CN100458802C - 塑料注射成型过程中注射时间参数的确定方法 - Google Patents

Abstract

塑料注射成型过程中注射时间参数的确定方法，属于计算机数值模拟及优化方法，用于塑料注射成型，克服现有技术的缺陷，以快速正确确定注射时间参数。本发明包括(1)确定制品几何信息步骤，(2)确定塑料参数步骤，(3)设置注射时间区间、时间步长步骤，(4)简化模型模拟计算步骤，(5)优化目标函数计算步骤，(6)确定最优注射时间步骤，取优化目标函数值中的最小值所对应的注射时间为最优注射时间。本发明提出一种简化注射流动计算模型，快速地得到特定注塑条件下的最优注射时间参数，与神经网络方法相比，不需要庞大的学习样本，运行更加稳定，从而提高缩短塑料产品生产周期、提高产品质量、促进注塑机生产能力的最大化。

Description

塑料注射成型过程中注射时间参数的确定方法

技术领域

本发明属于计算机数值模拟及优化方法，特别涉及一种塑料注射成型过程中注射时间参数的确定方法，用于塑料注射成型。

背景技术

塑料的注射成型具有生产周期快、生产效率高、能成型形状复杂、尺寸精确或带嵌件的制品以及易于实现自动化等特点，因此，注射成型成为塑料的主要加工方法之一，用此方法加工的塑料占到了塑料加工总重量的32％，在制品生产行业中占有非常重要的地位。

注射成型过程中注射时间参数在塑料生产中十分重要，不仅影响到生产周期而且直接影响产品的质量。注射时间长则注射速率慢，制品易产生熔合纹，密度不匀，制品内应力大等缺陷。当注射时间过短，注射速率过高，则熔体离开喷嘴后会产生不规则流动，产生大的剪切热而烧焦塑料，此外在高注射速度时，模腔内的气体往往来不及排出，夹杂在物料中严重影响制品质量。而注射时间参数的确定却又十分复杂，其与注塑机、塑料性能、模具等因素密切相关。

当前企业确定注射时间的方法主要是尝试法，又称试错法，见金新明“注塑参数智能设定方法及质量控制研究”华南理工大学，2000[博士论文]；即依据相关人员有限的经验不断进行试模后评定。但是，在实际生产中，由于塑料材料的性能千差万别，制品和模具的结构千变万化，仅凭有限的经验难以对这些因素作全面的考虑和处理，因为这种方法要反复试模，从而导致成型循环周期长、废品率高、产品质量不理想、生产不稳定、注射机利用率低等问题。

另外有一些学者采用人工神经网络方法预测注射时间，见王德翔，刘来英，王振宝，周华民，李德群“基于人工神经网络技术的注塑成型工艺参数优化”，模具技术，2001，6(1)：1～4；和B.H.M.Sadeghi，“ABP-neural network predictor model for plastic injection moldingprocess”，Journal of Material Processing Technology 2000，103(3)：411～416；然而，充足而正确的学习样本才能保证系统的性能，学习样本的收集是一项十分庞大而复杂的工作，因此影响了系统的稳定性，同时也制约了这种方法在实际生产中的应用。

随着全球市场竞争日趋激烈，要求尽可能准确而快速地设置注射时间参数、缩短塑料产品生产周期、提高制品质量、促使注射机生产能力的最大化。因此，急需快速、准确的注射时间参数确定方法。

发明内容

本发明提供一种塑料注射成型过程中注射时间参数的确定方法，所要解决的问题是克服现有技术的上述缺陷，以快速正确确定注射时间参数。

本发明的一种塑料注射成型过程中注射时间参数的确定方法，包括：

(1)确定制品几何信息步骤，根据制品型腔的几何形状以及浇口设置的位置确定制品平均壁厚、制品体积和制品型腔最大流动长度；

(2)确定塑料参数步骤，从塑料提供商处获得制品所使用的塑料材料的物性参数及材料推荐参数，物性参数包括熔融密度、比热容、热导率和材料粘度七参数模型中的七个材料常数；材料推荐参数包括注射温度和模具温度；

(3)设置注射时间区间、时间步长步骤，注射时间区间最大值≤20s，时间步长≤5s；

(4)简化模型模拟计算步骤，在设定的注射时间区间内，每次按时间步长增加注射时间，根据步骤(1)和(2)所确定的制品几何信息及塑料参数，采用简化注射流动模型，计算当前注射时间下的注射压力和最小熔体前沿温度模拟值；其过程为：

(4.1)建立制品型腔简化模型，根据制品体积相等的原则将制品所对应的复杂型腔简化成端部带浇口的矩形平板，其长度为制品型腔最大流动长度，高度为制品平均壁厚；

(4.2)建立二维差分离散网格；

(4.3)初始化参数，设置入口的温度为注射温度，入口的初始剪切速率为0；

(4.4)计算当前时刻的粘度η及流动率S：

$\mathrm{\η}=\frac{{\mathrm{\η}}_0}{1+{[{\mathrm{\η}}_0\×\stackrel{\·}{\mathrm{\γ}}/{\mathrm{\τ}}^{*}]}^{1-n}},$ ${\mathrm{\η}}_0=D_1{e}^{\left[\frac{-A_1(T-(D_2+D_{3}P))}{A_2+T-D_2}\right]},$ $S={\∫}_0^b(z^2/\mathrm{\η})\mathrm{dz},$

式中，材料常数τ^*、D₁、D₂、D₃、A₁、A₂、n，零剪切黏度η₀，剪切速率

简化模型矩形平板高度的一半b，简化模型矩形平板高度方向坐标z；

(4.5)求解压力场P：

$\mathrm{\Λ}=-\frac{\∂P}{\∂x}=\frac{Q}{2\mathrm{WS}},$

压力降Λ经数值积分求得压力场P，计算由熔体前沿开始，取压力为0，逆向积分至熔体入口，式中，压力降Λ，注射流量Q，简化模型矩形平板宽度W；

(4.6)计算剪切速率

及速度u：

$\stackrel{\·}{\mathrm{\γ}}=\mathrm{\Λ}*(1/\mathrm{\η})*z,$ $u={\∫}_z^b\stackrel{\·}{\mathrm{\γ}}\mathrm{dz};$

(4.7)根据下述控制方程计算温度场T：

$\frac{\∂T}{\∂t}=(K\frac{{\∂}^{2}T}{{\∂z}^2}+{\mathrm{\η}\left(\frac{\∂u}{\∂z}\right)}^2)/\left({\mathrm{\ρC}}_p\right)-u\frac{\∂T}{\∂x},$

式中，时间t，热导率K，熔体密度ρ，比热容C_p，简化模型矩形平板长度方向坐标x；

(4.8)判断型腔是否充满，是则转步骤(4.9)，否则将所得结果与预测的熔体下一时刻前沿位置相结合，计算下一时刻的温度场，依次进行下去，直至整个模型充满为止；

(4.9)求得注射压力和最小熔体前沿温度；

(5)优化目标函数计算步骤，根据步骤(4)所确定的注射压力和最小熔体前沿温度模拟值，计算各注射时间下的优化目标函数值F(P，T，t)，获得一组注射时间区间的优化目标函数值；

$F(P,T,t)=w_1\×\frac{\left({P-P}_{\min }\right)}{(P_{\max }-P_{\min })}+w_2\×\frac{\left({T-T}_{\min }\right)}{(T_{\max }-T_{\min })}+w_3\×\frac{\left({t-t}_{\min }\right)}{(t_{\max }-t_{\min })}$

式中，注射压力P、最小熔体前沿温度T、注射时间t、注射时间区间下限t_min、注射时间区间上限t_max；注射压力区间下限P_min、注射压力区间上限P_max、最小熔体前沿温度区间下限T_min、最小熔体前沿温度区间上限T_max；权值w₁、w₂、w₃为0～1；

(6)确定最优注射时间步骤，取步骤(5)优化目标函数值中的最小值所对应的注射时间为最优注射时间。

本发明以粘性流体力学的基本方程为基础，引入合理的假设与简化，提出一种简化注射流动计算模型，在给定注射时间参数的条件下，快速预测出注射压力和最小熔体前沿温度，并根据一定的优化策略，准确、快速地得到特定注塑条件下的最优注射时间参数，与神经网络方法相比，不需要庞大的学习样本，运行更加稳定，从而提高缩短塑料产品生产周期、提高产品质量、促进注塑机生产能力的最大化。

附图说明

图1鼠标下盖几何模型图；

图2本发明流程框图；

图3简化模型计算流程框图；

图4型腔简化模型示意图；

图5有限差分网格示意图；

图6边界条件示意图。

具体实施方式

以下结合实际制品鼠标下盖对本发明详细描述，其几何模型及浇口位置如图1所示；确定其注射时间参数的步骤如图2所示：

(1)确定制品几何信息，制品平均壁厚为1.857mm，型腔最大流动长度为96.300mm，制品体积为10.000cm³；

(2)确定塑料参数，采用塑料材料为ABS，推荐注射温度为230℃，推荐模具温度为50℃，其物理参数如下表1所示；

                  表1 ABS的物理参数

(3)设置注射时间区间为0.1s～5.0s，步长为0.3s；

(4)利用简化流动模型模拟计算注射时间区间中不同注射时间的注射压力和最小熔体前沿温度；模拟计算的具体计算流程如图3所示，其离散方法是在在塑料熔体流动方向采用迎风格式的向后差分，型腔壁厚方向采用中心差分，下标i表示第i列的网格节点，下标j表示第j行的网格节点，下标k表示k时刻，以T_i，j，k为例，T_i，j，k表示k时刻第i列第j行网格节点的温度，

(4-1)将鼠标下盖简化为如图4所示长度为96.300mm，宽度为55.919mm，高度为1.857mm的矩形平板；

(4-2)建立差分离散网格，如图5所示，z方向为型腔壁厚方向，z方向长度为0.9285mm，z方向网格间隔0.116mm；x方向为塑料熔体流动方向，x方向长度为96.300mm，x方向网格间隔0.963mm；型腔中心层坐标z＝0，假设塑料熔体的流动关于型腔中心层对称，如图6所示，仅考虑中心层上半部分的流动过程，在每个网格节点上计算粘度η、剪切速率速度u和温度T；

(4-3)设置入口的温度为230℃，入口的初始剪切速率为0；

(4-4)利用式 $\mathrm{\η}=\frac{{\mathrm{\η}}_0}{1+{[{\mathrm{\η}}_0\×\stackrel{\·}{\mathrm{\γ}}/{\mathrm{\τ}}^{*}]}^{1-n}}$ 和 ${\mathrm{\η}}_0=D_1{e}^{\left[\frac{-A_1(T-(D_2+D_{3}P))}{A_2+T-D_2}\right]}$ 计算当前时刻的粘度η，使用式 $S_{i,k+1}=\underset{j=1}{\overset{j\max }{\mathrm{\Σ}}}\frac{{(z_{i,j}+z_{i,j-1})}^2}{4\left({\mathrm{\η}}_{i,j-0.5,k}\right)}\mathrm{\Δz}$ 更新流动率S；

(4-5)利用 ${\mathrm{\Λ}}_{i,k+1}=-\frac{\∂P}{\∂x}=\frac{Q}{{2\mathrm{WS}}_{i,k+1}}$ 式计算压力降Λ以及压力场P；

(4-6)分别使用 ${\stackrel{\·}{\mathrm{\γ}}}_{i,j,k+1}={\mathrm{\Λ}}_{i,k+1}*(1/{\mathrm{\η}}_{i,j,k})*z_{i,j}$ 和 $u_{i,j,k+1}=\underset{j}{\overset{j\max -1}{\mathrm{\Σ}}}\frac{{\stackrel{\·}{\mathrm{\γ}}}_{i,j+1,k+1}+{\stackrel{\·}{\mathrm{\γ}}}_{i,j,k+1}}{2}$ Δz式计算剪切速率

速度u；

(4-7)根据下述控制方程计算温度场T：

$\frac{T_{i,j,k+1}-T_{i,j,k}}{\mathrm{\Δt}}=$

$\frac{1}{\mathrm{\ρ}{C}_p}(K_{\mathrm{th}}\frac{T_{i,j+1,k+1}-{2T}_{i,j,k+1}+T_{i,j-1,k+1}}{\mathrm{\Δ}{z}^2}+{\mathrm{\η}}_{i,j,k+1}{{\stackrel{\·}{\mathrm{\γ}}}_{i,j,k+1}}^2)-\left(\frac{u_{i,j,k+1}+u_{i-1.j,k+1}}{2}\right)\left(\frac{T_{i,j,k+1}-T_{i-1,j,k}}{\mathrm{\Δx}}\right)$

(4-8)判断型腔是否充满，是则转步骤(4-9)，否则将所得结果与预测的熔体下一时刻前沿位置相结合，计算下一时刻的温度场，依次进行下去，直至整个模型充满为止；

(4-9)求得注射压力和最小熔体前沿温度；不同注射时间计算结果如表2所示：

     表2 注射压力和最小熔体前沿温度模拟值

注射时间(s)	注射压力(MPa)	最小熔体前沿温度(℃)
			0.10	30.81	232.18
0.40	29.78	230.34
			0.70	31.61	227.70
1.00	33.77	224.75
			1.30	35.99	221.86
1.60	38.18	219.19
			1.90	40.31	216.81
2.20	42.30	214.72
			2.50	44.16	212.91
2.80	45.87	211.34
			3.10	47.45	209.98
3.40	48.89	208.80
			3.70	50.21	207.78
4.00	51.40	206.88
			4.30	52.48	206.09
4.60	53.45	205.40
			4.90	54.32	204.78

(5)根据上述模拟值计算不同时间步的优化目标函数值，其中t_min为0.1，t_max为4.9，P_min为29.78，P_max为54.32，T_min为204.78，T_max为232.18，w₁为0.5，w₂为0.7，w₃为0.5；计算结果如表3所示：

    表3 优化目标函数值

注射时间(s)	优化目标函数值
		0.10	0.720986
0.40	0.684243
		0.70	0.685334
1.00	0.685228
		1.30	0.687878
1.60	0.695538
		1.90	0.709383
2.20	0.727785
		2.50	0.750692
2.80	0.776673
		3.10	0.805371
3.40	0.835815
		3.70	0.867902
4.00	0.900405
		4.30	0.933477
4.60	0.966863
		4.90	1

(6)确定最优注射时间，选择上表中优化目标函数值的最小值所对应的注射时间：1.0s。

Claims (1)

1.一种塑料注射成型过程中注射时间参数的确定方法，包括：

(1)确定制品几何信息步骤，根据制品型腔的几何形状以及浇口设置的位置确定制品平均壁厚、制品体积和制品型腔最大流动长度；

(2)确定塑料参数步骤，从塑料提供商处获得制品所使用的塑料材料的物性参数及材料推荐参数，物性参数包括熔融密度、比热容、热导率和材料粘度七参数模型中的七个材料常数；材料推荐参数包括注射温度和模具温度；

(3)设置注射时间区间、时间步长步骤，注射时间区间最大值≤20s，时间步长≤5s；

(4)简化模型模拟计算步骤，在设定的注射时间区间内，每次按时间步长增加注射时间，根据步骤(1)和(2)所确定的制品几何信息及塑料参数，采用简化注射流动模型，计算当前注射时间下的注射压力和最小熔体前沿温度模拟值；其过程为：

(4.1)建立制品型腔简化模型，根据制品体积相等的原则将制品所对应的复杂型腔简化成端部带浇口的矩形平板，其长度为制品型腔最大流动长度，高度为制品平均壁厚；

(4.2)建立二维差分离散网格；

(4.3)初始化参数，设置入口的温度为注射温度，入口的初始剪切速率为0；

(4.4)计算当前时刻的粘度η及流动率S：

$\mathrm{\η}=\frac{{\mathrm{\η}}_0}{1+{[{\mathrm{\η}}_0\×\stackrel{\·}{\mathrm{\γ}}/{\mathrm{\τ}}^{*}]}^{1-n}},$ ${\mathrm{\η}}_0=D_1{e}^{\left[\frac{-A_1(T-(D_2+D_{3}P))}{A_2+T-D_2}\right]},$ $S={\∫}_0^b(z^2/\mathrm{\η})\mathrm{dz},$

式中，材料常数τ^*、D₁、D₂、D₃、A₁、A₂、n，零剪切黏度η₀，剪切速率

，简化模型矩形平板高度的一半b，简化模型矩形平板高度方向坐标z；

(4.5)求解压力场P：

$\mathrm{\Λ}=-\frac{\∂P}{\∂x}=\frac{Q}{2\mathrm{WS}},$

压力降Λ经数值积分求得压力场P，计算由熔体前沿开始，取压力为0，逆向积分至熔体入口，式中，压力降Λ，注射流量Q，简化模型矩形平板宽度W；

(4.6)计算剪切速率

及速度u：

$\stackrel{\·}{\mathrm{\γ}}=\mathrm{\Λ}*(1/\mathrm{\η})*z,$ $u={\∫}_z^b\stackrel{\·}{\mathrm{\γ}}\mathrm{dz};$

(4.7)根据下述控制方程计算温度场T：

$\frac{\∂T}{\∂t}=(K\frac{{\∂}^{2}T}{\∂z^2}+\mathrm{\η}{\left(\frac{\∂u}{\∂z}\right)}^2)/\left(\mathrm{\ρ}{C}_p\right)-u\frac{\∂T}{\∂x},$

式中，时间t，热导率K，熔体密度ρ，比热容C_p，简化模型矩形平板长度方向坐标x；

(4.8)判断型腔是否充满，是则转步骤(4.9)，否则将所得结果与预测的熔体下一时刻前沿位置相结合，计算下一时刻的温度场，依次进行下去，直至整个模型充满为止；

(4.9)求得注射压力和最小熔体前沿温度；

(5)优化目标函数计算步骤，根据步骤(4)所确定的注射压力和最小熔体前沿温度模拟值，计算各注射时间下的优化目标函数值F(P，T，t)，获得一组注射时间区间的优化目标函数值；

$F(P,T,t)=w_1\×\frac{(P-P_{\min })}{(P_{\max }-P_{\min })}+w_2\×\frac{(T-T_{\min })}{\left(T_{\max -}{T}_{\min }\right)}+w_3\×\frac{(t-t_{\min })}{(t_{\max }-t_{\min })}$

式中，注射压力P、最小熔体前沿温度T、注射时间t、注射时间区间下限t_min、注射时间区间上限t_max；注射压力区间下限P_min、注射压力区间上限P_max、最小熔体前沿温度区间下限T_min、最小熔体前沿温度区间上限T_max；权值w₁、w₂、w₃为0～1；

(6)确定最优注射时间步骤，取步骤(5)优化目标函数值中的最小值所对应的注射时间为最优注射时间。

Images