注塑成型浇注系统及成型工艺参数的优化研究

摘要

注塑成型是目前塑料加工中最普遍的加工方法之一。随着注塑产品在家电、汽车等高科技领域的应用，对塑件的质量、性能及产品更新换代提出了更高的要求。翘曲变形作为影响塑件质量的最重要因素之一，不仅严重影响塑件的外观质量，而且影响产品的装配质量，甚至导致塑件的报废。故可以通过改善塑件的翘曲变形量来提高塑件的质量，翘曲变形量的改善可以通过优化浇注系统和成型工艺参数来实现。因此，浇注系统和成型工艺参数的优化对提高塑件的质量具有实际的工程价值。
　　 本文以板形零件为例，在大量的试验和数值模拟分析的基础上，结合Moldflow、正交试验法(OrthogonalExperimentMethod)、人工神经网络(ArtificialNeuralNetwork)，对改善塑件的翘曲变形进行了深入的研究。
　　 首先，根据板形零件的结构尺寸和浇注系统的建立原则，建立了两种不同的浇注系统。利用Moldflow软件对塑件的不同浇注系统的成型方案进行模拟分析，比较不同成型方案的流动质量指标以及翘曲变形量，得出了优化后的浇注系统。
　　 其次，通过对影响板形零件翘曲变形成型工艺参数的分析，对拟选取的成型工艺参数按照J下交试验表进行试验，根据正交试验表和方差分析的结果，确定了熔体温度(MeT)，保压压力(PP)，保压时间(PT)，玻璃纤维的含量(GF％)作为要研究的成型工艺参数。基于正交试验的基础，对板形零件进行了4因素4水平的全组合试验，描述了各成型工艺参数对塑件翘曲变形量的影响规律，塑件的翘曲变形量随着MeT的增加而减少，但是随着MeT的持续增加，塑件的翘曲变形量几乎不变，甚至有增大的趋势，随着PP、PT、GF%的增加而减小。
　　 最后，基于全组合试验数据，建立了相应的人工神经网络模型来描述注塑成型工艺参数与塑件翘曲变形量之间的关系，并验证了所建立的BP神经网络模型可靠性和正确性。通过神经网络预测了在其他成型工艺参数组合下塑件的翘曲变形量，描述了各成型工艺参数及其工艺参数之间的交互作用对塑件翘曲变形量的影响。塑件的翘曲变形量随着MeT的增加先减小后增大，当熔体温度达到230℃时，翘曲变形量随着熔体温度的增加基本不变，甚至有增大的趋势，随着PP、PT、GF%的增加而减小，各成型工艺参数间的交互作用对塑件翘曲变形量的影响都是显著的。
　　 研究表明，浇注系统和成型工艺参数的优化有效地减少了塑件的翘曲变形量。注塑成型技术和数值模拟相结合，不仅能够提高塑件的质量，还能提高塑件的生产效率。

目录

声明

摘要

第一章 绪论

1.1 引言

1.2 注塑成型的原理

1.3 塑件翘曲变形国内外研究进展

1.3.1 浇注系统对塑件翘曲变形的研究

1.3.2 成型工艺参数对塑件翘曲变形的研究

1.4 选题的依据和意义

1.5 课题的研究内容和技术路线

1.6 本章小结

第二章 基于Moldflow浇注系统的优化分析

2.1 注塑成型充填流动的数学模型

2.1.1 粘性流体力学基本方程

2.1.2 基本方程假设

2.1.3 充填流动方程

2.1.4 熔体粘度模型

2.1.5 边界条件

2.2 翘曲变形的理论研究

2.2.1 翘曲变形产生的机理

2.2.2 翘曲变形的影响因素

2.3 Moldflow软件的简介

2.4 模拟分析方案

2.4.1 仿真分析的流程

2.4.2 材料的选择

2.4.3 浇注系统的建立

2.5 模拟结果分析

2.6 本章小结

第三章 试验设计与数据处理

3.1 试验设备

3.2 板形零件注塑过程和成型工艺影响因素

3.2.1 注塑过程

3.2.2 成型工艺影响因素注塑成型

3.3 玻璃纤维增强聚丙烯的特性

3.4 板形零件翘曲变形量的测量方法

3.5 基于正交试验的工艺参数设计

3.5.1 注塑工艺参数的设置

3.5.2 试验结果的计算与分析

3.6 全组合试验结果分析

3.7 本章小结

第四章 基于人工神经网络翘曲模型的建立与应用

4.1 人工神经网络的概述

4.1.1 人工神经网络的发展和应用

4.1.2 人工神经网络的研究内容

4.2 BP神经网络的工作原理

4.3 基于BP神经网络翘曲模型的设计

4.3.1 网络结构的确定

4.3.2 激励函数和隐含层神经元数的确定

4.3.3 试验样本数据的归—化处理

4.4 MATLAB神经网络工具箱

4.5 BP神经网络的训练及检验

4.6 BP神经网络翘曲模型的测试结果

4.7 本章小结

第五章 总结和展望

5.1 研究内容总结

5.2 展望

附录

参考文献

攻读学位期间本人出版或公开发表的论著、论文

致谢