ỨNG DỤNG MẠNG NEURON TRONG DỰ ĐOÁN PHÂN BỐ NHIỆT ĐỘ LÒNG KHUÔN

Tóm tắt

Nghiên cứu này tập trung vào việc ứng dụng mạng neuron nhân tạo (ANN) để dự đoán phân bố nhiệt độ trong lòng khuôn phun ép nhựa ở giai đoạn gia nhiệt trước khi ép. Bộ dữ liệu thực nghiệm gồm 25 mẫu được xây dựng dựa trên ma trận trực giao Taguchi L25 với bốn yếu tố đầu vào: nhiệt độ nước gia nhiệt, lưu lượng nước, bề dày hốc nước và bề dày tấm chặn nước. Mô hình ANN được xây dựng trong MATLAB dưới dạng perceptron đa lớp, huấn luyện bằng dữ liệu đã được tiền xử lý. Kết quả cho thấy mô hình ANN có khả năng dự đoán chính xác sự biến thiên nhiệt độ của khuôn, với sai số thấp nhất là 2,06% và không vượt quá 4,75% trong các trường hợp kiểm thử. Điều này khẳng định ANN là công cụ hiệu quả trong mô phỏng truyền nhiệt phi tuyến, giúp giảm thiểu số lượng thí nghiệm, tối ưu hóa thiết kế và nâng cao hiệu quả quy trình sản xuất.

Title

APPLICATION OF NEURAL NETWORKS IN PREDICTING TEMPERATURE DISTRIBUTION IN MOLD CAVITIES

Abstract

This study investigates the application of artificial neural networks (ANN) in predicting temperature distribution in injection mold cavities during the pre-heating stage. A database of 25 experimental samples was established using a Taguchi L25 orthogonal design, considering four input factors: heating water temperature, water flow rate, cooling channel thickness, and blocking plate thickness. The ANN model was developed in MATLAB with a multilayer perceptron architecture, trained on pre-processed experimental data. The results demonstrate that the ANN accurately predicts mold temperature evolution, with prediction errors as low as 2.06% and not exceeding 4.75% across test cases. The findings confirm that ANN-based models can capture nonlinear heat transfer behavior in mold heating and provide a reliable tool for process optimization, reducing experimental effort and improving mold design efficiency