一种基于数字孪生的型腔压力分布预测系统技术方案

本发明专利技术公开了一种基于数字孪生的型腔压力分布预测系统

【技术实现步骤摘要】
一种基于数字孪生的型腔压力分布预测系统


[0001]本专利技术涉及了一种型腔压力分布预测系统，具体涉及一种基于数字孪生的型腔压力分布预测系统
。

技术介绍

[0002]注塑过程中，主要有三个因素影响制品质量，分别是压力
、
温度和时间
。
其中压力不当会导致制品出现翘曲
、
残余应力过大和收缩等质量问题，特别是企业在进行大批量注塑产品生产时，如果没有及时发现压力不当，会导致大批量的制品出现翘曲
、
收缩等质量问题，停机调试又会影响效率，故而在大批量生产中对模具注塑成型过程压力进行数字孪生，能实现对模具注塑过程压力实时预测，及时发现故障，及时寻找并调整注塑机工艺参数，对产品成型质量
、
加工效率的提高以及风险
、
成本的降低等具有重大意义
。

技术实现思路

[0003]为了解决
技术介绍
中存在的问题，本专利技术所提供一种基于数字孪生的型腔压力分布预测系统
。
通过人工神经网络拟合模流仿真的数据，建立从注塑机工艺参数到各重要节点区域压力的数值关系，通过传回现场数据更新数值关系，在生产过程中对压力进行预测和监视，以便及时发现故障
、
寻找并调整注塑机工艺参数
。
[0004]本专利技术采用的技术方案是：
[0005]本专利技术的基于数字孪生的型腔压力分布预测系统包括监测并获取注塑机工艺参数的注塑机在线监测网站；包括输入注塑机工艺参数并输出型腔压力分布预测数据的型腔压力分布预测模块；包括根据型腔压力分布预测数据构建型腔压力分布
3D
模型的
3D
模型模块；包括基于数字孪生软件模块设计的用于可视化展示注塑机工艺参数
、
注塑机工艺参数的输入界面和型腔压力分布
3D
模型的
UI
界面
。
[0006]所述的注塑机工艺参数包括注射压力
、
熔体温度
、
模具温度和保压压力
。
[0007]所述的型腔压力分布预测模块中包括训练完成的人工神经网络，通过将注塑机工艺参数作为输入，将模具型腔压力作为输出，对人工神经网络进行训练获得训练完成的人工神经网络，采集待检测的注塑机的注塑机工艺参数并输入训练完成的人工神经网络中，训练完成的人工神经网络输出模具型腔压力分布预测数据
。
人工神经网络具体可采用
BP
网络
。
[0008]所述的人工神经网络使用遗传算法进行优化训练
。
[0009]所述的模具型腔压力包括型腔各重要节点压力数值，即型腔各重要节点的位置和压力值
。
节点位置和压力数值来源于模流仿真分析软件
。
[0010]所述的型腔各重要节点的压力值具体为将型腔按照重要性划分为有限个区域，每个区域中有一个重要节点，重要节点的压力值为当前区域各节点的压力值的平均值
。
[0011]所述的根据型腔压力分布预测数据构建型腔压力分布
3D
模型，具体为将各重要节点的压力值转化为颜色
RGB
值，具体转化方式为压力值由大到小对应颜色变化为从红到蓝，
从而将各重要节点的压力值可视化呈现在各重要节点的位置处，最终构建型腔压力分布
3D
模型
。
[0012]本专利技术通过人工神经网络拟合模流仿真的数据，建立从注塑机工艺参数到各重要节点区域压力的数值关系，通过传回现场数据更新数值关系，在生产过程中对压力进行预测和监视，以便及时发现故障
、
寻找并调整注塑机工艺参数
。
[0013]本专利技术的有益效果是：
[0014]本专利技术能实现对模具注塑过程压力实时预测，及时发现故障，方便操作人员寻找并调整注塑机工艺参数
。
对产品成型质量
、
加工效率的提高以及风险
、
成本的降低等具有重大意义
。
附图说明
[0015]图1是本专利技术建立人工神经网络模型方式示意图；
[0016]图2是本专利技术型腔压力分布预测系统的实施示意图
。
具体实施方式
[0017]下面结合附图及具体实施例对本专利技术作进一步详细说明
。
[0018]本专利技术的基于数字孪生的型腔压力分布预测系统包括监测并获取注塑机工艺参数的注塑机在线监测网站；包括输入注塑机工艺参数并输出型腔压力分布预测数据的型腔压力分布预测模块；包括根据型腔压力分布预测数据构建型腔压力分布
3D
模型的
3D
模型模块；包括基于数字孪生软件模块设计的用于可视化展示注塑机工艺参数
、
注塑机工艺参数的输入界面和型腔压力分布
3D
模型的
UI
界面
。
[0019]注塑机工艺参数包括注射压力
、
熔体温度
、
模具温度和保压压力
。
[0020]型腔压力分布预测模块中包括训练完成的人工神经网络，通过将注塑机工艺参数作为输入，将模具型腔压力作为输出，对人工神经网络进行训练获得训练完成的人工神经网络，采集待检测的注塑机的注塑机工艺参数并输入训练完成的人工神经网络中，训练完成的人工神经网络输出模具型腔压力分布预测数据
。
人工神经网络具体可采用
BP
网络
。
人工神经网络使用遗传算法进行优化训练
。
[0021]模具型腔压力包括型腔各重要节点压力数值，即型腔各重要节点的位置和压力值
。
节点位置和压力数值来源于模流仿真分析软件
。
[0022]型腔各重要节点的压力值具体为将型腔按照重要性划分为有限个区域，每个区域中有一个重要节点，重要节点的压力值为当前区域各节点的压力值的平均值
。
[0023]根据型腔压力分布预测数据构建型腔压力分布
3D
模型，具体为将各重要节点的压力值转化为颜色
RGB
值，具体转化方式为压力值由大到小对应颜色变化为从红到蓝，从而将各重要节点的压力值可视化呈现在各重要节点的位置处，最终构建型腔压力分布
3D
模型
。
[0024]如图1所示，本专利技术建立人工神经网络模型方式如下：在三维建模软件中将注塑机的模型创建好，导入到模流分析软件中，并进行动画网格划分，保存网格划分的节点坐标数据
。
根据模型在实际注塑中的工艺参数，确定各个工艺参数的变化范围，并以此设计正交实验表，通过在模流分析软件中完成不同工艺参数组合的仿真，并提取结果中的压力数据
。
将压力数据和节点坐标，工艺参数等数据根据确定好的人工神经网络训练输入输出来进行数
据的预处理，处理完后将数据代入创建好的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于数字孪生的型腔压力分布预测系统，其特征在于：包括监测并获取注塑机工艺参数的注塑机在线监测网站；包括输入注塑机工艺参数并输出型腔压力分布预测数据的型腔压力分布预测模块；包括根据型腔压力分布预测数据构建型腔压力分布
3D
模型的
3D
模型模块；包括基于数字孪生软件模块设计的用于可视化展示注塑机工艺参数
、
注塑机工艺参数的输入界面和型腔压力分布
3D
模型的
UI
界面
。2.
根据权利要求1所述的基于数字孪生的型腔压力分布预测系统，其特征在于：所述的注塑机工艺参数包括注射压力
、
熔体温度
、
模具温度和保压压力
。3.
根据权利要求1所述的基于数字孪生的型腔压力分布预测系统，其特征在于：所述的型腔压力分布预测模块中包括训练完成的人工神经网络，通过将注塑机工艺参数作为输入，将模具型腔压力作为输出，对人工神经网络进行训练获得训练完成的人工神经网络，采集待检测的注塑机的注塑机工艺参数并输入训练完成的人工神经网络中，训...

【专利技术属性】
技术研发人员：彭翔，王杨林，李吉泉，姜少飞，颉俊，景立挺，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：