[发明专利]一种塑料注射成型工艺参数优化方法

摘要

一种塑料注射成型工艺参数优化方法，属于工艺参数优化方法，解决现有塑料注射成型工艺参数优化方法存在的与实际偏差较大、难以准确调整、工艺参数设置过程繁琐的问题。本发明包括初步优化步骤和再次优化步骤，初步优化步骤可以快速确立工艺参数的主次因素与因素的优水平，获得工艺参数的可成型性，所得到的工艺参数做为再次优化步骤寻优过程的初始工艺参数，大大降低了在注塑机上开展的试模次数；再次优化步骤采用学习算法在线优化，可以加速寻优的迭代过程，并保证迭代过程的收敛，通过几次试模，就可以获得最优的注射成型工艺参数。

主权项

一种塑料注射成型工艺参数优化方法，包括初步优化步骤和再次优化步骤，其特征在于：(1)初步优化步骤，包括下述子步骤：(1.1)确定工艺参数及其取值范围：所述工艺参数包括熔体温度T_p、模具温度T_m、注射速率V、保压压力P、保压时间t_p、冷却时间t_c；熔体温度T_p和模具温度T_m取值范围与制品材料类型相对应，从塑料数据库中确定；所述制品材料类型以塑料类别、牌号、生产厂家表示；注射速率V、保压压力P、保压时间t_p、冷却时间t_c的取值范围，根据制品材料类型和模具特征，从实例数据库中通过相似度查询获得；所述模具特征包括制品流长、制品最大壁厚、制品重量、浇口数量、流道长度、流道重量、投影面积、水路数量、单位流量；所述塑料数据库包括若干条记录，每条记录包括塑料类别、牌号、生产厂家、最小注射温度、最大注射温度、推荐注射温度、最小模具温度、最大模具温度、推荐模具温度、最大剪切应力、最大剪切速率、熔融密度、固态密度、比热容、顶出温度、热传导系数、推荐背压、推荐螺杆线速率以及WLF‑Cross模型七参数，各条记录来源于塑料生产厂家提供的塑料物性表或者塑料注射成型CAE仿真软件的塑料数据库；所述实例数据库包括若干条记录，每条记录包含模具特征、制品材料类型以及相应的V、P、t_p、t_c的取值范围，各条记录来源于塑料注射成型CAE仿真软件的工艺窗口模块的分析案例或者注塑成型生产厂家实际生产过程中的成功案例；(1.2)正交试验设计：以待优化的6个工艺参数T_p、T_m、V、P、t_p、t_c为因素，将每个工艺参数的取值范围分为5水平，采用6因素、5水平的正交试验表L₂₅(5⁶)，确定用于模拟计算的25组工艺参数组合，其中：L为正交表的符号，25为正交表的行数、表示试验次数，5为正交表中的因素的水平数，6为正交表的列数、表示实验因素的个数；(1.3)模拟计算获得成型质量值，包括下述过程：(1.3.1)判断制品的几何图形文件是否存在，是则对几何图形文件中的几何模型进行网格剖分；否则根据制品的体积、制品的平均壁厚、制品流长、浇口数量、流道长度，构造制品的代理几何模型，对代理几何模型进行网格剖分；所述制品的几何图形文件由用户自己设计或者模具制造厂家提供；(1.3.2)查询塑料注射成型CAE仿真软件的注塑机数据库中是否存在注塑成型生产厂家实际生产中所使用的注塑机，是则将该注塑机作为模拟计算所用的注塑机，否则，在塑料注射成型CAE仿真软件的注塑机数据库中添加注塑成型生产厂家实际生产中所使用的注塑机，再将其作为模拟计算所用的注塑机；所述注塑机数据库包括若干条记录，每条记录包括注塑机型号、生产厂家、最大注射量、最大注射速率、最大注射压力、最大保压压力、最大注射行程、最大锁模力、螺杆直径、最大螺杆转速，各条记录来源于注塑机生产厂家提供的机器参数；(1.3.3)根据所确定的各组工艺参数组合确定边界条件，采用有限元方法、有限体积方法或有限差分方法求解制品的几何模型或代理几何模型的NS方程，获得每组工艺参数组合的模拟计算结果，模拟计算结果包括最大压力降最低流前温度最大剪切速率最大剪切应力τ_max和最长冷却时间制品的几何模型或代理几何模型的NS方程：$\frac{\∂\left(\mathrm{\ρ}{u}_i\right)}{\∂t}+\frac{\∂\left({\mathrm{\ρu}}_j{u}_i\right)}{\∂j}=\frac{{\∂\mathrm{\τ}}_{\mathrm{ij}}}{\∂j}+f_i$$\frac{\∂\mathrm{\ρ}}{\∂t}+\frac{\∂\left(u_i\mathrm{\ρ}\right)}{\∂i}=0$$\mathrm{\ρC}(\frac{\∂T}{\∂t}+u_i\frac{\∂T}{\∂x_i})=\mathrm{\Φ}+\frac{\∂}{\∂x_i}\left(k\frac{\∂T}{\∂x_i}\right);$式中，ρ为塑料熔体密度，u_i为塑料熔体在i方向的速率分量，u_j为塑料熔体在j方向的速率分量，τ_ij为塑料熔体在i‑j平面粘性应力，f_i为塑料熔体在i方向所受体积力，i＝1、2、3，j＝1、2、3，其中1为空间直角坐标系X方向，2为空间直角坐标系Y方向，3为空间直角坐标系Z方向；T为温度，t为时间，C为塑料熔体比热容，k为塑料熔体导热系数；Φ为源项；(1.3.4)计算各组工艺参数组合的成型质量值；根据各组工艺参数组合模拟计算结果得到的和得到各组工艺参数组合的成型质量值Q_r：$\mathrm{Qr}={\mathrm{\ω}}_1{P}_{\max }^d+{\mathrm{\ω}}_2{T}_{\min }^f+{\mathrm{\ω}}_3{\stackrel{\·}{r}}_{\max }+{\mathrm{\ω}}_4{\mathrm{\τ}}_{\max }+{\mathrm{\ω}}_5{t}_{\max }^c,$第r组工艺参数组合的组序号r＝1、2、…、25，权值ω₁、ω₂、ω₃、ω₄、ω₅均在范围(0，1)内任意取值；(1.4)确定因素次序以及理论最优工艺参数组合，包括下述过程：(1.4.1)计算6因素5水平各组工艺参数组合的信噪比η_r：η_r＝‑10log₁₀(Q_r²)，式中，r＝1、2、…、25；(1.4.2)分别计算各因素的信噪比极差R_m：$R_m=K_{m_{\max }}-K_{m_{\min }},$$K_{m_{\max }}=\max (K_{1m},K_{2m},K_{3m},K_{4m},K_{5m}),$$K_{m_{\min }}=\min (K_{1m},K_{2m},K_{3m},K_{4m},K_{5m}),$式中，因素的序号m＝1、2、…、6，K₁₁＝η₁+η₂+η₃+η₄+η₅，K₁₂＝η₁+η₆+η₁₁+η₁₆+η₂₁，K₁₃＝η₁+η₁₀+η₁₄+η₁₈+η₂₂，K₁₄＝η₁+η₉+η₁₂+η₂₀+η₂₃，K₁₅＝η₁+η₈+η₁₅+η₁₇+η₂₄，K₁₆＝η₁+η₇+η₁₃+η₁₉+η₂₅，K₂₁＝η₆+η₇+η₈+η₉+η₁₀，K₂₂＝η₂+η₇+η₁₂+η₁₇+η₂₂，K₂₃＝η₂+η₆+η₁₅+η₁₉+η₂₃，K₂₄＝η₂+η₁₀+η₁₃+η₁₆+η₂₄，K₂₅＝η₂+η₉+η₁₁+η₁₈+η₂₅，K₂₃＝η₂+η₈+η₁₄+η₂₀+η₂₁，K₃₁＝η₁₁+η₁₂+η₁₃+η₁₄+η₁₅，K₃₂＝η₃+η₈+η₁₃+η₁₈+η₂₃，K₃₃＝η₃+η₇+η₁₁+η₂₀+η₂₄，K₃₄＝η₃+η₆+η₁₄+η₁₇+η₂₅，K₃₅＝η₃+η₁₀+η₁₂+η₁₉+η₂₁，K₃₆＝η₃+η₉+η₁₅+η₁₆+η₂₂，K₄₁＝η₁₆+η₁₇+η₁₈+η₁₉+η₂₀，K₄₂＝η₄+η₉+η₁₄+η₁₉+η₂₄，K₄₃＝η₄+η₈+η₁₂+η₁₆+η₂₅，K₄₄＝η₄+η₇+η₁₅+η₁₈+η₂₁，K₄₅＝η₄+η₆+η₁₃+η₂₀+η₂₂，K₄₆＝η₄+η₁₀+η₁₁+η₁₇+η₂₃，K₅₁＝η₂₁+η₂₂+η₂₃+η₂₄+η₂₅，K₅₂＝η₅+η₁₀+η₁₅+η₂₀+η₂₅，K₅₃＝η₅+η₉+η₁₃+η₁₇+η₂₁，K₅₄＝η₅+η₈+η₁₁+η₁₉+η₂₂，K₅₅＝η₅+η₇+η₁₄+η₁₆+η₂₃，K₅₆＝η₅+η₆+η₁₂+η₁₈+η₂₄，(1.4.3)将各因素的信噪比极差R_m按从大到小排序，信噪比极差越大，表明成型质量对该因素越敏感；(1.4.4)选择每个因素中最大信噪比对应的水平，形成理论最优工艺参数组合x_oe，记为向量形式：$x_{\mathrm{oe}}={({\hat{T}}_p,\hat{V},\hat{P},{\hat{t}}_p,{\hat{t}}_c,{\hat{T}}_m)}^T,$式中，分别为最大信噪比的水平所对应的T_p、V、P、t_p、t_c、T_m；(2)再次优化步骤，包括下述子步骤：(2.1)注塑机初次试模，包括下述过程：(2.1.1)第1次试模的工艺参数组合x₁＝x_oe，将x_oe中的各工艺参数设置到注塑机操作面板上，运行注塑机进行试模，判断是否存在制品缺陷，是则进行过程(2.1.2)；否则完成试模；所述制品缺陷是工艺人员能够直接观测到的外观缺陷，制品缺陷分为+1类缺陷和‑1类缺陷，+1类缺陷包括短射、气泡、缩水、熔接纹、波流痕；‑1类缺陷缺陷包括飞边、翘曲、烧焦、顶白、脱模困难；+1类缺陷和‑1类缺陷互斥；(2.1.2)记录并保存工艺参数组合x₁以及对应的制品缺陷，进行子步骤(2.2)；(2.2)工艺参数的调整与连续试模，包括下述过程：(2.2.1)根据试模及对应的制品缺陷，结合过程(1.4.3)中确立的因素敏感次序，以拟定的调整规则，在子步骤(1.1)确定的各工艺参数取值范围内，分别调整各工艺参数，形成第w次试模的工艺参数组合x_w，w＝2，…；(2.2.2)将工艺参数组合x_w中的各工艺参数T_p、V、P、t_p、t_c、T_m，设置到注塑机操作面板上，运行注塑机进行试模，判断是否存在制品缺陷，是则进行(2.2.3)，否则完成试模；(2.2.3)判断是否试模次数≥3且包括存在+1类缺陷的试模和存在‑1类缺陷的试模，是则进行子步骤(2.3)，否则转过程(2.2.1)；(2.3)机器学习获得实际最优工艺参数，包括下述过程：(2.3.1)根据试模的工艺参数组合x_w及相应的制品缺陷类别y_w，按下式求解各拉格朗日乘子α_w的最优值：$\left\{\begin{array}{c}\min \frac{1}{2}\underset{w=1}{\overset{f}{\mathrm{\Σ}}}\underset{g=1}{\overset{f}{\mathrm{\Σ}}}{y}_w{y}_g{\mathrm{\α}}_w{\mathrm{\α}}_g\left(x_w{x}_g\right)-\underset{w=1}{\overset{f}{\mathrm{\Σ}}}{\mathrm{\α}}_w\\ \underset{w=1}{\overset{f}{\mathrm{\Σ}}}{y}_w{\mathrm{\α}}_w=0\\ {\mathrm{\α}}_w\≥0;w=1,\·\·\·,f\end{array}\right.,$得最优值集合：α^*＝(α^*₁，α^*₂，…，α^*_f)^T，式中，制品缺陷类别制品缺陷类别试模次数序号w＝1，2，…，f，g＝1，2，…，f，f为总的试模次数；α^*₁，α^*₂，…，α^*_f为各拉格朗日乘子α_w的最优值；(2.3.2)构造最优超平面：v^*□X+b^*=0，其中，权重v^*＝(v₁，v₂，…，v₆)为6维行向量，x为6维工艺参数组合变量，每一维对应相应的工艺参数，特征值α^*_h为最优值集合α^*中的任意一个正分量，x_h为α^*_h所对应的工艺参数组合，y_h为α^*_h所对应的缺陷类别；(2.3.3)计算各工艺参数组合x_w与最优超平面的距离s_w：s_w=v^*□x_w+b^*,w＝1，…，f，比较|s_w|大小，得到最小距离s_opt，根据s_opt得到对应的工艺参数组合x_opt＝(T_popt，T_mopt，V_opt，P_opt，t_popt，t_copt)；(2.3.4)计算工艺参数组合x_opt在最优超平面上的投影点x_e：x_e＝(T_pe，T_me，V_e，P_e，t_pe，t_ce)，$T_{\mathrm{pe}}=T_{\mathrm{popt}}-\frac{\frac{\left|v_1\right|}{\underset{u=1}{\overset{6}{\mathrm{\Σ}}}\left|v_u\right|}\×s_{\mathrm{opt}}}{v_1},$$T_{\mathrm{me}}=T_{\mathrm{mopt}}-\frac{\frac{\left|v_2\right|}{\underset{u=1}{\overset{6}{\mathrm{\Σ}}}\left|v_u\right|}\×s_{\mathrm{opt}}}{v_2},$$V_e=V_{\mathrm{opt}}-\frac{\frac{\left|v_3\right|}{\underset{u=1}{\overset{6}{\mathrm{\Σ}}}\left|v_u\right|}\×s_{\mathrm{opt}}}{v_3},$$P_e=P_{\mathrm{opt}}-\frac{\frac{\left|v_4\right|}{\underset{u=1}{\overset{6}{\mathrm{\Σ}}}\left|v_u\right|}\×s_{\mathrm{opt}}}{v_4},$$t_{\mathrm{pe}}=t_{\mathrm{popt}}-\frac{\frac{\left|v_5\right|}{\underset{u=1}{\overset{6}{\mathrm{\Σ}}}\left|v_u\right|}\×s_{\mathrm{opt}}}{v_5},$$t_{\mathrm{ce}}=t_{\mathrm{copt}}-\frac{\frac{\left|v_6\right|}{\underset{u=1}{\overset{6}{\mathrm{\Σ}}}\left|v_u\right|}\×s_{\mathrm{opt}}}{v_6},$将x_e作为实际最优工艺参数组合，设置到注塑机操作面板上，运行注塑机进行试模，判断是否存在制品缺陷，是则将x_e作为x_w，转子步骤(2.3)，否则完成试模。