應(yīng)用智慧型最佳化於導(dǎo)光板微射出成型之轉(zhuǎn)寫控制

應(yīng)用智慧型最佳化於導(dǎo)光板微射出成型之轉(zhuǎn)寫控制

ID:38101577

大?。?01.99 KB

頁數(shù):6頁

時間:2019-05-24

應(yīng)用智慧型最佳化於導(dǎo)光板微射出成型之轉(zhuǎn)寫控制_第1頁
應(yīng)用智慧型最佳化於導(dǎo)光板微射出成型之轉(zhuǎn)寫控制_第2頁
應(yīng)用智慧型最佳化於導(dǎo)光板微射出成型之轉(zhuǎn)寫控制_第3頁
應(yīng)用智慧型最佳化於導(dǎo)光板微射出成型之轉(zhuǎn)寫控制_第4頁
應(yīng)用智慧型最佳化於導(dǎo)光板微射出成型之轉(zhuǎn)寫控制_第5頁
資源描述:

《應(yīng)用智慧型最佳化於導(dǎo)光板微射出成型之轉(zhuǎn)寫控制》由會員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。

1、臺灣.高雄.高雄大學(xué)2009第17屆模糊理論及其應(yīng)用研討會應(yīng)用智慧型最佳化於導(dǎo)光板微射出成型之轉(zhuǎn)寫控制1余志成黃明賢梁智富林穎志古洪華國立高雄第一科技大學(xué)機(jī)械與自動化工程學(xué)系1E-mail:jcyu@ccms.nkfust.edu.tw經(jīng)濟(jì)部在地型產(chǎn)業(yè)加值學(xué)界科專計(jì)畫編號:97-EC-17-A-07-S1-108國科會計(jì)劃編號:NSC97-2221-E-327-011-MY2thisworksetsupafuzzyreasoningfortheprediction摘要reliabilityoftheNNmodeltoguidetheevolutionarysearchof

2、GAforaquasi-optimum.Theverificationof本文應(yīng)用演化型局部類神經(jīng)網(wǎng)路結(jié)合基因演算theprovidedoptimumisaddedtothelearningsamples法,於導(dǎo)光板微結(jié)構(gòu)的射出成形製程參數(shù)最佳化。toretraintheevolvingmodel,andtheprocessiterates藉由高週波感應(yīng)加熱線圈快速昇溫的特性,控制成untilthereachofconvergence.Thedesignofa2-inch形模仁表面溫度,以改善微結(jié)構(gòu)成型轉(zhuǎn)寫性。影響lightguidewithmicroV-groovesi

3、susedtoillustrate特徵轉(zhuǎn)寫率的製程參數(shù)包括射出速率、保壓壓力、theapplicationoftheproposedmethodology,andto保壓時間、模溫、冷卻時間、與模面溫度等六個參comparewithTaguchimethod.Convergedoptimumis數(shù),業(yè)界常採用田口方法進(jìn)行參數(shù)設(shè)計(jì),但參數(shù)間reachedat11iterationswithanoutstandingfeature的交互作用與系統(tǒng)非線性,容易造成預(yù)測錯誤。為transcribingratioof92%,whichdemonstratesthedesigneff

4、iciency.降低實(shí)驗(yàn)次數(shù)與提升搜尋效率,本研究以實(shí)驗(yàn)計(jì)畫樣本建構(gòu)出類神經(jīng)網(wǎng)路的近似模型,再以基因演算Keywords:Lightguide,InductionHeating,Injection法,搜尋最佳品質(zhì)特性。然而為避免因?qū)嶒?yàn)計(jì)畫學(xué)Molding,NeuralNetwork,Genetic習(xí)樣本稀少,使得近似模型的普遍性不足,造成最A(yù)lgorithm,FuzzyLogics佳設(shè)計(jì)的預(yù)測誤差,搜尋限於模型的「信賴空間」,信賴空間由距離學(xué)習(xí)樣本小於信賴半徑的範(fàn)圍所1.前言定義。藉由預(yù)測最佳參數(shù)的驗(yàn)證實(shí)驗(yàn),重新訓(xùn)練近導(dǎo)光板主要應(yīng)用於液晶顯示器(TFT-LCD)中,似模型

5、,並依預(yù)測準(zhǔn)確性,以模糊邏輯自動調(diào)整信其功用是將側(cè)邊之點(diǎn)或線光源,藉由導(dǎo)光板上內(nèi)的賴半徑,反覆演化近似模型與最佳搜尋遞迴直到收微結(jié)構(gòu)(microstructure)轉(zhuǎn)成在出光平面上均勻之?dāng)?。文中以兩吋?dǎo)光板微V溝成形為載具,並與田成像光源。微V溝常應(yīng)用於導(dǎo)光板上用以均勻?qū)Ч饪诜椒ńY(jié)果比較,本研究以田口實(shí)驗(yàn)作為初始學(xué)習(xí)[1],但由於導(dǎo)光板薄形化的趨勢,微結(jié)構(gòu)的尺寸可樣本,在11次遞迴達(dá)到收斂結(jié)果,平均轉(zhuǎn)寫高度達(dá)能下降至微米等級,若使用一般傳統(tǒng)模具的進(jìn)行射到92%,驗(yàn)證了本方法的優(yōu)點(diǎn)與效率。出製程,則易造成塑膠射出成型過程中產(chǎn)品充填不關(guān)鍵詞:導(dǎo)光板、感應(yīng)加熱、射出成形、類神經(jīng)

6、足(shortshot)、翹曲(warping)及變形(strain)網(wǎng)路、基因演算法、模糊邏輯等缺陷,將使微結(jié)構(gòu)的轉(zhuǎn)寫誤差大,致造成透過不良及輝度條紋等異常。Abstract使用單一參數(shù)法常用於初期探討不同製程參數(shù)對微結(jié)構(gòu)轉(zhuǎn)寫性之影響[2],研究發(fā)現(xiàn)對於導(dǎo)光板微Thisstudyappliesasoftcomputingbasedoptimizationmethodology,theEvolutionaryRegional結(jié)構(gòu)成形的轉(zhuǎn)寫性,其成型製程影響性因子以模具NeuralnetworkwithGeneticAlgorithm,(ERNGA),to溫度最重要,其次為

7、保壓壓力,再其次為射出溫theparameteroptimizationfortheinjectionmolding度。為提高模具溫度以改善微結(jié)構(gòu)成形的轉(zhuǎn)寫性,oflightguides.Ahighfrequencyinductionheating但隨著模具溫度的提高,將會使得整個成型週期過coilisappliedtocontrolthesurfacetemperatureof長或加熱不均勻現(xiàn)象發(fā)生。有學(xué)者利用高週波感應(yīng)moldinserttoimprovethetranscribingpropertyof加熱線圈快速升溫之

當(dāng)前文檔最多預(yù)覽五頁,下載文檔查看全文

此文檔下載收益歸作者所有

當(dāng)前文檔最多預(yù)覽五頁,下載文檔查看全文
溫馨提示:
1. 部分包含數(shù)學(xué)公式或PPT動畫的文件,查看預(yù)覽時可能會顯示錯亂或異常,文件下載后無此問題,請放心下載。
2. 本文檔由用戶上傳,版權(quán)歸屬用戶,天天文庫負(fù)責(zé)整理代發(fā)布。如果您對本文檔版權(quán)有爭議請及時聯(lián)系客服。
3. 下載前請仔細(xì)閱讀文檔內(nèi)容,確認(rèn)文檔內(nèi)容符合您的需求后進(jìn)行下載,若出現(xiàn)內(nèi)容與標(biāo)題不符可向本站投訴處理。
4. 下載文檔時可能由于網(wǎng)絡(luò)波動等原因無法下載或下載錯誤,付費(fèi)完成后未能成功下載的用戶請聯(lián)系客服處理。