近事例。当检索到与新设计相匹配的事例后，系统即将匹配成功的结果输出给用户，再通过相应的交互修改与完善即可成为新的设计方案，新的设计结果也将被存入事例库中。同时新的Case索引也将被建立和存储，这样可不断地丰富系统的事例知识库。

事例推理的关键在于事例的提取和描述。事例的描述是通过特征表示完成的，并将特征以代码的形式进行存储，推理时采用指针提取代码来获得事例的关键信息，实现设计推理。

推理时首先需进行事例的检索，检索是基于一定的索引方式和相似度定义通过特征识别实现的，检索到相近事例后还需进行相似算法的匹配，即计算两个事例的相似度。计算模型为

式中，i表示第i个匹配的特征；

相似度[i]表示事例间第i个特征的相似度；

权重[i]表示第i个特性的权重因子。

当特征值相等时，相似度[i]=权重[i]；特征值不等时，相似度[i] =0。

系统运行时是通过识别塑件主特征来检索出最相似的事例，但具有相同主特征的事例可能有多个，为此需要通过辅助特征来进一步筛选出最相近的事例。相似度[i]的计算主要依据特征的属性，不同属性的特征对应的值不同。CBR中的每个事例都有一组特定的属性{a1,a2,a3…ai…an}，属性ai的权值可通过公式（2）进行计算，其中Pi是与新事例相关的事例库中的事例属性ai出现的概率，qi是与新事例无关的事例库中的事例属性ai出现的概率。

计算出相似度[i]和权重[i]后，通过公式（1）就可以得出事例库中每个事例与新事例的相似度，相似度最高的被评定为最相似事例，然后系统会根据相似度最高的事例来设计新的浇注系统。如果经过计算得出的相似度低于75％，则认为事例库中没有相近的事例。此时可选取一个比较相近的事例为基础，进行人工交互设计，设计结果经过验证合理后，也将被作为新的事例存入事例库。

对系统推理设计出的浇注系统设计方案，认为满意后即可直接输出，也可通过MoldFlow分析软件作进一步的模流分析验证，对不满足设计要求的结果，则需返回系统重新进行设计。

4  系统实现的实例

图3为某报警器壳体塑件，材料为ABS，塑件外形尺寸为高 52mm，直径为60mm，塑件壁厚1.5mm，设计要求为一模八腔。塑件外观不允许有明显的浇口痕迹。

 

 

 

 

 

塑件的几何形状属一端封闭的圆筒形，结构不很规则。圆筒上部有16条筋与顶部圆弧面连接，下部圆柱面上沿底部圆周外壁不均匀地分布有4个凸起结构，圆柱部分底面为平面。内形为阶梯形圆柱孔。该塑件不需用侧向抽芯的模具结构即可成形。其主要特征为圆筒形和圆弧顶面，辅助特征为连接筋和局部凸起结构。应用智能化设计系统进行浇注系统设计的过程如下：

1）获取信息

进入智能化设计系统后，首先对塑件进行特征识别，然后通过图4所示的对话框，来获得塑件的半径、高度和模板厚度及型腔数量与位置分布等信息。同时系统根据塑件材料参数及尺寸进行体积与质量计算。

 

 

 

 

 

2）进入RBR引导的智能化设计模块

首先系统进行初始化设计，以确定流道的布局形式、浇口的类型、数目和位置。其中流道的布局形式信息是通过系统对话框窗口获得的。浇口的数目由系统运行内部规则知识库经过计算来确定。浇口类型和位置设计的推理过程如下：

IF  外观质量要求＝外观无明显痕迹

AND 材料＝ABS  AND 主特征＝圆筒形和圆弧顶面 AND 辅助特征＝连接筋 AND 塑件对称性＝非；

THEN  浇口类型＝【点浇口】；

IF  主特征＝圆筒形和圆弧顶面 AND

辅助特征＝连接筋AND 限制特征＝边限制；

THEN  浇口位置 ＝ 【圆弧顶面中心位置】。

    浇注系统的类型及浇口位置等确定后，系统进入优化设计阶段。通过采用遗传算法进行最佳浇口位置的自动搜索，使得不同流动路径的等效流长差异的算术平均值最小，从而保证浇注系统的流动平衡。根据塑件及其材料的相关信息和优化的浇口位置，系统推出了在塑件顶面圆弧中心位置的单点浇口进料方式。

最后系统根据初始阶段和优化设计的结果，进行流道尺寸与截面形状及浇口尺寸的详细设计。设计过程中需根据选用的模架尺寸，运用系统的规则知识库和相关数学模型进行各部分的尺寸计算。如：

主流道尺寸确定:

IF 塑件材料＝ABS 

THEN 主流道锥度α＝3°

topXRadius＝注塑机喷嘴直径； 

height＝定模板厚度＋脱流道板厚度；

系统通过D＝topXRadius+2.0*height/tan(43*PI/90)

计算主流道大端直径。

浇口尺寸的计算，系统是根据识别出的塑件特征尺寸及体积和质量的计算，再通过上述过程，系统即可给出完整的浇注系统结构设计方案，本例推出的一模八腔浇口直径的经验计算模型求得的。同理系统根据相关规则推理和数据计算可确定出合理的流道截面形状和各级分流道及冷料穴的尺寸。

单点浇口的平衡式布局的设计结果如图5所示。

 

 

 

 

 

5结束语

浇注系统设计是注塑模具设计中的关键环节，传统的以经验为主的设计方法难以满足现代工业产品对模具高质量、短周期的设计要求。本文在对塑件的几何特征和模具浇注系统组成特征进行分类及对浇注系统设计知识、典型结构及专家经验进行全面分析总结的基础上，应用知识工程的方法，建立了浇注系统设计的知识规则库和事例库，并用RBR和CBR相结合的推理技术，实现了注塑模具浇注系统的智能化设计。本文的工作为进一步实施注塑模具的智能化设计奠定了基础。

参考文献

[1]  原思聪，王宪章.AutoCAD二次开发技术及其在机械工程中的应用. 西安建筑科技大学学报，2001(33)：71~75.

[2]  韩军，车文刚.CBR—一种新型的人工智能推理方法.昆明理工大学学报，2003.（28）：88～91.

[3]  唐志玉.塑料模具设计师指南.国防工业出版社，1999.

[4]  Pandelidis I, Zou Q. Op tim ization of injection mo lding design.Part I: gate location op tim ization. Po lymer Engineering and Sci2ence, 1990, 20 (15) : 873- 882.

[5]  K.Shelesh—Nechad,et al.An Intelligent Systerm for Plastic Injection Molding Process Design[J].Joural of Matials Processing Techology 63(1997)458~46.

上一页  [1] [2] 

文章地址：http://www.jiajingmould.com/Article/mjjs/200809/259.html