脉振注射成型过程影响因素多,具有高度非线性及时变性,对制品的质量产生重要影响。随着提高生产率和节能的要求越来越迫切,在优化过程中还要考虑脉振注射成型过程的成型周期和能耗,致使优化的目标扩充为制品质量最优、成型周期最小和能耗最低。传统注射成型过程建模与优化已取得丰硕的研究成果,但不能很好地适用于脉振注射成型过程,所以对脉振注射成型过程建模和多目标优化进行深入的研究,可以为合理选择脉振注射成型工艺、丰富获得良好性能注塑制品的加工手段等提供实验数据与理论依据,具有重要的科学价值与现实意义。 本文利用聚合物新型成型装备国家工程研究中心设计的液压脉振注射成型机,按照试验设计方法的理论,分别采用材料PP和HDPE,以矩形薄壁制品为研究对象,应用Taguchi DOE技术进行正交实验,获得所有的实验数据。研究了工艺参数对制品体积收缩率、飞边、制品重量、成型周期和能耗五个指标的影响关系,确定了工艺变量对各个制品指标的影响程度。 利用获得的实验数据,建立了用于预测脉振注射成型制品指标的软测量模型。针对BP算法收敛速度慢,网络泛化能力差的缺点,改进了粒子群算法,提出了自适应粒子群算法和神经网络相结合的新型模型,改善了网络训练性能；同时引进了灰色关联分析方法和贝叶斯正则化技术,优化了网络结构,提高了泛化能力,使得脉振注射成型制品指标的软测量模型预测精度更高。 针对脉振注射成型过程多目标优化所需的MOPSO多目标优化方法,讨论了MOPSO具有局部搜索能力差的缺点,提出了多目标线性搜索与MOPSO结合的混合多目标优化方法,克服了MOPSO局部搜索能力差的缺点,使全局搜索和局部搜索都能很好地实现。为脉振注射成型过程多目标优化得到最优解提供了可靠的方法。 在软测量模型的基础上,以制品指标输出为适应度函数,利用软测量模型的近似计算实现了制品指标的智能多目标优化。得到了优化的工艺参数,特别是首次得到了优化的振动参数值,为脉振注射成型精确设定工艺参数提供了参考。并与正交试验方法所得的优化结果作了比较,验证了智能多目标优化方法具有快速、准确和效果显著等优点。 本文提出的混合集成智能多目标优化的思想为脉振注射成型过程提高制品质量,缩短成型周期,降低能耗提供了理论基础。其应用前景广阔,具有较大的经济意义。