CAE 技术在注塑成型中的应用.doc

1、文库下载 免费文档下载/本文档下载自文库下载网，内容可能不完整，您可以点击以下网址继续阅读或下载：/doc/f4c534c758f5f61fb7366635.htmlCAE技术在注塑成型中的应用CAE技术在注塑成型中的应用化工进展2004年第23卷第3期CHEMICALINDUSTRYANDENGINEERINGPROGRESS?260?CAE技术在注塑成型中的应用王利霞余晓容申长雨陈静波(郑州大学橡塑模具国家工程研究中心,郑州450002)摘要综述了注塑成型CAE技术的研究发展概况;介绍了注塑

2、成型CAE技术与优化理论结合,实现模具自动优化设计的理论与方法;研究了利用CAE结果分析工艺参数及制品质量指标之间的关系,抽取信息建立合适的工艺模型,优化工艺并控制成型过程及制品质量的理论与方法。关键词注塑成型,CAE技术,优化,质量控制中图分类号TQ320.66文献标识码A文章编号1000-6613(2004)03-0260-07注塑成型是重要的塑料制品成型方式,适于大批量生产形状复杂、尺寸要求精确的塑料制品。注塑成型工艺非常复杂,成型制品质量受到模具设计参数、材料性能参数及充填、保压和冷却过程中的工艺参数等许多因素的影响。近年来,随着注塑产品应用范围的变化,对产品质量的要求越来越高。传统的

3、试错法生产方式难以满足现代行业对塑料制品产量、质量和更新换代速度的需求。CAE技术的出现使模具设计建立在科学的分析基础上,提高了模具的设计水平,从而使成型制品质量有了大幅度的提高。目前,模具设计中已经广泛采用数值模拟辅助设计,但现有的应用大多是“被动式”的,并不能代替人的创造性工作,只能作为一种辅助工具帮助人去判断设计方案是否合理,难以提供一个明确的改进方向和尺度,仍需通过反复交互(分析-修改-再分析)才能将设计人员的正确经验体现到成型工艺及模具设计中去,而设计方案的确定在很大程度上仍需依靠设计人员的经验和水平。将成型模拟理论、优化设计理论、模具设计方法及过程控制理论有机结合,研究发展高聚物成

4、型过程的反问题模型和理论方法,实现模具、工艺参数的自动优化及制品质量控制,可从/doc/f4c534c758f5f61fb7366635.html根本上解决依赖经验和技巧的方法和手段。本文作者在对注塑成型CAE技术研究进展进行评述的基础上,进一步对CAE技术在注塑模设计、成型工艺优化及制品质量控制中的应用进行了探讨。量、从静态进入动态,为优化模具设计和控制产品成型过程以获得理想的最终产品提供科学依据和设计分析手段。自20世纪70年代末CAustin首次推出注塑成型软件MOLDFLOW以来,对注塑成型的模拟成为国际上的研究热点,由中面模型、表面模

5、型发展到今天的实体模型模拟,由一维的黏性流动、二维黏性流动发展到今天的黏弹性模拟、三维模拟及新型注射工艺的模拟(共注射、反应注射等),有多个商品化软件推出,如CMOLD、MOLDFLOW、MOLDEX等,使CAE技术广泛应用于模具设计。国内研究起步较晚,在国家自然科学基金项目、科技攻关项目、攀登计划和“863”计划项目的资助下,中国在20世纪80年代初开始高聚物成型数值模拟方面的研究,近年来在数学建模、数值算法、前后置处理以及实验验证、工厂运用等方面取得了较大的发展,研究领域涉及固体输送、熔融、熔体输送、流动、保压、固化、相变、分子取向、纤维取向、翘曲变形等塑料成型过程的变形历史和相态变化。目

6、前,该领域的研究非常活跃,多家研究单位都在开展相关的研究工作,推出商业化CAE软件,如郑州大学的Z-MOLD、华中科技大学的HSCAE等。注射成型CAE技术按成型工艺过程的特点,分为充填、保压、冷却、残余应力及翘曲分析等软件模块。1.1充填/保压模拟1注塑成型CAE技术及研究进展注塑成型CAE技术是根据塑料加工流变学和传热学的基本理论,建立塑料熔体在模具型腔中的流动、传热的数理模型,利用数值计算理论构造其求解方法,实现成型过程的动态仿真分析,使对塑料成型过程的认识从宏观进入微观、从定性进入定充填模拟根据熔体在注塑成型充模过程中熔体的流动、传热特点,建立熔体在模腔充填阶段熔体流动的数学模型,并采

7、用数值算法求解,从而预测收稿日期2003-11-11;修改稿日期2003-12-10。基金项目国家“863/doc/f4c534c758f5f61fb7366635.html”计划项目(No12002AA336120)。),女,副教授,博士研究生。电话第一作者简介王利霞(19690371-3887600;E-maillxwangzzu1edu1cn。熔体在型腔中的充填模式,并计算熔体在型腔中的温度、压力、速度等状态量随时间和空间的变化,同时还可获得熔接线、气穴位置及锁模力等信息。利用充填模拟结果,可帮助工程技术人员合理地设计浇注系统、优选注射工

8、艺参数,发现可能出现的成型缺陷并提出相应的对策。保压过程继充填阶段之后,通过压力的保持将额外的熔体压入模具以弥补由于冷却而引起的收缩。保压分析研究熔体的PVT行为,考虑由于密度差异引起的熔体内部运动。保压分析主要用于预测熔体在型腔补料与压实过程的压力场、温度分布,计算体积收缩率、壁剪切应力及密度的变化,判断存在的问题,以便改进结构和工艺参数。在流动和保压分析方面,自1980年Hieber&Shen1提出采用广义Hele-Shaw流动的数学模型以来,对注塑模具数值模拟技术产生了深远的影响。1986年,Wang等2基于流动路径法的思想,提出将控制体积法引入注塑成型模拟中,实现了移动界面的自动跟踪,

9、该方法一直是中面模型模拟的主导算法。目前,基于中面模型的充填模拟2,3采用非牛顿流体非等温下广义的Hele-Shaw模型描述注射充填过程;用有限元/有限差分算法耦合求解动量守恒方程和能量守恒方程以获得压力场、温度场和速度场;用控制体积法跟踪熔体的流动前沿;用人工智能技术自动识别熔接线和气穴的位置。该模型可对薄壁注塑制品充填过程进行模拟,获得详尽的分析结果。该技术目前相对已经较为成熟,研究热点已经由算法研究转向应用研究。中面模型技术虽然比较成熟,但无法描述一些三维几何特征及三维流动现象如流动前沿的泉涌现象等,而且无法实现与CAD技术的无缝拼接。双面流技术46直接利用CAD建立的实体表面信息STL

10、(stereolighograph)在实体表面进行二维网格划分,根据模型的几何特点对单元结点配对,使用Hieber方法计算压力场、温度场,再使用特殊的方法使配对的结点具有近似相同的/doc/f4c534c758f5f61fb7366635.html物理意义,如压力相等。这种方法既利用了中面模型的快速、灵活的特点,又不需要重构几何模型,大大减轻了用户建模的负担,降低了对用户的技术要求,但从CAE的角度来看,它仍然无法解决中面模型无法解决的流动现象。采用实体模型和三维网格的真三维流动模拟技术7,8无疑是最理想的状况。该方法既能够更全面地描述充填过程

11、的流动现象,而且可以更方便地实现与CAD技术的无缝拼接,但面临的最大问题是计算效率问题,该问题成为限制三维流动分析的主要问题。1.2冷却模拟冷却模拟主要是考虑浇口凝固后到脱模时制件、模具及冷却系统之间的热交换情况,计算型腔表面的温度场及冷却管道的热效率,优化冷却管道的布置及结构尺寸,改善制品冷却效果,降低不均匀冷却引起的残余应力,并缩短循环时间。陈静波等9,10根据注塑成型工艺特点,建立基于三维稳态传热问题的冷却模拟的数学模型,采用边界单元法求解问题,推导出求解其温度场的边界积分方程。根据注射模的结构特点(型腔为狭缝面,冷却孔细长),需要对边界元方程进行修正,否则将会使线性方程组出现病态或奇异

12、。文中采用断裂力学处理裂纹问题方法处理型腔狭缝面,并将冷却管道作为线源处理,注塑件的传热简化为一维瞬态热传导,给出确定其冷却时间及表面循环平均热流的方法。将图论思想列入冷却介质的流动分析,通过模具及塑件传热的耦合迭代分析,使模具-塑件界面的温度和热流满足相容条件,最终确定模具型腔的温度分布及塑件的冷却时间。边界单元法由于降低了问题的维数,大大节省了网格划分和计算时间,但边界元法对网格形态要求比较严格,对于形状复杂的制品,如果单元形态不好,问题将难以求解。ChangRongYeu等11采用有限体积法进行注塑模真三维冷却分析,但由于三维问题存在的共性问题,目前的商业化注塑CAE软件大多采用边界单元

13、法。1.3残余应力与翘曲变形分析残余应力与翘曲变形分析是根据残余应力和翘曲变形的形成机理、应用力学的基本原理及有限元/有限差分等数值算法预测塑件内的残余应力分布情况及塑件的成型尺寸,考察注塑机、材料、模具结构及工艺参数对制品尺寸精度的影响。李/doc/f4c534c758f5f61fb7366635.html海梅等12认为引起注塑件翘曲变形的残余应力是由于不均匀的温差、不均匀的温度分布产生的,其他诸多因素是通过影响温度、压力分布而间接影响注塑件的残余应力和成型尺寸的,并应用有限元方法研究了温度场、压力对注塑件残余应力及翘曲变形的影响。祝铁丽等1

14、3将模具型腔划分为由浇注系统起始的若干条流动路径,建立注塑制品收缩的理论模型,在此基础上由模具成型结构预测注塑制品收缩率分布趋势。郭志英等14基于板壳理论和有限元方法对翘曲变形进行CAE分析。由于注塑件翘曲及成型尺寸的影响因素很多,目前对制品收缩和翘曲的影响机理看法尚不统一,而且由于目前对黏弹性、结晶分子取向以及各向异性等影响收缩和翘曲变形的内在因素还缺乏合理的物理解释,数学描述不甚完善,而且一些必需的材料参数很难通过实验得到精确的值。因此,注塑制品的残余应力和翘曲变形研究无论是模型、算法还是实验技术方面都有待更深一层的研究。注塑CAE技术发展到今天,目前已经开始广泛应用于注塑成型的模具设计、

15、工艺优化中15,16,但只是作为一种辅助工具帮助人去预测设计方案是否合理,而不能“自动”优化模具设计和工艺设置。因此,应用CAE技术实现模具和工艺参数的自动优化,将能使CAE技术更加有效地发挥作用。2CAE技术在模具优化设计中的应用应用注塑成型数值模拟技术虽然可以对模具设计效果进行预测,却无法给出明确的改进方向和尺度,再次修改往往也是凭设计者的经验和技巧,通常需要经过多次反复修改和模拟才能得到满意的设计。基于此,本文作者及所在课题组将成型模拟技术与优化技术结合,利用CAE分析结果,借助于反演理论构造有效的反问题及算法,给出明确的改进方向和尺度,实现了模具设计参数的自动优化,改变了CAE技术的“

16、被动式”设计方法。2.1基于灵敏度分析的注塑模冷却系统优化设计图2塑件的温度分布塑件的温度分布。可见冷却系统优化后,制品的温度分布相对于原设计方案比较均匀,冷却系统的冷却效果较好,冷却系统的优化取得了满意效果。2.2基于CAE技术的浇注系统优化设计21211浇口位置优化://doc/f4c534c758f5f61fb7366635.htmlar注塑模设计中,浇口设计是决定制品质量的一个重要环节,浇口设计包括浇口数目、位置、类型和尺寸的设计,其中浇口位置的确定决定了流动是否平衡,对制品质量有重要的影响。因此,浇口位置是模具设计的一个重要变量。传统的设计是基于

17、经验进行浇口布置,只要制品质量凭人的主观感觉是可接受的,就认为浇口位置是合理的。这种方法显然难以满足高精密制品的要求。采用CAE分析辅助模具设计1618,校验浇口设计方案是否合理,可以提高模具设计质量,但仍然依赖于设计者的经验。将CAE分析与优化技术结合进行浇口位置的自动优化将是提高浇口设计质量的最佳途径。ShenChangyu等19以最大主流动路径长度差最小为目标,采用遗传算法搜索优化的浇口位置,使得制品可以获得平衡流动。翟明等20以到达各个流动末端的最大和最小时间差最小为目标,采用灵敏度分析优化浇口位置。上面两种算法中的基本思想是统一的,即以熔体同时到达流动末端为优化目标,但作者均处理的单

18、浇口位置这里基于注塑冷却分析结果,以冷却管道位置为设计变数,通过构造边界积分灵敏度方程得到型腔温度对设计变数的灵敏度;并在优化设计中选定型腔各点温度与期望温度的均方差作为目标设计变量,计算状态变量(如位移、应力、温度、频率等)对设计变量的梯度,由灵敏度分析结果可给出明确的改进方向和尺度,确定了优化设计参数。灵敏度分析理论在注塑模冷却系统设计中的应用取得了很好的效果。将上述理论用于图1所示1/2圆柱面塑件的冷却系统优化,图2(a)和图2(b)为优化前后图1冷却系统几何模型优化。这种思想同样适用于多浇口的优化。2.2.2浇注系统尺寸优化根据几何布局,浇注系统分为平衡布置和非平衡布置两类。对于非自然

19、平衡流道,通常需要调整分流道和浇口的尺寸使流动平衡。传统的平衡流道系统设计是一个反复尝试的过程,反复试模、修模是一个代价高昂和费时的过程,且试凑法设计的浇注系统并不总是最优的。随着流动模拟软件的出现,人们已不再需要制造实际的模具就可预知流道系统的性能/doc/f4c534c758f5f61fb7366635.html。然而,设计者仍需依据设计者的经验反复调节浇口尺寸直至获得满意的结果,无法直接给出优化的流道尺寸。本研究基于流动模拟,把各流道半径作为设计变量,充填结束时各型腔未充填的体积作为目标函数21,对非自然平衡流道进行优化设计。该方法在流道

20、布置确定后,首先进行充填分析。通过动态监测各时间步长的充填情况确定最先充满的型腔,在该型腔充满的一刻结束充填分析;并根据分析结果计算各流道理论上需要减小的直径,按“穷多富少”的原则把这些直径重新在各流道分配,该过程反复进行直到满足收敛条件。该方法借助于流动模拟,可方便、自动地调节流道和浇口尺寸,直至获得最终充填平衡。图3所示为上述浇注系统优化设计理论在一模八腔模具(各型腔相同)的浇注系统设计中的应用。图4为在一家族制模具设计中的应用,图中颜色深浅代表充填时间。由结果可见,该优化设计理论可自动实现浇注系统的优化设计,使得各个型腔的流动平衡,取得令人满意的效果。3CAE技术在工艺优化及制品质量控制

21、中的应用近几年,将优化算法与数值模拟结合自动优化模具设计的研究得到普遍重视。在工艺设置和调节方面,目前的应用仍仅限于应用CAE分析代替试模来反复验证工艺设置是否合适,这只能使工艺调节到无明显制品缺陷的工艺,而不能达到最优。而且对于大型复杂的制品,由于工艺模型及几何模型的复杂性,CAE分析时间较长,限制了其在工艺优化及控制方面的应用。因此,本文作者基于CAE的分析结果,研究工艺参数及制品质量指标之间的关系,抽取信息建立合适的工艺模型,优化工艺并控制成型过程及制品质量,以期望CAE技术能在工艺优化及制品质量控制方面得到更方便、有效的应用。3.1制品质量预测模型的建立人工神经网络是一种新兴算法,它具

22、有很强的非线性逼近性和实时性,并且已经广泛地应用于很多领域的自动控制上。ANN对于非线性系统具有强大的建模功能,通过训练可掌握注塑成型工艺参数对制品质量的影响关系,并能很好地逼近这种非线性关系。目前,神经网络技术已经用于各个行业2225。利用CAE技术可以对成型过程中的流动及传热进行分析,进而可预测制品的形状/doc/f4c534c758f5f61fb7366635.html及内部性能。CAE模型较传统工艺分析及控制中的经验模型要精确得多,但是由于其模型复杂,计算时间较长,难以直接在注塑成型工艺控制中应用。采用人工神经网络控制算法较之传统控制算

23、法具有很大的优越性2629。本研究采用人工神经网络技术建立制品质量和工艺参数之间的关系模型,由CAE分析结果抽取数据对神经网络进行训练,最终确定神经网络的结构及参数。所建立ANN模型既能很好地映射制品质量指标和工艺参数之间的关系,又能满足控制过程对模型计算时间的要求。3.2工艺参数的优化直接建立神经网络逆模型,由给定质量指标作为神经网络的输入可直接得到相应的工艺条件28。本研究则基于3.1节中的神经网络预测模型,采用遗传算法优化注塑成型工艺。遗传算法是基于自然进化机理的一种随机全局搜索和优化方法,其模拟了自然界的繁殖、交配和变异现象。遗传算法利用一个潜在解的群体来搜索解空间,通过对参数空间编码

24、并利用选择、交叉、变异引导搜索过程,向着图3一模八腔模具的浇注系统优化图4一家族制模具的浇注系统优化最优解的方向发展。本研究采用实数编码技术,基于神经网络模型建立适应度函数(以神经网络仿真函数的倒数作为适应度函数),运用赌盘选择机制,采用算术交叉和非均匀变异实现注塑成型工艺优化。实数编码遗传算法提高了问题的求解精度,且因为其编码和解空间比较接近,实现比较方便而且效率较高。3.3工艺及制品质量控制图5所示为注塑成型制品质量控制系统示意图,整个注塑成型制品质量控制系统的控制需要由3个控制环构成,本工作目的在于研究CAE技术本研究采用模型参考自适应控制实现注塑成型工艺控制。神经网络模型参考自适应控制

25、系统中包含两个神经网络:一个作为系统辨识器代替被控对象为神经网络控制器提供实际输出对控制矢量的偏导数,另一个作为控制器实现对被控对象的控制操作。采用CAE分析结果建立神经网络系统辨识器和神经网络控制器,并实现注塑成型过程控制仿真。由于制品质量的在线测量存在一定困难,作者在外层制品质量控制环加入一个神经网络作为制品质量预测器,以实现制品质量的在线控制/doc/f4c534c758f5f61fb7366635.html。在实际使用中,该方法可与SQC方法结合,即制品质量预测器可由SQC中定时测量的制品质量进行调节,以便获得更加准确的预测结果。利用C

26、AE分析,可方便地考察各种控制方法对注塑成型的控制效果,建立更适用于注塑成型过程的控制理论及方法,节省大量的时间和成本。和神经网络控制技术结合用于中间及外环控制中的控制策略,同时建立的神经网络控制器可采用CAE分析结果数据进行离线训练,然后再用于在线控制27。由于离线训练后控制器获得了较好的性能,大大节省了在线训练时间。图5注塑成型制品质量控制系统3.4应用实例量指标,选定熔体温度、模具温度、注射时间及保压时间作为主要影响因素。每个因素划分3个水平,采用L9(43)正交矩阵,用CAE分析代替真实实验。由S/N比分析可得近似优化解为Tmelt=228,Tmold=50,tinj=3.6,tp=1

27、2,由ANOVA可知各个因子对沉降斑选用如图6所示的某品牌洗衣机盖板进行分析,该制品最大壁厚是4mm,最小壁厚为1.5mm,且模具已经开好,设计不能再做修改,因此工艺条件的优化显得尤为重要。选用材料为ABS。由于家电产品对外观质量要求很高,不允许表面有任何瑕疵,而该产品制品壁厚变化较大,很容易产生沉降斑,因此这里选用制品内的最大沉降斑指数作为质的影响程度依次为tpTmelttinjTmold。以近似优化解为基准微调各个因子,进行CAE分析获得200组数据,随机分为两组,其中包含基准条件的130组数据作为神经网络的训练数据,70组数据作为神经网络的测试数据。130组训练样本数据对神经网络进行训练

28、时的误差曲线如图7所示,其中在训练了2000次后网络输出的最小误差减小到10-5。最终确定4-8-1图6几何模型结构的神经网络。70组测试样本数据对网络性能的测试结果如图8所示,除个别数据外,大部分数据预测效果很/doc/f4c534c758f5f61fb7366635.html好,说明网络整体性能不错,能够对输入数据进行较为精确的数值预测。神经网络输出为0.701,小于所有训练和测试样本的值。采用CAE分析对优化结果进行实验验证,该工艺条件下最大沉降斑指数的CAE预测值为0.98,虽然大于神经网络输出值,但小于所有样本值。可见工艺优化取得了预

29、期的效果。图10、图11为注塑工艺控制仿真结果,这里选用注射压力作为被控制变量,模具温度和熔体温度作为调节变量。由图可见,利用CAE结果可对控制系统进行离线训练,完成控制系统的预调节,取得了预期效果。图7训练误差曲线图10时变参考模型模拟注塑的仿真结果图8测试样本在成型中,应使制品内的沉降斑达到最小。采用实数编码遗传算法求解上述约束非线性极小值问题,采用最大沉降斑指数的倒数作为适应度函数,种群大小为20,交叉率为0.6,变异率为0.05,最大进化代数为200。图9为求解注塑成型工艺优化问题的遗传进化过程,经过200次迭代后,获得优化解为:熔体温度为225,模具温度为56.05,注射时间为3.6

30、s,保压时间为11.58s,相应的图11时变参考模型模拟注塑的仿真误差4结语CAE技术的出现,使得模具设计及工艺参数的调节建立在科学的分析基础上,提高了模具设计及工艺参数设置水平,CAE技术与优化理论的结合可实现模具及工艺参数的自动优化,从根本上解决依赖经验和技巧的方法和手段。CAE技术与现代控制理论结合,有助于研究注塑成型的工艺控制方法,设计出性能良好的控制器,用于注塑生产实际。参考文献图9注塑成型工艺优化过程1HieberCA,ShenSF.J.J.Non-Newt.FluidMech.,1980,(7):132234567891011://doc/f

31、4c534c758f5f61fb7366635.htmlWangVW,HieberCA,WangKK.J.JournalofPolymerEngineering,1986,7(1):22451617187478张君,董定福,张远斌.J.合肥工业大学学报(自然科学版),2002,25(5):736738刘春太,董斌斌,李倩.J.工程塑料应用,2002,30(3):4952ShenCY,QianL,LiuCT,WangLX,etal.C.AnnualTechnicalConference-ANTEC,ConferenceProceedings,2003.477483王利霞,申长雨,陈静波等.J.计

32、算力学学报,2002,19(2):173178;187ZhouHM,LiDQ.J.Polymer-plasticsTechnologyandEngineering,2002,41(1):91102CaoW,WangR,ShenCY.J.郑州大学学报(工学版),2003,24(3):576119ShenCY,YuXR,LiQ,etal.AutomatedDesignfortheGateLocationofInjectionMoldsC.AnnualTechnicalConference-ANTEC,ConferenceProceedings,2003.35443549万传芫,周华民,李德群.J.

33、电加工与模具,2000,(1):2628PichelinE,CoupezT.J.ComputerMethodsinAppliedKunststoffePlastEurope,20212223242526272829MechanicsandEngineering,1998,163:359371/doc/f4c534c758f5f61fb7366635.htmlWalterM,RainerC,KarlW.J.2000,9(3):1517陈静波,申长雨,王振飞等.J.高分子材料科学与工程,2002,18(4):2125陈静波,申长雨,刘春太等.J.中

34、国塑料,1999,13(4):9399ChangRY,YangWH,HsuDavidC,etal.Three-dimensionalComputer-aidedMoldCoolingDesignforInjectionMoldingC.AnnualTechnicalConference-ANTEC,ConferenceProceedings,2003.656660翟明,顾元宪,申长雨.J.机械工程学报,2002,38(2):4043王振飞,陈静波,刘春太等.J.模具工业,2000,(8):1316潘海天,陈焰华,蔡亦军等.J.化工进展,2002,21(5):314318ChowTT,Zhang

35、GQ,LinZ,etal.J.Buildings,2002,34(1):103109EnergyandEngineeringofFoodCookDF,RagsdaleCT,MajorRL.ChenCR,RamaswamyHS.J.Engineering,2002,53(3):209220J.JournalApplicationsofArtificialIntelligence,2000,13(4):39139612131415李海梅,顾元宪,申长雨.J.中国机械工程,2002,13(10):820823祝铁丽,王敏杰.J.机械工程学报,2002,38(9):145149郭志英,阮雪榆,李德群.J.中国机械/doc/f4c534c758f5f61fb7366635.html工程,2002,13(17):15151518申长雨,王利霞,陈静波等.J.中国塑料,2002,16(1):WollSLB,CooperDJ.J.Science,1997,37(5):801812PolymerEngineeringandWangPJ.J.ASME,1997,79:265278LauHCW