留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

采用灰色关联和D-S证据理论的压射工艺参数选择方法

刘辉 张超勇 蔡恒志

刘辉, 张超勇, 蔡恒志. 采用灰色关联和D-S证据理论的压射工艺参数选择方法[J]. 机械科学与技术, 2023, 42(7): 1055-1062. doi: 10.13433/j.cnki.1003-8728.20220010
引用本文: 刘辉, 张超勇, 蔡恒志. 采用灰色关联和D-S证据理论的压射工艺参数选择方法[J]. 机械科学与技术, 2023, 42(7): 1055-1062. doi: 10.13433/j.cnki.1003-8728.20220010
LIU Hui, ZHANG Chaoyong, CAI Hengzhi. Selection Method of Injection Processing Parameter by Using Grey Relational Analysis and D-S Evidence Theory[J]. Mechanical Science and Technology for Aerospace Engineering, 2023, 42(7): 1055-1062. doi: 10.13433/j.cnki.1003-8728.20220010
Citation: LIU Hui, ZHANG Chaoyong, CAI Hengzhi. Selection Method of Injection Processing Parameter by Using Grey Relational Analysis and D-S Evidence Theory[J]. Mechanical Science and Technology for Aerospace Engineering, 2023, 42(7): 1055-1062. doi: 10.13433/j.cnki.1003-8728.20220010

采用灰色关联和D-S证据理论的压射工艺参数选择方法

doi: 10.13433/j.cnki.1003-8728.20220010
基金项目: 

国家自然科学基金项目 51861165202

国家自然科学基金项目 51575211

国家自然科学基金项目 51805330

国家自然科学基金项目 51705263

广东省重点领域研发计划项目 2019B090921001

详细信息
    作者简介:

    刘辉(1997-), 硕士研究生, 研究方向为智能制造、车间调度, 614740073@qq.com

    通讯作者:

    张超勇, 教授, 博士生导师, zcyhust@hust.edu.cn

  • 中图分类号: TG233.1

Selection Method of Injection Processing Parameter by Using Grey Relational Analysis and D-S Evidence Theory

  • 摘要: 合理的压射工艺对于提高压铸生产效率和降低压铸件缺陷意义重大。本文针对压铸过程中的压射工艺参数的选择提出了基于灰色关联和D-S证据理论相融合的决策方法,摆脱了以往依托专家经验的试错法,使得压射工艺参数的选择更具有科学性。实验证明本文提出的方法在满足准确性的同时具有高效性。
  • 图  1  压射过程

    Figure  1.  Injection process

    图  2  采用灰色关联和D-S证据理论的压射工艺参数选择流程

    Figure  2.  The process of selecting injection process parameters using grey correlation and D-S evidence theory

    表  1  压射工艺参数制定的影响因素

    Table  1.   Factors that influence the formulation of injection process parameters

    影响因素 具体表现 本文考虑因素
    产品模具相关参数 模具流道参数、模具溢流系统参数、模具排气系统参数、浇注金属液质量、铸件和溢流质量、铸件平均壁厚等 浇注金属液质量、铸件和溢流质量、铸件平均壁厚
    材料相关参数 金属种类、浇注金属液密度、金属热膨胀系数、金属固相线温度、金属液相线温度等 浇注金属液密度、金属固相线温度、金属液相线温度
    加工设备结构相关参数 锁模力、压射力、压室直径、压室长度、压室充满度等 压室直径、压室长度、压室充满度
    辅助设备相关参数 模温机参数、浇注设备参数等
    加工环境 环境温度、环境湿度等
    下载: 导出CSV

    表  2  历史压铸模式

    Table  2.   Historical die casting modes

    历史压铸模式 证据种类 评价指标 综合评价得分
    浇注金属液密度/(g·cm-3) 浇注金属液质量/g 铸件和溢流质量/g 金属固相线温度/℃ 金属液相线温度/℃ 铸件平均壁厚/mm 压室直径/mm 压室长度/mm 压室充满度 等效应力/MPa 孔隙率/%
    1 1.81 595 608 470 595 1.0 70 130 0.66 104.5 2.654 369.9
    2 1.81 637 658 470 595 1.0 80 105 0.67 101.8 2.657 367.5
    3 1.81 686 710 470 595 1.5 70 150 0.66 104.8 2.701 374.9
    4 2.20 789 813 554 650 1.8 70 140 0.67 103.3 2.671 370.4
    5 2.20 864 879 554 650 2.0 60 205 0.68 107.9 2.654 373.3
    6 2.20 981 998 554 650 2.2 80 140 0.63 104.3 2.756 379.9
    7 2.55 1 210 1 229 629 654 2.3 70 260 0.47 107.7 2.734 381.1
    8 2.55 1 341 1 366 629 654 2.3 60 365 0.51 105.7 2.706 376.3
    9 2.55 1 453 1 478 629 654 2.6 70 450 0.33 103.7 2.754 379.1
    10 2.60 1 522 1 550 638 657 2.7 60 510 0.41 107.9 2.754 383.3
    11 2.60 1 633 1 657 638 657 2.7 70 430 0.38 103.9 2.812 385.1
    12 2.60 1 768 1 790 638 657 2.8 60 575 0.42 103.3 2.873 390.6
    13 2.75 1 937 1 993 643 654 3.0 60 620 0.40 105.7 2.987 404.4
    14 2.75 2 145 2 195 643 654 3.5 60 555 0.50 106.2 2.934 399.6
    15 2.75 2 400 2 415 643 654 3.8 70 650 0.35 107.1 3.107 417.8
    下载: 导出CSV

    表  3  最终融合结果

    Table  3.   Final fusion results

    模式 融合结果 模式 融合结果
    1 1.03×10-10 9 2.21×10-1
    2 3.04×10-13 10 1.08×10-1
    3 9.15×10-10 11 4.46×10-1
    4 9.53×10-6 12 9.62×10-2
    5 4.65×10-6 13 4.55×10-2
    6 1.33×10-5 14 8.45×10-3
    7 4.25×10-2 15 7.03×10-3
    8 3.22×10-2 未知 6.78×10-3
    下载: 导出CSV

    表  4  压射工艺参数和综合评价结果对比

    Table  4.   Comparison of results

    压射工艺参数 理论计算公式 D-S证据理论 本文方法 实际生产调试
    慢压射行程/mm 272 317 340 335
    慢压射速/(m·s-1) 0.14 0.23 0.22 0.20
    快压射行程/mm 148 108 92 94
    快压射速/(m·s-1) 2.98 3.80 4.10 4.30
    增压行程/mm 40 35 28 31
    综合评价得分 572.3 425.7 392.4 383.2
    下载: 导出CSV
  • [1] 吴春苗. 压铸技术手册[M]. 2版. 广州: 广东科技出版社, 2007.

    WU C M. Die casting technical manual[M]. 2nd ed. Guangzhou: Guangdong Science and Technology Press, 2007. (in Chinese)
    [2] 周奇, 胡伟民, 梁广涛. p-Q图在压铸工艺及模具设计中的应用[J]. 特种铸造及有色合金, 2019, 39(3): 279-282. https://www.cnki.com.cn/Article/CJFDTOTAL-TZZZ201903013.htm

    ZHOU Q, HU W M, LIANG G T. Application of the p-Q diagram in die casting process and mould design[J]. Special Casting & Nonferrous Alloys, 2019, 39(3): 279-282. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-TZZZ201903013.htm
    [3] 唐继强. 锁模力检测及P-Q图像绘制智能化[J]. 铸造, 2019, 68(6): 628-633. https://www.cnki.com.cn/Article/CJFDTOTAL-ZZZZ201906019.htm

    TANG J Q. Monitoring of die locking force and intellectualization of P-Q visual plot[J]. Foundry, 2019, 68(6): 628-633. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-ZZZZ201906019.htm
    [4] FU J H, COLEMAN J, POOLE G, et al. Uncertainty propagation through a simulation of industrial high pressure die casting[J]. ASME Journal of Heat Transfer, 2019, 141(11): 112101. doi: 10.1115/1.4044514
    [5] 刘高剑, 郑伟刚, 李威, 等. 基于AnyCasting的换挡塔压铸缺陷分析及工艺改进[J]. 贵州大学学报(自然科学版), 2016, 33(6): 26-28. https://www.cnki.com.cn/Article/CJFDTOTAL-GZDI201606007.htm

    LIU G J, ZHENG W G, LI W, et al. Die-casting defect analysis and process improvement of shift tower based on AnyCasting[J]. Journal of Guizhou University (Natural Sciences), 2016, 33(6): 26-28. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-GZDI201606007.htm
    [6] 岑尧, 高倩. 基于ProCAST的TiB2/7075复合材料流变压铸数值模拟[J]. 热加工工艺, 2019, 48(7): 90-93. https://www.cnki.com.cn/Article/CJFDTOTAL-SJGY201907023.htm

    CEN Y, GAO Q. Numerical simulation of rheological die casting of TiB2/7075 composites based on ProCAST[J]. Hot Working Technology, 2019, 48(7): 90-93. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-SJGY201907023.htm
    [7] MUNÕZ-IBAÑEZ C, ALFARO-PONCE M, CHAIREZ I. Hierarchical artificial neural network modelling of aluminum alloy properties used in die casting[J]. The International Journal of Advanced Manufacturing Technology, 2019, 104(1-4): 1541-1550. doi: 10.1007/s00170-019-04019-z
    [8] 冯洪高, 张赤斌. 基于PLC和模糊神经网络的压铸控制系统优化研究[J]. 热加工工艺, 2018, 47(17): 108-111. https://www.cnki.com.cn/Article/CJFDTOTAL-SJGY201817030.htm

    FENG H G, ZHANG C B. Study on optimization of die casting control system based on PLC and fuzzy neural network[J]. Hot Working Technology, 2018, 47(17): 108-111. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-SJGY201817030.htm
    [9] 张庆, 李晓棠, 于峰, 等. 基于BP神经网络的压铸成型工艺参数的模拟与优化[J]. 铸造设备与工艺, 2011(5): 35-37. https://www.cnki.com.cn/Article/CJFDTOTAL-ZSBY201105014.htm

    ZHANG Q, LI X T, YU F, et al. Optimization and application of process parameters for die casting process based on neural network of BP[J]. Foundry Equipment and Technology, 2011(5): 35-37. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-ZSBY201105014.htm
    [10] 姜洪权, 高建民, 梁泽明, 等. 基于D-S证据理论的压射工艺模式辨识技术[J]. 计算机集成制造系统, 2015, 21(5): 1343-1349. https://www.cnki.com.cn/Article/CJFDTOTAL-JSJJ201505025.htm

    JIANG H Q, GAO J M, LIANG Z M, et al. Pattern recognition of die casting process based on D-S evidence theory[J]. Computer Integrated Manufacturing Systems, 2015, 21(5): 1343-1349. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-JSJJ201505025.htm
    [11] 梁银凤, 杨荣敏. 压铸工艺对新型镁合金汽车压铸件性能的影[J]. 热加工工艺, 2020, 49(15): 54-57. https://www.cnki.com.cn/Article/CJFDTOTAL-SJGY202015015.htm

    LIANG Y F, YANG R M. Effect of die casting technology on properties of new magnesium alloy die castings for automobile[J]. Hot Working Technology, 2020, 49(15): 54-57. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-SJGY202015015.htm
    [12] 魏显坤. 汽车用铝合金压铸件的慢压射工艺参数研究[J]. 特种铸造及有色合金, 2020, 40(1): 53-55. https://www.cnki.com.cn/Article/CJFDTOTAL-TZZZ202001021.htm

    WEI X K. Slow shot parameters of aluminum alloy die castings for automobiles[J]. Special Casting & Nonferrous Alloys, 2020, 40(1): 53-55. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-TZZZ202001021.htm
    [13] 王龙生. 压铸工艺设计与实践[J]. 铸造技术, 2019, 40(3): 269-275. https://www.cnki.com.cn/Article/CJFDTOTAL-ZZJS201903012.htm

    Wang L S. Die casting process design and practice[J]. Foundry Technology, 2019, 40(3): 269-275. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-ZZJS201903012.htm
    [14] 邓聚龙. 汉英对照灰色系统基本方法二[M]. 2版. 武汉: 华中科技大学出版社, 2005.

    DENG J L. The primary method of gray system theory[M]. 2nd ed. Wuhan: Huazhong University of Science and Technology Press, 2005. (in Chinese)
    [15] 王洪奎, 龚晓峰. 基于改进DS证据理论的加权协作频谱检测算法[J]. 电子设计工程, 2018, 26(21): 26-29. https://www.cnki.com.cn/Article/CJFDTOTAL-GWDZ201821006.htm

    WANG H K, GONG X F. Weighted cooperative spectrum sensing algorithm based on improved dempster shafer evidence theory[J]. Electronic Design Engineering, 2018, 26(21): 26-29. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-GWDZ201821006.htm
    [16] MURPHY C K. Combining belief functions when evidence conflicts[J]. Decision Support Systems, 2000, 29(1): 1-9.
    [17] 张玉玺. 压铸模具的工艺参数计算及参数调节[J]. 模具制造, 2009, 9(1): 51-54. https://www.cnki.com.cn/Article/CJFDTOTAL-MJZZ200901025.htm

    ZHANG Y X. Calculation and adjustment of die-casting die technics parameters[J]. Die & Mould Manufacture, 2009, 9(1): 51-54. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-MJZZ200901025.htm
  • 加载中
图(2) / 表(4)
计量
  • 文章访问数:  153
  • HTML全文浏览量:  63
  • PDF下载量:  16
  • 被引次数: 0
出版历程
  • 收稿日期:  2021-03-17
  • 刊出日期:  2023-07-25

目录

    /

    返回文章
    返回