最佳的注射模具浇口设计自由使用Abductive网络.doc

基于Abductive网络的最佳任意注射模具浇口设计本研究以注射位置和浇口的大小作为主要控制参数来模拟注射模具。一旦给出了喷雾参数(浇口大小和浇口位置,可用成熟的Abductive网络准确的预测产品性能(变形)。为了避免众多的影响因素,使用 abductive网络建立第一个线性参数方程来限制浇口的范围。用一个仿真退火算法优化算法计算出最优喷雾参数,用一个性能指标、获得一个完美的部分。主要目的是追求铸件浇注面上最优浇口的位置,最大程度的减少了铸件缩孔和变形形成。这研究也使用一个实际的例子, 实验证明结果令人满意。关键词:Abductive网络;注射模具;模拟退火算法1.介绍近年来,由于工业的迅速发展,市场需要快速、大量生产的产品。公司产品全部使用模具可节省时间和成本。塑料制品占大部分，因为这些产品不需要复杂的过程，并能快速方便的应对市场的需求等特点。在传统的塑料产品设计,模具部分取决于人类。然而,由于增加的性能要求,和增加的复杂的塑料制品。首先,各种塑料制品的几何形状是很难绘制、其内部形状往往相当复杂，也会影响生产的产品。 注塑加工可以分为三个阶段:1。加热塑料材料成熔化状态。然后,在高压下使其流动,最后进入模腔。 2。当灌满模腔后,更多的熔化塑胶应该被浇在高压冒口来补偿的塑料的收缩。这保证了 模腔完全注满。3。冷却后取出产品。虽然浇注过程只是一小部分的完整的生产周期,但是很重要。填充不完善,就没有稳压和充分冷却。因此,塑性流体的流动必须完全严格控制,以确保产品质量。等温浇注模型的牛顿液体是最简单的注射mould-flow充填模式。理查德森1的基础上产生了一个完整而详细的概念。主要观念被基于润滑的应用理论，他简化复杂的3d流体理论为2d隙可互溶流动。隙可互溶流动被过去常常模拟势流动，此外使用在可塑性塑料的流动。他假设塑料流动在一种极薄的金属板上，充分流动忽视通过厚度对速度的改变。卡迈勒以及其他人。使用类似的方法获得为一个矩形模具型腔的填充条件，解析的结果获得几乎和实验结果完全相同。塑料注入一个铸模空腔遵照牛顿的流动模型，以及其他后继Bird等人2 - 4派生的mould-flow理论以此为基础。当模具的形状复杂和有厚度变化的时候，平衡方程变的非线性和没有解析解。因此,它可以解决只有有限差分法或数字解决方案2、5 当然,作为聚合物是一个粘弹性流体,最好解决流量问题采用粘弹性方程。1998年，我和戈雅以及其他人。使用白色梅茨讷粘弹性模型模拟圆盘mould-flow模型为中央的倾泻。梅茨讷，使用一个有限差分法解决控制方程，福尔德粘弹性效果将不改变分配的速度和温度。然而，它影响应力场。如果是一个纯粘弹性流体模型,最受欢迎的GNF模型一般用于进行了数值模拟。目前,采用有限元方法是主要用于解决mould-flow问题。其他的方法是纯粹的粘弹性模型,如C-FOLW和MOLD-FLOW软件。我们使用这个方法。一些软件运用粘弹性White-Metzner模型的基础上,但是是有限对二维mould-flow分析。由于CPU的频率简单的模具流量分析是有限的。复杂的模具形状,Papthanasion等使用UCM流体充填分析、使用有限差分法和系统应用BFCC协调解决问题的有效方法,浇注mould-shape更复杂的问题,但并没有商业化6。许多因素影响塑料型材注射。浇注速度、注射压力和熔融温度、保温压力7,冷却管13、14和注塑浇口的精度都影响,因为当塑料制品、注塑加工完成时, 模腔压力和温度分布不均匀使塑料流速不定,以致工件冷却后有残余应力与变形。很难决定part-surface和浇口位置的模具。一般来说,模具的part-surface位于模具的最大的平面。追求最优浇口的位置取决于经验。如果你够幸运那么就可最小的改进模具。然而,需要的时间和费用来改进大部分注射模具超过原始成本,如果选择part-line很差。模具的表面,许多工人采用各种方法寻找最佳模具part-line,如几何形状和基于特征的设计15 17。一些人员都用有限元方法和abductive网络来寻找典型压铸件的最佳浇口设计18。本研究采用一个abductive网络建立参数关系part-line模具,并利用该公式为寻找22分在注塑模具part-line为注射浇口位置。Abductive网络是用于比赛注射压力和执行注射稳压时间形成进行分析,并为这些参数建立了关系 ,注射过程的输出结果。有证据表明,在abductive网络预测精度远高于其它网络19。Abductive网络基于Abductive造型技术,能够表达复杂且不确定的关系分析结果,mould-flow注射参数。它表明通过建立网络以合理的准确性可预测产品中的注射张力和注射压力。网络一旦建立输入和模拟确定的浇口位置之间的关系;一个适当的优化算法性能指标,然后用寻找最佳位置参数。本文提出了一种优化方法20的模拟退火算法。将模拟退火算法是一种模拟退火过程中,最大程度的减少了绩效指标体系。本系统已成功应用于滤波在图像处理(21)、大规模集成电路布局一代(22),离散公差设计(23)、丝电火花加工(24),deep-draw间隙(25)和casting-die转轮设计26等。它提供了实验基础理论基础上的发展及应用技术。2。Mould-Flow理论2。Mould-Flow理论模具流量分析包括四个主要部分:1。注射期。2。稳压阶段。3。冷却和凝固阶段。4。收缩与偏差、即应力残留的阶段。因此,模具流量方程分成四个组。在注射期,模具腔充满塑性流体在高压下熔化。因此,控制方程包括:1。连续性方程。塑性变形或形状变动在填补伴随流动过程(质量守恒)r=塑料密度 ；V=速度矢量2。动量方程。牛顿第二定律是用来获得动量(加速度)或力平衡条件所产生的塑性流变:P =流动压力;f=承载力;t =应力张量。3。能量方程。系统能量守恒定律,流体是不可压缩的。 T =比热温度; CP=定容比热;q=热流密度4。流变方程V =变形张量;(= V)T =运输载体。保压压力分析。等待压力过程保持压缩模腔盛在为了注入更多的塑料,来弥补萎缩的冷却。冷却分析。分析了冷却过程考虑塑性流动的关系分配和热量传输。同质的模具温度和序列的填充会影响产品的萎缩成立。如果温度非均匀线荷载分布时,这将会产生翘曲。这主要是由于传热和crystallisation炎热的塑料。3。Abductive网络综合和评估r=结晶率；DH=结晶热米勒(22)观察到人类行为限制同一时间处理信息的数量。输入的数据,然后归纳总结了信息传递到更高的水平。在一个abductive网络,一个复杂的系统可以分解为较小的、简单的子系统分成好几层使用多项式函数节点。这些淋巴结评估数量有限的输入量进行多项式功能和输出一个作为输入对后来的下一层节点。这些多项式功能节点是在合同中规定的如下:1. Normaliser1标准化者一个normaliser将原始输入变量成一种相对比较常见的范围。 A1是normaliser输入，q0，q1是normaliser系数，x1是原始输入2。白色节点一个白色的节点由前层总产量的线性重压和组成。y1,y2,y3、yn是前层的输入,b1是节点的输出,r0,r1,r2,r3,%,rn是三重节点系数。这些名字是基于输入变量的数字。每个节点所显示的代数形式如下:3。单节点、双节点、和三重节点如果z1, z2, z3, %, zn, n1, n2, n3, %, nn, o1, o2, o3, %,是以前层的输入,那c1,d1、e1是节点的输出, s0, s1, s2, s3, %, sn, t0, s1, t2, t3, %, tn, u0, u1, u2, u3, %, un是单节点、双节点、和三倍节点的系数。这些节点是三次多项式的Eq.和双节点和三重节点,允许有交叉项干扰的节点输入变量间的互动。4. Unitiser另一方面,一个unitiser转换成输出到一个真正的输出。i1等级的地方是输出的网络、f1是真正的产出,并证明和v1是unitiser的系数的。4。Part-Surface模型本研究利用一个实际的工业产品为例,图.1。模具表面部分位于最大投影区域。在图1所示,底部为最大平面被选择作为模具表面。然而,最重要的是在分型面上寻找浇口的位置。 本研究采用一abductive 中心网络建立了参数方程,为了构建模拟退火方法 (SA)找到最优浇口路径的位置。一个part-surface的参数方程表现于F(Y)= X。首先,使用一个CMM系统来测量XYZ的坐标值(在这个研究z = 0) 如表1的阐述,22点在模具part-line且在模具 part-surface上,浇口的位置完全在这个空间的曲线上。开发一种空间曲线模型之前,一个数据库必须建立,而且在关键控制点和abductive网络系统之间必须存在着良好的关系。正确、精确的曲线Eq有助于找到最优浇口位置。图1。注射模具产品表1。X,Y坐标。.建立一个完整的abductive网络, 第一要求是培养学生的数据库。提供的信息输入和输出参数必须是非常有限的。可预测直方误差准则PSE最后可自动确定最优结构(23)。PSE的标准是用来选择最复杂的但仍精确的网络。 PSE由两部分组成:FSE主题在平均方误差的网络训练数据拟合和KP是复杂的罚款网络,体现在公式: FSE主题在平均方误差的网络训练数据拟合和KP是复杂的罚款网络,体现在公式:表2通过abductive模型和坐标测量机测量数据比较所预测的误差。测量数据不包含在测量数据坐标测量机的22点集中以此建立模型。这组数据被用来测试建立模型之上的适用性。我们可以看到表2这种错误大约有2.13%,显示出该模型比较适合这个空间曲线。表2。对比CMMS坐标系和中心网络预测(它不包括在任何原始22点集数据库)。5。制造注射模具模型 同样, 在注射过程中建立输入参数(浇口位置和浇口尺寸)和输出参数(变形) 之间的关系。建立一个完整的abductive网络, 第一要求培养学生的数据库。提供的信息投入与产出数据必须充分。.因此, abductive网络的训练因素(浇口位置)应满足任何制造缺陷的产品。图二 显示有限元仿真mould-flow。表3显示由mouldflow软件分析得到在浇口的位置的最大变形量。三层abductive网络在注射模具模型的发展的基础上, 组成模具条件和注射结果(变形)并自动合成。他们所能准确地预测产品应变(注射模具产品的结果)下的不同控制参数。所有的多项式方程在这个网络中使用列在附录 B (PSE= 2.3 10-5).模型和仿真试验对所预测的误差进行了比较。仿真案例被从22应用实例集合排出而建立模型。这组数据被用来测试的适用性在模型建立后。图2。利用有限元法对mould-flow变形。表3。浇口位置和最大应变关系。表4。模拟和中心网络预测Mould-flow相比(它不包括在任何原始22集数据库)。我们从表4可以看到这种错误，大约4.62%的模型符合该模型类要求。6模拟退火理论在1983年,一种能解决全体优化问题的理论,进行了革新。这个概念就是一个强大的优化算法退火固体在一定程度上解决了多因素影响的组合优化问题。当温度不和能源E、热平衡的系统是一个波尔兹曼分布:Z(T)=正常化的因素,KB= 波尔兹曼常数，Exp(-E/KBT) =波尔兹曼因素Metropolis 24提出了一个标准为模拟冷却固体到一个新声明的能量平衡。使用的基本尺度都会是一种优化算法称之为“模拟退火”。该算法是由Kirkpatrick等。20。在这个论文中“模拟退火算法”搜索最优控制参数的浇口位置 图3所示模拟退火搜索的流程。首先,给出了算法的初始温度Ts和最终温度Te,和一组初始进程向量Ox。基于注射参数绩效指标体系定义目标函数。目标函数可以重新为所有不同的干扰补偿参数。如果新的目标函数越变小,干扰工艺参数被认定为新工艺参数,温度下降一点刻度。那就是:如果i是指标的温度递减,CT是衰减率的温度(CT,1)。然而,如果目标函数的可能性越来越大,可接受的摄动法给出了工艺参数。KB是波尔兹曼常数, 目标函数的obj是不同的。这个过程被重复,直到温度Ti接近零。它显示出能量降到最低的情形。一旦浇口位置函数间的模型关系、建立输入参数和输出参数,该模型可用于寻找最优参数浇口的位置。目标函数作为一个起始点获得过程的最优参数, 制定目标函数。图3。工艺模拟退火的搜寻。w1, w2, and w3是重力函数。控制参数X,Y定位应符合part-surface参数方程。这意味着基础条件的优化应落在一定范围内:1。X坐标的值优化应大于最低X坐标价值,小于最大X坐标价值。2。Y坐标的值优化应大于最低纵坐标价值,小于最大X坐标价值。X,Y坐标取决于附录一种中心网络方程。3。最优浇道口宽度的大小应大于浇道最小的尺寸,小于浇道最大的尺寸。4。最优浇道 高度的大小应大于浇道最小的尺寸,小于浇道最大的尺寸。 给出了不平等问题如下:上限的条件应保持一个可接受的水平,从而找到了浇道口的坐标。7。结果和讨论仿真实例常用于阐明对浇口位置优化的处理。在第一种情况下,重力函数w1=w2=w3=w4=1 (浇口位置和大小的平均重力)。在这个案例中,该参数的模拟退火算法给出了:初始温度Ts = 100C,最终温度,Te = 0.0001C衰减率 CT =0.98，波尔兹曼常数Ks = 0.00667，X坐标上界限是 -0.0276 mm, Y坐标上界32.49mm(X是取决于纵坐标)。模拟退火是用来寻找最优浇口坐标、浇口大