3D玻璃热弯机模具加热系统群智能优化设计方法

摘要

本发明公开了一种3D玻璃热弯机模具加热系统群智能优化设计方法，方法包括：建立3D玻璃热弯机模具加热系统优化设计模型；建立3D玻璃热弯机模具稳态热分析模型；采用粒子群优化算法进行优化计算；将优化结果得到的参数代入到3D玻璃热弯机模具稳态热分析模型中，进行优化结果检验。本发明提高了3D玻璃热弯机模具加热温度的均匀性和延长电加热棒的寿命，在满足模具温度均匀性的同时，确保电加热棒良好的寿命，弥补传统设计过程中采用实验法和试错法调整设计参数的不足之处，提高开发效率，缩短开发成本及开发周期。

说明书

技术领域

本发明公开了一种3D玻璃热弯机模具加热系统群智能优化设计方法，涉及模具电加热系统设计技术领域。

背景技术

随着曲面玻璃在手机(后盖保护片)大规模的应用,3D曲面玻璃热弯成了一个非常重要的问题。3D玻璃热弯机作为3D玻璃生产制造里程最关键的一站，它的稳定性直接影响到了3D玻璃的产品稳定性。3D玻璃热弯机的模具温度均匀性直接决定着曲面玻璃的成型质量，曲面玻璃的成型工艺共有11道工序左右，每道工序都要求很高的模具的温度，其中模具温度最高可达800℃，且要保持恒定高温，而目前较为成熟的模具加热方式是单头电加热棒加热，为了保证模具上有效区间内良好的温度均匀性，目前最为有用和常见的方法就是采用变功率密度电加热棒，即将电加热分为多段，每段电加热棒的功率密度都不一样，如图1所示，单头电加热棒分为3段，第一段与第三段的功率密度一样。

模具温度均匀性和电加热棒的寿命都直接决定了3D玻璃热弯机生产的稳定性，模具温度均匀性直接决定成型质量，而电加热棒寿命越长，就不需要频繁更换电加热棒。采用分段电加热棒时，每段电加热棒功率的分配又直接决定了模具温度均匀性和电加热棒的寿命，当电加热棒功率分配合理时，模具表面温度才能实现良好温度区域最大化，而如果某一段电加热棒的功率密度过大时，则会大大缩短整个电加热棒的寿命，因此合理分配电加热棒的功率至关重要。这里的功率分配包括两方面内容：(1)每根电加热棒占总功率的比例，这是功率在电加热棒之间的分配(2)每段电加热棒占每根电加热棒功率的比例，这是功率在电加热棒内部的分配。

除了电加热的功率分配能够影响模具温度均匀性外，电加热棒在模具内部的位置同样可以影响模具加热温度均匀性。采用变功率电加热棒可以使得模具温度沿电加热棒长度方向均匀，而合理设计电加热棒在模具内部的位置则使得模具温度垂直电加热棒长度方向均匀，因此只有通过合理分配电加热棒的功率和电加热棒在模具内部的位置，才能从横纵向使模具表面温度均匀。

目前，对于电加热棒在模具内部的位置和功率分配大都采用经验的方法，通过实验不断地调整，采用这种试错方法的寻优，费时费力且效率低下，无法获得最优的设计方案。

发明内容

本发明所要解决的技术问题是：针对现有技术的缺陷，提供一种3D玻璃热弯机模具加热系统群智能优化设计方法，采用一种粒子群优化算法对变功率密度电加热棒的功率密度进行分布，同时对电加热棒在模具中的位置进行布置。

本发明为解决上述技术问题采用以下技术方案：

一种3D玻璃热弯机模具加热系统群智能优化设计方法，所述方法的具体步骤包括：

步骤一、建立3D玻璃热弯机模具加热系统优化设计模型，所述3D玻璃热弯机模具为具有对称性的平板模具，优化目标为3D玻璃热弯机模具上表面或者下表面有效区间的温度均匀性；

步骤二、建立3D玻璃热弯机模具稳态热分析模型，对所建立的3D玻璃热弯机模具加热系统优化设计模型进行稳态热分析，建立3D玻璃热弯机模具稳态热分析物理模型，划分网格，施加对流、热辐射以及载荷，计算并读取模具表面有效区间内节点的位置及温度数据；

步骤三、采用粒子群优化算法进行优化计算，确定优化设计参数的上下限，所述参数均为非线性约束；初始化设定规模的粒子群体及其位置和速度，对第一代种群个体进行适应值计算，通过迭代更新对每个粒子的速度和位置进行更新；

检验是否达到停止条件，若达到则停止迭代，输出结果；否则转到步骤二；

步骤四、将优化结果得到的参数代入到3D玻璃热弯机模具稳态热分析模型中，提取有效区间的所有节点温度信息，并绘制温度响应曲面，判断模具温度场是否足够均匀，进行优化结果检验。

作为本发明的进一步优选方案，步骤一中，所述温度均匀性的指标包括：有效区间的温度标准差、有效区间内的最大温差，或者，综合考虑上述温度标准差和最大温差。

作为本发明的进一步优选方案，步骤二中，使用有限元分析软件ANSYS对所建立的模型进行稳态热分析。

作为本发明的进一步优选方案，步骤三中，所述停止条件为迭代计算次数达到设定的最大迭代数，或者迭代计算结果达到设定的最小误差。

作为本发明的进一步优选方案，步骤三中，粒子的速度和位置更新方程为：

式中，ω为惯性权重系数，c₁和c₂为加速系数，r₁和r₂为[0,1]之间的随机数，P_best为粒子本身所经历过的最优位置，G_best为粒子群经历过的最优位置，V^k_j为第k代第j个粒子的更新速度，X^k_j为第k代第j个粒子的位置，k+1为k的迭代。

作为本发明的进一步优选方案，步骤四中，所述优化结果检验的判断标准还包括：提取模具表面有限区间的标准差和最大温差作为判断标准。

本发明采用以上技术方案与现有技术相比，具有以下技术效果：本发明提高了3D玻璃热弯机模具加热温度的均匀性和延长电加热棒的寿命，在满足模具温度均匀性的同时，确保电加热棒良好的寿命，弥补传统设计过程中采用实验法和试错法调整设计参数的不足之处，提高开发效率，缩短开发成本及开发周期。

附图说明

图1是现有技术中，单头电加热棒结构示意图。

图2是本发明中，基于有限元和粒子群优化算法的优化策略流程示意图。

图3是本发明中，3D玻璃热弯机模具加热系统优化设计模型示意图。

图4是优化后的温度响应曲面示意图。

图5是优化后的模具表面模拟云图。

图6是优化过程中适应值的变化示意图。

具体实施方式

下面详细描述本发明的实施方式，所述实施方式的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。

下面结合附图对本发明的技术方案做进一步的详细说明：

粒子群算法是由Kennedy和Eberhart在1995年开发的一种群智能优化算法。粒子群算法起源于科学家对鸟群或鱼群捕食行为的研究，通过模拟鸟群或鱼群的个体之间的协作和信息共享寻求最优解。粒子群可以解决离散的、非线性的、带约束的优化问题，而且具有收敛速度快、搜索范围广、易实现等优点。在3D玻璃热弯机模具加热系统中，各设计参数(电加热棒在模具内部的位置参数和功率分配参数)与温度均匀性这个目标之间很难建立准确有效的函数关系，因此更具有离散性，因此本发明采用粒子群智能优化算法。

在3D玻璃热弯机模具加热中，追求良好的温度均匀性，其工程问题的实质就是得到良好的模具稳态热分布。运用有限元仿真模拟，而无需经过试验就可以获悉模具加热到达稳态时的热分布，从而评估电加热棒在模具内部的位置和功率分配是否满足模具表面温度均匀性的要求，模拟分析结果可以指导电加热棒在模具内部的位置和功率分配的调整。

基于有限元和粒子群优化算法的优化策略流程如图2所示。该策略是借助MATLAB计算机编程语言和ANSYS有限元模拟实现联合仿真优化。在联合仿真优化中，ANSYS主要作用是计算每个粒子(每种设计方案)的适应值，MATLAB编写的粒子群算法调用ANSYS的计算结果，按照粒子群的优化方法寻优，对上述联合仿真优化的过程不断地迭代进行，直至达到停止条件，从而最终获得3D玻璃热弯机模具加热系统的最优参数。

本发明的优化设计具体方案如下：

1.建立3D玻璃热弯机模具加热系统优化设计模型

3D玻璃热弯机模具是一定规格的平板模具，长宽高分别为L、W、H，可以安放的电加热棒数量为n1，每根电加热棒按功率密度不同分为n2段，在此处，为了方便叙述，本发明中以一种比较常见的模具规格和电加热棒数量以及电加热棒分为3段来说明，L、W、H分别为230、140、37mm，n1为5，n2为3。电加热棒直径一般为14mm或者16mm，本专利以16mm为例。3D玻璃热弯机模具加热系统优化设计模型如图3所示。

因为模具具有对称性，因此待优化的参数包括：

(1)电加热棒B、C的位置x1、x2、y1、y2；

(2)电加热棒3段中靠近边缘的那段长度L；

(3)电加热棒B、C上分配的功率与电加热棒A功率的比值a1，a2；

(4)电加热棒中心段占每根电加热棒功率的比率a3，a4，a5。

每个参数都应该有范围，对于位置参数x1、x2、y1、y2，应该确保电加热棒之间无物理干涉，对于靠近边缘的分段长度L应该考虑工程实际给予合理范围，长度L过短不利于加工，对于比例因子a1、a2、a3，如果过大则会大大缩短电加热的寿命。

确定优化目标为3D玻璃热弯机模具上表面或者下表面有效区间的温度均匀性，温度均匀性可以有多种指标来表示，最为常见的是有效区间的温度标准差Tstd，或者有效区间内的最大温差ΔT，或者两者的综合。

2.建立3D玻璃热弯机模具稳态热分析模型

建立好了3D玻璃热弯机模具加热系统优化设计模型之后，运用ANSYS对所建立的模型进行稳态热分析。利于ANSYS中的APDL语言编写一套程序，程序能够读取文本数据参数，根据读入的参数，建立3D玻璃热弯机模具稳态热分析物理模型，划分网格，施加对流和热辐射，并根据公式施加载荷，计算并读取模具表面有效区间内节点的位置及温度数据。

模具达到热稳态时，根据能量守恒原理定律，模具热对流和热辐射的热量应该等于电加热棒的总功率，因此可计算得出电加热棒总功率P。

电加热棒A、B、C的功率分别为：

P1＝P/(1+2*a1+2*a2)；P2＝P*a1；P3＝P*a2；

A、B、C电加热棒内部分段电加热棒功率为：

P11＝P1*a3，P12＝P1*(1-a3)/2，P21＝P2*a4，P22＝P2*(1-a4)，P31＝P3*a5，P32＝P3*(1-a5)；

每根电加热棒的分段长度分别为：230-2*L、L；

则每根电加热棒每段的功率密度分别为：

PD11＝P11/π*0.008*0.008*(230-2*L)，

PD12＝P12/2π*0.008*0.008**L，

PD21＝P21/π*0.008*0.008*(230-2*L)，

PD22＝P22/π*0.008*0.008*L，

PD31＝P31/π*0.008*0.008*(230-2*L)，

PD32＝P32/π*0.008*0.008*L。

3.MATLAB编写的粒子群优化算法实现

确定优化设计参数的上下限，且参数都是非线性约束，参数矩阵向量[x1，x2，y1，y2，L，a1，a2，a3，a4，a5]的下限lb＝[0.02，0.05，-0.005，-0.005，0.015，0.8，0.8，0.5，0.5，0.5]

ub＝[0.03，0.06，0.005，0.005，0.04，1.2，1.2，0.8，0.8，0.8]；

初始化种群，种群大小为20，粒子维数为10，迭代次数设为100；初始化一定规模的粒子群体及其位置和速度，并对第一代种群个体适应值计算，如果比该粒子当前的个体极值还好，则将p_best的位置赋予给该粒子。若此代群体中所有粒子的个体极值最优的那个比当前g_best还好，则将g_best的位置赋予给该粒子；据式(1)、(2)对每个粒子的速度和位置进行更新；检验是否达到停止条件(预定的最大迭代数或者最小误差)，若达到则停止迭代，输出结果；否则转到step2。

粒子的速度和位置更新方程为：

式中，ω为惯性权重系数，c₁和c₂为加速系数，r₁和r₂为[0,1]之间的随机数。

4.结果检验

将优化结果得到的参数代入到3D玻璃热弯机模具稳态热分析模型中，将有效区间的所有节点温度信息提取出来，并用MATLAB绘制温度响应曲面，如图4所示，图5为优化后的设计方案对应的模具表面模拟云图，图6为优化过程中适应值的变化。根据这两张图总体判断模具温度场是否足够均匀，也可以提取模具表面有限区间的标准差和最大温差作为判断标准。

上面结合附图对本发明的实施方式作了详细说明，但是本发明并不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下做出各种变化。以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，虽然本发明已以较佳实施例揭露如上，然而并非用以限定本发明，任何熟悉本专业的技术人员，在不脱离本发明技术方案范围内，当可利用上述揭示的技术内容做出些许更动或修饰为等同变化的等效实施例，但凡是未脱离本发明技术方案内容，依据本发明的技术实质，在本发明的精神和原则之内，对以上实施例所作的任何简单的修改、等同替换与改进等，均仍属于本发明技术方案的保护范围之内。