注塑成型發(fā)展現(xiàn)狀研究

游曉燕

中圖分類號(hào)：TQ320.662 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1672-8882（2015）04-126-01

一、注塑CAE軟件的發(fā)展概要

傳統(tǒng)的注塑模具設(shè)計(jì)和制造很大程度上依賴于設(shè)計(jì)者的經(jīng)驗(yàn)和制造工人的技巧，因此設(shè)計(jì)的正確與否只有通過(guò)試模才能知道，設(shè)計(jì)完成的模具時(shí)常會(huì)產(chǎn)生許多人們料想不到的缺陷，出現(xiàn)的問(wèn)題也主要靠修模來(lái)糾正，有時(shí)甚至?xí)?dǎo)致整套模具的報(bào)廢，對(duì)于設(shè)計(jì)復(fù)雜的中高檔模具，會(huì)直接影響到模具的生產(chǎn)成本。模具CAE技術(shù)采用有限元計(jì)算方法，根據(jù)高分子聚合物流變學(xué)和傳熱學(xué)的基本理論，建立了塑料熔體在模具型腔中的流動(dòng)、傳熱的物理數(shù)學(xué)模型，利用數(shù)值分析工具來(lái)分析和預(yù)測(cè)生產(chǎn)中注塑產(chǎn)品和注塑工藝可能存在的問(wèn)題，定量地給出成型過(guò)程的狀態(tài)參數(shù)及時(shí)判斷如何修改制件的形狀以獲得較理想的狀態(tài)，避免了在模具上進(jìn)行試模、修模的繁瑣過(guò)程。在當(dāng)今市場(chǎng)競(jìng)爭(zhēng)日趨激烈的社會(huì)，企業(yè)的產(chǎn)品開(kāi)發(fā)和更新愈來(lái)愈快，新的產(chǎn)品與技術(shù)產(chǎn)生的周期愈來(lái)愈短，一些公司甚至每年要生產(chǎn)出多個(gè)品牌的產(chǎn)品來(lái)投放市場(chǎng)，參與紛繁激烈的市場(chǎng)競(jìng)爭(zhēng)。

目前，國(guó)際上較為成熟的注塑商業(yè)軟件主要有加拿大Moldflow公司的Moldnow、臺(tái)灣科盛科技公司的 Moldex3D、美國(guó)和意大利P&C公司的TMCONCEPT和美國(guó)SDRC公司等。國(guó)內(nèi)高校和科研機(jī)構(gòu)自主研發(fā)的系統(tǒng)則以鄭州大學(xué)國(guó)家橡膠模具工程中心的華中科技大學(xué)模具技術(shù)國(guó)家重點(diǎn)實(shí)驗(yàn)室開(kāi)發(fā)的HSC以及北航華正軟件工程研究所開(kāi)發(fā)的CAXA等為代表。此外，上海交通大學(xué)、華南理工大學(xué)、浙江大學(xué)以及大連理工大學(xué)等多所科研機(jī)構(gòu)也都在注塑領(lǐng)域進(jìn)行了廣泛而深入的研究。

21世紀(jì)以來(lái)，CAE技術(shù)及基于CAE技術(shù)的優(yōu)化設(shè)計(jì)在注塑成型工藝中的應(yīng)用極大地提高了制品成型的質(zhì)量和效率。資料表明，應(yīng)用CAE技術(shù)后，模具的設(shè)計(jì)時(shí)間縮短約50%，制造時(shí)間縮短約30%，成本下降約10%。塑料原料節(jié)省約7%。據(jù)統(tǒng)計(jì)，市場(chǎng)上百分之八十以上的新產(chǎn)品的零部件都需要相關(guān)的模具加工工作與之匹配，許多塑料制件在產(chǎn)品中都充當(dāng)著重要的零部件。產(chǎn)品迅速發(fā)展的要求決定了注塑制品生產(chǎn)的需求，同時(shí)產(chǎn)品的性能要求又對(duì)注塑制品的開(kāi)發(fā)和生產(chǎn)提出了更高的技術(shù)要求。從注塑生產(chǎn)的總體需求來(lái)看，產(chǎn)品的生產(chǎn)周期更短、質(zhì)量要求更高，模具的需求量不斷增加；從單個(gè)部件生產(chǎn)來(lái)看，模具的生產(chǎn)趨于多品種小批量，乃至單件的生產(chǎn)；模具品種多樣化，生產(chǎn)能力復(fù)雜化，是模具技術(shù)發(fā)展的需要。為解決以上大批量模具生產(chǎn)問(wèn)題，

注塑成型過(guò)程中，塑料在型腔中的流動(dòng)和成型與材料的性能、制品形狀尺寸，成型工藝參數(shù)和模具設(shè)計(jì)等因素有關(guān)；因此，對(duì)于一個(gè)新產(chǎn)品或形狀復(fù)雜、精度要求高的產(chǎn)品，即使是經(jīng)驗(yàn)豐富的工藝和模具設(shè)計(jì)人員，也很難一次設(shè)計(jì)出合格的模具和調(diào)整出合理的工藝參數(shù)。。利用moldnow軟件，可在模具設(shè)計(jì)的初始階段，在無(wú)需試模的情況下進(jìn)行注塑成型質(zhì)量的評(píng)估、選優(yōu)，突破了傳統(tǒng)的在注塑機(jī)上反復(fù)試模、修模的束縛，提高了一次試模成功率，并提高了制品的質(zhì)量，縮短了模具設(shè)計(jì)制造周期和產(chǎn)品開(kāi)發(fā)周期。本文基于CAE技術(shù)，利用moldflow分析軟件，對(duì)成型過(guò)程中澆口位置、保壓曲線、冷卻工藝參數(shù)以及成型工藝參數(shù)進(jìn)行優(yōu)化，對(duì)不同的成型條件進(jìn)行流動(dòng)、翹曲和冷卻分析，預(yù)測(cè)產(chǎn)品成型后出現(xiàn)的流動(dòng)不平衡、不均勻收縮、翹曲變形等情況，根據(jù)分析結(jié)果給出相應(yīng)的產(chǎn)品調(diào)整方案，從而為模具設(shè)計(jì)人員進(jìn)行模具設(shè)計(jì)和注塑人員進(jìn)行注塑工藝參數(shù)調(diào)整提供依據(jù)。

二、優(yōu)化設(shè)計(jì)方法的發(fā)展現(xiàn)狀

最優(yōu)化方法是用數(shù)學(xué)的結(jié)果和計(jì)算機(jī)的數(shù)值計(jì)算去尋找一個(gè)最佳選擇的方法。二十世紀(jì)六十年代以來(lái)，最優(yōu)化理論和方法發(fā)展迅速，己成為一門新興的學(xué)科，并得到了廣泛的應(yīng)用。尤其計(jì)算機(jī)技術(shù)的迅速發(fā)展，為最優(yōu)化方法提供了更為廣闊的發(fā)展空間。目前，優(yōu)化算法主要分為三類：

（一）直接法

在無(wú)法得到或者很難得到目標(biāo)函數(shù)對(duì)設(shè)計(jì)參數(shù)的靈敏度信息時(shí)，傳統(tǒng)的解決方法是基于直接搜索的。直接法種類很多，如窮盡法，即遍歷所有可能解，通過(guò)比較得出最優(yōu)解，直接計(jì)算和比較目標(biāo)函數(shù)值，并以此作為迭代、收斂的依據(jù)。該算法雖然能保證得到全局最優(yōu)，但效率相當(dāng)?shù)停屓藷o(wú)法忍受。

（二）梯度法

利用目標(biāo)函數(shù)和約束條件的函數(shù)梯度信息，達(dá)到迭代、收斂的目的。這類算法速度快、效率高，靈敏度分析是關(guān)鍵。最速下降尋優(yōu)法就是其中的一種，即通過(guò)計(jì)算設(shè)計(jì)靈敏度，采用一般的線性規(guī)劃或者序列二次規(guī)劃來(lái)優(yōu)化目標(biāo)函數(shù)。

（三）啟發(fā)式搜索算法

該算法種類很多，例如模擬退火算法。模擬退火算法是基于金屬退火的機(jī)理而建立起的一種全局最優(yōu)化方法，優(yōu)化的目標(biāo)函數(shù)f（i）相當(dāng)于金屬的內(nèi)能E（O，變量組合狀態(tài)空間相當(dāng)于金屬的內(nèi)部狀態(tài)空間，優(yōu)化問(wèn)題的解i相當(dāng)于金屬的一個(gè)內(nèi)部狀態(tài)，控制參數(shù)t相當(dāng)于溫度T，優(yōu)化問(wèn)題的求解過(guò)程就是尋找一個(gè)組合狀態(tài)使目標(biāo)函數(shù)值最小。由初始解i和控制參數(shù)t開(kāi)始，對(duì)當(dāng)前解重復(fù)/產(chǎn)生新解一判斷一舍棄接受0的迭代，逐漸衰減t值，直到算法中止，得到最優(yōu)解。模擬退火算法與初始值無(wú)關(guān)，具有漸進(jìn)收斂J性和并行性。

人工神經(jīng)網(wǎng)絡(luò)也是啟發(fā)式算法之一，是用機(jī)器模擬人腦智能活動(dòng)的杰出代表。它巧妙地將生物神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)及工作方式用數(shù)學(xué)形式構(gòu)造出模型，通過(guò)模擬大腦的某些機(jī)理與機(jī)制，實(shí)現(xiàn)某個(gè)方面的功能。人工神經(jīng)網(wǎng)絡(luò)具有很強(qiáng)的自學(xué)能力和自適應(yīng)能力，可以充分逼近任意復(fù)雜的非線性關(guān)系，其并行分布處理方法也使得快速進(jìn)行大量運(yùn)算成為可能。因此，在模具優(yōu)化領(lǐng)域中也得到廣泛的應(yīng)用。

遺傳算法是由美國(guó)J.H.Holland教授于1975年提出的一種自適應(yīng)全局優(yōu)化概率搜索算法。它是通過(guò)模擬生物進(jìn)化中的優(yōu)勝劣汰、自然選擇、適者生存和物種遺傳的過(guò)程，使種群不斷進(jìn)化，最終收斂于最優(yōu)解。由于遺傳算法優(yōu)化時(shí)不依賴于梯度，具有很強(qiáng)的魯棒性和全局搜索能力，因此，在應(yīng)用領(lǐng)域格外活躍并不斷擴(kuò)大，在工程科學(xué)和計(jì)算機(jī)科學(xué)方面取得了重要的成果。并且，學(xué)科開(kāi)始相互交叉，相互滲透，取長(zhǎng)補(bǔ)短，使得跨學(xué)科的研究日趨活躍。