有時(shí)候由于模溫較高，工人在取件時(shí)也極為不方便，以上諸多問題都會造成生產(chǎn)效率低、產(chǎn)品質(zhì)量不能有效保證，工人勞動強(qiáng)度大，人力成本過高。如何解決這個(gè)問題就成為了本領(lǐng)域的技術(shù)人員所要研究和解決的課題。[0003]申請?zhí)枮椤啊钡闹袊鴮＠校_了名稱為“注塑件機(jī)械手自動鑲螺母夾具”的實(shí)用新型專利，其技術(shù)方案如下:包括定位構(gòu)件和機(jī)械手構(gòu)件，定位構(gòu)件包括主板、定位柱組件、定位針組件和機(jī)械手連接定位銷；機(jī)械手構(gòu)件包括連接板、氣缸、氣缸固定連接件、吸板和真空吸盤；主板上包括四個(gè)定位柱套孔、十個(gè)定位***、四個(gè)橡膠減震器孔、四個(gè)機(jī)械手連接螺孔；每個(gè)定位柱套孔中分別安裝一個(gè)定位柱組件；每個(gè)定位***中分別安裝一個(gè)定位針組件；主板中部有與機(jī)械手連接的定位銷；主板與連接板之間通過橡膠減震器固定；連接板通過氣缸固定連接件連接氣缸，常州機(jī)械手，常州機(jī)械手，氣缸的活塞桿連接吸盤吸板，吸板上安裝真空吸盤，常州機(jī)械手。本實(shí)用新型雖然具實(shí)現(xiàn)了自動放置10顆螺母，在模腔內(nèi)一次完成10顆螺母定位，提高了產(chǎn)品合格率及生產(chǎn)效率、減輕作業(yè)者的工作強(qiáng)度。但是，其只適用于單一產(chǎn)品，并且只適合放螺母的的場合，因此，其應(yīng)用具有局限性，并且在取件時(shí)，同樣需要拉開機(jī)器防護(hù)門，人工取件。

    amethodofmulti-objectiveoptimizationdrivenbymassandthefirstnaturalfrequencyandthefirstnaturalfrequencydeformationismodalanalysisofparameterizedmodelistestedbyusingthesoftwareapriatestructuralfiniteelementanalysissamplesindesignspaceareselectedbyusingthecentrapositedesignD）experimentpolynomialsareemployedtoconstructresponsesurface（RS）model，whichreflectstherelatioipbetweendesigninputsandstructuralresponseoutputs，ordingtotheresponseoutputsoftheseoptimizationmathematicalmodeloftheinjectionmoldingmanipulatorisestabparingtheParetosolutionofmulti-objectivegicalgorithm，filteringalgorithm，thenonlinearquadratigrammingalgorithmtogettheoptimalbysizeontheaveragesofsensitivityvaluebymeansofsensitivityanalysisbasedonweightedaveragemethod，whichcanhelpthedesignerstoeliminatepartofthedesignvariablesandivetheefficiencyoftheoptimization，：InjectionMoldingManipulator；Multi-ObjectiveOptimization；FiniteElementMethod中圖分類號：TH16；TG502文獻(xiàn)標(biāo)識碼：A文章編號：1001-3997。

    令p1=x1、p2=x2、p3=x3、p4=x4、p5=x5、p6=x6、p7=x7建立優(yōu)化設(shè)計(jì)數(shù)學(xué)模型如下：式中：Fd（X）、Fm（X）、Ff（X）—注塑機(jī)械手的一階模態(tài)比較大變形量、質(zhì)量、一階固有頻率；—優(yōu)化前機(jī)械手的比較大變形量、質(zhì)量、一階固有頻率；X—設(shè)計(jì)尺寸變量；xi—第i個(gè)設(shè)計(jì)尺寸變量；—第i個(gè)設(shè)計(jì)尺寸變量上、下限約束值。多目標(biāo)優(yōu)化問題多目標(biāo)優(yōu)化問題往往要求各個(gè)目標(biāo)函數(shù)同時(shí)達(dá)到比較好值，在求解過程中會產(chǎn)生一系列滿足要求的Pareto解。設(shè)計(jì)人員需要根據(jù)實(shí)際情況，從這些解中篩選出比較好的解，從而各個(gè)目標(biāo)的優(yōu)化效果達(dá)到比較好。優(yōu)化算法的分類ANSYSWorkbench軟件在求解復(fù)雜結(jié)構(gòu)的目標(biāo)優(yōu)化問題時(shí)，分別可以使用以下優(yōu)化算法：多目標(biāo)遺傳算法（MOGA）、篩選算法（Screening）、非線性二次規(guī)劃算法（NLPQL）。6優(yōu)化結(jié)果比較及分析多目標(biāo)遺傳算法（MOGA）優(yōu)化結(jié)果AWBDX樣本數(shù)量的取值范圍為（0～10000），改變樣本的數(shù)量，可以得到不同的比較好解，如表2所示。表2不同樣本數(shù)量得到的比較好解TheOptimalSolutionareObtainedbyDifferentSampleSize樣本數(shù)量0010000m/kgd/mmf/Hz由表2可知：隨著樣本數(shù)量大小的改變，求解得到的整機(jī)質(zhì)量、一階比較大變形量和一階固有頻率比較好解均不同。