(3.230.154.160) 您好!臺灣時間:2021/05/08 00:02
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果

詳目顯示:::

我願授權國圖
: 
twitterline
研究生:陳昱廷
研究生(外文):Yu-Ting Chen
論文名稱:雙面非球面鏡片射出成形之多目標最佳化研究
論文名稱(外文):Multi-Objective Optimization for Double-Sided Aspherical Lens Injection Molding
指導教授:林明哲林明哲引用關係
指導教授(外文):Ming-Che Lin
學位類別:碩士
校院名稱:義守大學
系所名稱:機械與自動化工程學系
學門:工程學門
學類:機械工程學類
論文種類:學術論文
論文出版年:2016
畢業學年度:104
語文別:中文
論文頁數:87
中文關鍵詞:非球面鏡片射出成形類神經網路基因演算法
外文關鍵詞:Aspherical lensInjection moldingNeural networkGenetic algorithm
相關次數:
  • 被引用被引用:1
  • 點閱點閱:377
  • 評分評分:系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:1
本研究主要探討射出成形參數對於雙面非球面鏡片形狀精度的影響,以類神經網路建構出品質預測器再搭配基因演算法找出射出成形參數的最佳條件組合。
實驗過程中,先以田口實驗方法設計實驗參數,以模具溫度、塑料溫度、保壓壓力為主要製程參數,並以這些參數組合作為類神經網路的訓練組。然而由實驗結果所得出兩個特徵面的最佳參數並非同一個組合,故再導入多目標田口方法,找出一組對於兩個特徵I及II面都是較佳的參數組合,再施以類神經網路建構出品質預測器。將測試結果與預測結果作回歸分析,可以得出品質預測器的效果,最後再搭配基因演算法演算出一組最佳的成形參數,以提升雙面非球面透鏡的形狀精度。
實驗結果得知,多目標田口方法求得的最佳化參數組合為模具溫度110℃,塑料溫度250℃及保壓壓力65MPa,其實際成形得到雙面非球面透鏡之特徵I面形狀精度為1.874μm,特徵II面形狀精度為2.181μm;品質預測器搭配基因演算法求得之最佳化得出的結果為模具溫度100.6℃,塑料溫度251.3℃及保壓壓力57.2MPa,其實際得到雙面非球面透鏡之特徵I面形狀精度為1.221μm,特徵II面形狀精度為0.968μm,相較於多目標田口方法,品質預測器搭配基因演算的實驗方法使雙面非球面透鏡的兩個特徵面獲得更佳的形狀精度。

This study focuses on obtaining the injection molding parameter settings for producing high precision double-sided aspherical lenses. A neural network approach is used to construct a quality predictor, and a genetic algorithm is followed to search for the optimal parameters settings of the predictor.
Mold temperature, plastic temperature and holding pressure are selected as the major process parameters in experiments. At first, Taguchi method is carried out to find the optimal parameter combination for each side of the lens. However, the optimμm parameter combinations obtained for two feature surfaces are not the same. Therefore, multi-objective Taguchi method is used to identify a preferred parameter combination for the two surfaces. The obtained parameter combination is then used as the training set for a neural network quality predictor. Regression analysis is conducted by using predicted results and test results to realize the performance of the quality predictor. Finally, a genetic algorithm is applied to obtain a set of optimal combination of parameters which can improve the accuracy of double-sided aspherical lenses.
Results of optimization parameters obtained by multi-objective Taguchi method are mold temperature 110 ℃, plastic temperature 250 ℃, and holding pressure 65MPa. The surface shape accuracy of double-sided aspherical lens for feature surface I is 1.874μm, and 2.181μm for feature surface II. The optimization parameters obtained by quality predictor and genetic algorithms are mold temperature 100.6 ℃, plastic temperature 251.3 ℃, and holding pressure 57.2MPa. The surface shape accuracy of double-sided aspherical lens for feature surface I is 1.221μm, and 0.968μm for feature surface II.
Comparing the obtained results, parameter settings obtained by using the optimization method combining quality predictor with genetic algorithm can improve the surface accuracy of the double-sided aspherical lens.

摘要 i
Abstract ii
誌謝 iii
總目錄 iv
表目錄 vi
圖目錄 viii
第一章 緒論 1
1.1前言 1
1.2 射出成形 4
1.3研究動機與目的 6
1.4研究方法 7
1.5 口內掃描器(Intra-oral Scanner) 9
第二章 基礎理論與文獻回顧 11
2.1非球面光學元件 11
2.1.1非球面定義 13
2.2田口實驗方法 15
2.2.1品質特性 16
2.2.2多目標田口最佳化 17
2.3類神經網路 18
2.3.1倒傳遞類神經網路架構 21
2.3.2倒傳遞類神經網路的演算 22
2.4基因演算法 26
2.5文獻回顧 29
第三章 模流分析與實驗設備 31
3.1模流分析 31
3.2模流分析結果 33
3.3實驗設備 35
3.3.1模具 35
3.3.2射出成形機 37
3.3.3模具溫度控制機台 40
3.3.4烘料機 42
3.3.5超高精度三次元輪廓儀Ultra Accuracy 3-D Profilometer 44
3.3.6 實驗材料 48
第四章 射出成形實驗與多目標最佳化 49
4.1單目標田口實驗 50
4.1.1短射實驗 50
4.1.2成形視窗 51
4.1.3田口實驗規劃 52
4.1.4單目標田口實驗結果 54
4.2多目標田口方法 58
4.2.1多目標田口實驗規劃 58
4.2.2多目標田口方法結果 60
4.3類神經網路搭配基因演算法最佳化 61
4.3.1品質預測器 61
4.3.2品質預測器搭配基因演算法最佳化 69
第五章 結論與未來展望 71
5.1未來展望 72
參考文獻 73

[1]TechAdvisor,http://www.pcadvisor.co.uk/new-product/gadget/samsung-gear-vr-release-date-price-specs-uk-on-sale-3529642/

[2]Made-in-China.com,http://big5.made-in-china.com/gongying/grandview999-eomELjzbbPhM.html

[3] apple 台灣,https://www.apple.com/hk/support/iphone/

[4] u-car.com,http://news.u-car.com.tw/18316.html

[5] wiki,https://zh.wikipedia.org/wiki/Google%E7%9C%BC%E9%95%9C

[6]自由時報,http://auto.ltn.com.tw/news/3033/7

[7]經濟部統計處,https://www.moea.gov.tw/MNS/dos/content/Content.aspx?menu_id=6819

[8]黃俊欽,2014,塑膠模具設計及分析課程講義,高雄應用科技大學模具系碩士課程

[9] KANGLIBANG,http://www.pet-jiaoshui.com/Article/gxmy14z

[10]永信光學,http://www.eyescare.com.tw/document/8

[11]台灣wiki,http://www.twwiki.com/wiki/

[12]黃聖智,2015,模仁補償於口內掃描器透鏡射出成形研究,高雄應用科技大學機械工程系碩士論文

[13] 曾淑玲,2005,非球面塑膠鏡片收縮誤差補償之研究,台灣科技大學機械工程系碩士論文

[14] 吳文旺,2012,射出製程條件對熔膠剪切效應及成品表面品質影響之研究,高雄應用科技大學模具工程系碩士論文

[15] 羅凱斯,2009,整合實驗規劃、倒傳遞類神經及基因演算法於L形光源導光板最佳化設計,高雄應用科技大學機械工程系碩士論文

[16] 張良瑋,2008,LED透鏡最佳化設計研究,高雄應用科技大學機械工程系碩士論文

[17] 林威壯,2009,導光膜連續滾壓為成行研究,高雄應用科技大學機械工程系碩士論文

[18] 張靜怡,2009,以基因演算法結合類神經網路最佳化射出成形作業之翹曲與收縮值,東海大學工業工程與經營資訊研究所碩士論文

[19] 林啟湶,2005,一般常用最佳化方法在塑膠射出成形之應用,台灣科技大學機械工程系碩士論文

[20] 吳祥輝,2003,應用模糊田口方法於架空式起重機衍架穩健多目標最佳化設計,高雄第一科技大學機械系碩士論文

[21] 許家新,2013,藍光光碟讀寫頭物鏡之塑膠射出成形研究,高雄應用科技大學機械系碩士論文

[22] 刑玉璽,2003,射出成形之塑膠光學讀取頭透鏡收縮,國立成功大學航空太空工程研究所碩士論文

[23] 邱永福,2011,塑膠射出成形內縮改善之研究,國立交通大學精密與自動化工程學系碩士論文

[24] 李祥和,2010,運用田口方法探討影響光學鏡片品質之要因,逢甲大學工業工程與系統管理學系碩士論文

[25] 謝宗廷,2012,應用基因演算法估算塑膠模具射出成形模穴溫度,高雄應用科技大學模具系碩士論文

[26] Moldex3D,塑膠材料資料庫

[27] 台灣黃頁,http://www.web66.com.tw/CW1026/SODICK%E6%88%90%E5%BD%A2%E6%A9%9F%20LP%E4%BB%95%E6%A8%A3-N1026847.html#

[28] Sodick,http://www.plustech-inc.com/applications/lsr-silicone/

[29] 松井製作所,http://matsui-mfg.cn/product/plastic/temperature-controller/cat1156/mcm-sc.html

QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
系統版面圖檔 系統版面圖檔