Author(s):
Reis, Daniel da Cunha 
Date: 2007
Persistent ID: http://hdl.handle.net/10773/2432
Origin: RIA - Repositório Institucional da Universidade de Aveiro
Subject(s): Engenharia mecânica; Moldagem por injecção; Redes neuronais; Termoplásticos
Description
Neste trabalho foi desenvolvido um modelo baseado em redes
neuronais que permite prever o comportamento da pressão de injecção
dentro da cavidade em função das variáveis do processo, para um
determinado material.
Baseado em trabalhos que decorreram nos últimos dois anos no
Departamento de Engenharia Mecânica foi usado um molde
instrumentado com um sensor de pressão acoplado a um sistema de
aquisição de dados que permite monitorar em tempo real, a pressão na
cavidade do molde bem como também algumas variáveis importantes
para o processo de injecção como são a pressão hidráulica e a
velocidade de injecção. Tendo sido a temperatura do termoplástico
simulada com o software Moldflow®. Para o efeito foi utilizada uma
máquina de injecção de termoplásticos, EuroInj D65.
Foram treinadas com o algoritmo Backpropagation com a estratégia
de Levenberg-Marquadt, 3002 configurações diferentes de redes
neuronais possuindo no máximo, cinco camadas e 10 neurónios por
camada. Inicialmente as redes foram treinadas para um caso específico,
e posteriormente, para todos os casos. Como seria se esperar, a sua
capacidade de generalização aumenta com o aumento do número de
exemplos com que a rede é treinada.
Também o valor máximo da pressão dentro da cavidade foi obtido
com um erro de 0.3%, o que representa um valor muito fiável, podendo
portanto afirmar-se que será possível, a partir destes resultados,
estabelecer procedimentos futuros no que concerne a previsão da
qualidade do processo de obtenção de peças por injecção por moldação.
ABSTRACT: In this project, a model based on neural networks which predicts the
behavior of the injection pressure in the interior of the mould cavity
depending on the variables of the process for a certain raw material, was
developed.
Based on experiments, carried out in the last two years, in the
Department of Mechanical Engineering, a mould with a pressure sensor
and an acquisition software, which allows the user to monitor the pressure
inside the mould’s cavity, but also other relevant variables for the process,
such as hydraulic pressure and injection velocity, was used. The
thermoplastic temperature was simulated with Moldflow® software. The
injection machine used was an EuroInjD65.
About 3002 different neural networks with a maximum of 5 layers and
10 neurons per each layer were trained.
The best performance was achieved with the Levenberg-Marquadt
algorithm.
The cavity pressure evolution during cycle time was established within
an error of 0.3%, which can be said to be an acceptable error.
Furthermore, it can be said that, with the results obtained, further work
can be undertaken in order to establish injection molding process control
routines. Mestrado em Engenharia Mecânica
Document Type
Master Thesis
Language
Portuguese
Advisor(s)
Ferreira, Jorge; Oliveira, Mónica Sandra Abrantes de
