的寻优过程,优化结果与实验 结果具有较高的吻合度,为? RHCM?成型工艺过程 的制定提供了一种可行且有效的工艺规划技术。 参考文献:?1? 王桂龙,赵国群,李辉平等。变模温注塑热响应模拟与模具 结构优化J。机械工程学报,2021,45(6):216?221?WANG? Guilong,? ZHAO? Guoqun,? LI? Huiping,? et? alHeat?Response? Simulation? of? Variotherm? Injection? Molding?andnOptimizat

40、ion?of?Mold? Structure?JJournal?of?Mechanical?Engineering,?2021,?456:?216?221?2? CHEN?S?C,?JONG?W?R? Dynamic?Mold?Surface?Temperature?Control? Using? Induction? Heating? and? Its? Effects? on? Surface?Appearance? of? Weld? Lines? J? Journal? of? Applied? Polymer?Science,?2006,?1012:?1174?1180?3? SAI

41、TO?T,?SATOH?I,?KURSAKI?Y? A? new?Concept?of?Active?Temperature? Control? for? an? Injection? Molding? Process? Using?Infrared? Radiation? Heating? J? Polymer? Engineering? and?Science,?2002,?4212:234?241?4? KIM?D?H,?KANG?M?H,?CHUN?Y?H? Development?of?a?New?Injection? Molding? Technology:? Momentary?

42、 Mold? Surface?Heating?Process?J? Journal?of?Injection?Molding?Technology,?2001,?5?4:?229?232?5? SU?Y?C,? SHAN? J,? IAN? I?W? Implementation? and? analysis? of?polymeric? microstructure? replication? by? micro? injection?moldingJ? Micromesh?Microeng,?2004,?143:?415?422?6? YU?M?C,?YOUNG?W?B,?HSU?P?M?

43、 Micro?injection?Molding?with? the? Infrared?Assisted?Mold?Heating?System? J? Material?Science?and?Engineering?A,?2007,?4604617:?288?295?7? SHEN? Y? K,? SHIE? Y? J,? WU? W? Y? Extension? Method? and?Numerical? Simulation? of? Micro?injection? MoldingJ? IntComm.?Heat?Mass?Transfer,?2004,?316:?795?804

44、?8? 余晓容,申长雨,陈静波等。注塑模浇注系统位置的自动设 计J。机械工程学报,2004,40(6):174?178?YU?Xiaorong,?SHEN?Changyu,?CHEN?Jingbo,?et?al.?Automated?Design? for? the? Optimal? Gate? Location? in? Injection? Molds? JChinese? Journal? of? Mechanical? Engineering,? 2004,?406:174?178?9? MIGULE?P,? JUAN?B,?JULIO?B.?Limiting? thinkness?

45、 estimation?in?polycarbonate?lenses?injection?using?CAE?tools?J.?Journal?of?Materials?Processing?Technology,?2003,143?14410:?438?441?10? HONG? JunPart? Builded? Orientation? Optimization? Method? in?Stereo? lithography? JChinese? Journal? of? Mechanical?Engineering,?2006,?421:14?18?11? CHANG?T?C.?Sh

46、rinkage?behavior?and?optimization?of? injection?molded?parts? studied?by? the?Taguchi?method?J.?Ploym?Eng?&?Sci,?2001,?415:?703?710?12? HUANG?Ming?Chih,?TAI?Ching?Chih.?The? effective? factors? in?the? warpage? problem? of? an? injection?molded? part? with? a? thin?shell? feature? JJournal? of?

47、Material? Processing? Technology,?2001,?1103:?1?9?13? ZHANG? Dazhi,? SUN? Yikang,? WANG? YanpingMended?Genetic? BP? Network? and? Application? to? Rolling? Force8?Predication? of? 4?STAND?Tandem?Cold? Strip?Mill? JChinese?Journal?of?Mechanical?Engineering,?2004, 402:297?300?14? SHEN? Xiang,? YI? Hon

48、g,? NI? Zhonghua? et? alOptimization? of?Coronary? Stent? Structure? Design? for? imizing? the?Anticompression? Mechanical? Property? JChinese? Journal? of?Mechanical?Engineering,?2021,?446: 98?102?15? LONG? Jiangqi,? LAN? Fengchong,? CHEN? Jiqing,? et? alMechanical? Properties? Prediction? of? the?

49、 Mechanical? Clinching?Joints?Based?on?Genetic?Algorithm?and?BP?Neural?Network?JChinese?Journal?of?Mechanical?Engineering,?2021,?451: 36?41?16? DENG? Shigan,? PAI? Ping?Feng,? LAI? Chih?Chiang,? et? al? A?solution?to?the? stacking? sequence?of?a?composite?laminate?plate?with?constant?thinkness?using

50、?simulated?annealing?algorithms?JThe? International? Journal? of? Advanced? Manufacturing?Technology,?2005,?269:?499?504?17? GANESH? K,? PUNNIYAMOORTHY? MOptimization? of?continuous?time? production? planning? using? hybrid? genetic?algorithms?simulated? annealing? J? The? International? Journal?of?

51、Advanced?Manufacturing Technology,?2005?,?26?7:148?154?18? CHANG? Shih?Hsing,? HWANG? Jiun?Ren,? GONG? Ji?LiangOptimization?of?the?injection?molding?process?of?short?glass?fiber?reinforced? polycarbonate? composites? using? grey? relational?analysis?J.?Jouranl?of?Materials?Processing?Technology,?2000,?971:?186?193?19? LU?Wen?Kai,? CHIU?Tzu?Yu,?HUANG?Shu?Hsien,? et? alUse?of?Response?Surface?Methodology?to?Optimize?Culture?