论文研究 基于神经网络的PET拉伸吹塑工艺参数预测

这项研究提出了一种为拉伸吹塑（SBM）工艺开发的参数选择策略，以最大程度地减少所用预成型坯的重量。 该方法基于使用神经网络开发的预测模型。 使用带有监督反向传播学习的3层NN模型来预测预成型坯的温度分布模型。 另外，考虑到内部气压与预成型坯体积之间的关系，该模型用于预测施加在预成型坯内部的均匀气压。 使用就地测试和对0.330升聚对苯二甲酸乙二醇酯（PET）瓶的几种重量和长度进行的测量来验证参数。 测试表明，该模型可以充分预测吹塑运动学，主要是区域温度以及沿瓶壁的吹塑和拉伸压力，同时保持瓶的强度和最高负荷要求。 在第二步中，将模型组合起来以自动计算最低的瓶坯重量，该重量可用于提供均匀壁厚分布的