Multi-objective optimization of injection molding process parameters based on BO-RFR and NSGAII methods / Yanli Cao in INTERNATIONAL POLYMER PROCESSING, Vol. 38, N° 1 (2023)  

[article]  inINTERNATIONAL POLYMER PROCESSING > Vol. 38, N° 1 (2023) . - p. 8-18 Titre : Multi-objective optimization of injection molding process parameters based on BO-RFR and NSGAII methods Type de document : texte imprimé Auteurs : Yanli Cao, Auteur ; Xiying Fan, Auteur ; Yonghuan Guo, Auteur ; Wenjie Ding, Auteur ; Xin Liu, Auteur ; Chunxiao Li, Auteur Année de publication : 2023 Article en page(s) : p. 8-18 Note générale : Bibliogr. Langues : Anglais (eng) Catégories : Eléments finis, Méthode des Gauchissement (matériaux) Matières plastiques -- Moulage par injection Optimisation multi-objectif L'optimisation multiobjectif (appelée aussi Programmation multi-objective ou optimisation multi-critère) est une branche de l'optimisation mathématique traitant spécifiquement des problèmes d'optimisation ayant plusieurs fonctions objectifs. Elle se distingue de l'optimisation multidisciplinaire par le fait que les objectifs à optimiser portent ici sur un seul problème. Les problèmes multiobjectifs ont un intérêt grandissant dans l'industrie où les responsables sont contraints de tenter d'optimiser des objectifs contradictoires. Ces problèmes peuvent être NP-difficiles. Leur résolution en des temps raisonnables devient nécessaire et alimente une partie des chercheurs travaillant dans la recherche opérationnelle. (Wikipedia) Retrait volumique Tags : 'Régression  forestière  aléatoire  optimisée  bayésienne  (BO-RFR)'  'Optimisation  multi-objectifs'  'Moulage  par  injection  plastique  (PIM)' Index. décimale : 668.4 Plastiques, vinyles Résumé : Injection molding of thin-walled plastic parts with minimum deformation in warpage and volume shrinkage is crucial for part quality. Simulation combined Latin hypercube sampling approach was used to research the effects of different process parameters on deformation. Then, random forest regression (RFR) is used to construct the mathematical relationship between process parameters and defects, such as warpage and volume shrinkage. The gaussian process is used as probabilistic surrogate model, while the probability of improvement is used as acquisition function to construct a Bayesian optimization for RFR’s hyperparameters, and the performance of random search is compared. In addition, the gradient boosting regression (GBR) and support vector regression (SVR) were also adopted to establish the prediction models, respectively. Comparing all the above prediction models, it can be found that the Bayesian optimized random forest regression (BO-RFR) has the highest accuracy. The Non-dominated Sorting Genetic Algorithm-II (NSGA-II) is interfaced with the predictive models to find the optimum design parameters for the purpose of effectively predicting and controlling warpage and volume shrinkage. The results show that warpage is reduced by 66.03% while volume shrinkage is 46.20% after optimizing. The final finite element simulation and physical tests indicate that this proposed method can effectively achieve the multi-objective optimization of injection molding. Note de contenu : - FINITE ELEMENT SIMULATION ANALYSIS AND OPTIMIZATION STRATEGY : Finite element model - Latin hypercube sampling - Multi-objective optimization strategy - BO-RFR : RFR - BO - BO-RFR - Evaluation - MULTI-OBJECTIVE OPTIMIZATION : NSGA-II - Multi-objective optimization through NSGA-II - Trade-off analysis - VERIFICATION OF THE OPTIMIZATION RESULTS : Finite element simulation verification - Experimental verification - Table 1 : Range of design parameters - Table 2 : LHS and simulation results - Table 3 : Optimal hyperparameters - Table 4 : Evaluation of different models - Table 5 : Verification of optimal process parameters - Table 6 : Results of measurements of warpage and volume shrinkage DOI : https://doi.org/10.1515/ipp-2020-4063 En ligne : https://drive.google.com/file/d/1HWBGIG1npEvYy42X7mOUp9Suq4mZMAhV/view?usp=share [...] Format de la ressource électronique : Pdf Permalink : https://e-campus.itech.fr/pmb/opac_css/index.php?lvl=notice_display&id=39190 [article]

Réservation

Réserver ce document

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
24052	-	Périodique	Bibliothèque principale	Documentaires	Disponible

---

1 (1 - 1 / 1)