CN106682297A - 一种注塑成型工艺多目标质量综合评价优化方法 - Google Patents

Abstract

本发明涉及注塑成型技术领域，特指一种注塑成型工艺多目标质量综合评价优化方法。该方法首先利用正交实验法结合模流分析软件Moldflow获取各质量指标的响应数据，然后利用变异系数法确定各质量指标在综合评价质量中的权重，其次利用逼近理想解排序法计算各样本点到理想样本点的相对接近度,并按照相对接近度越大越优进行实验序列排序，再计算各因素水平的相对接近度均值、极差并绘制相对接近度均值与因素水平的影响趋势图获得因素主效应，从而获得同时兼顾多目标质量的最佳工艺参数组合。

Description

一种注塑成型工艺多目标质量综合评价优化方法

技术领域

本发明涉及电子连接器注塑成型加工工艺参数优化领域，具体涉及到如何从众多的质量指标影响因素中找出同时兼顾多目标质量的最佳成型工艺参数组合的一种工艺多目标质量综合评价优化方法。

背景技术

注塑成型是一项在众多成型技术中的一种比较相当成熟的技术，但是随着目前电子行业的飞速发展，对产品的质量与性能等提出了更高的要求。高质量、高性能、高精度的严格要求已经严重影响电子行业的快速发展。

注塑成型是一种高度复杂的非线性、多变性、非等温性、非稳态性等的一种成型过程。影响成型质量的因素主要包括：材料、塑件结构、模具结构以及工艺参数。在材料、塑件与模具结构确定条件下，工艺参数成为影响成型质量的主要因素。注塑成型质量的难以控制不仅与工艺动力学的复杂性以及在压力、温度等作用下材料行为的不可预测性有关，还与人们对工艺参数与成型质量之间的关系缺乏一定的了解。大多研究人员研究了单目标质量的成型工艺参数优化，而质量指标有多个，单独优化单目标得出的最佳工艺组合并不一定满足其他质量指标要求，因此，研究找出一种适合工艺多目标质量综合评价优化的方法成为了注塑成型参数优化研究的热点。

目前，在工艺多目标优化方面，主要有以下几种方法：综合平衡法、加权综合评分法、神经网络法以及灰色关联法。文献1邓召旭,刘泓滨.基于综合平衡法的花盆件浇注系统优化设计[J].轻工机械.2016(01)提出了利用综合平衡法对浇注系统进行优化，优先同时满足翘曲变形量和体积收缩率最优的工艺组合,并进行验证,从而证明了优化方法的可行性一种方法。该方法虽然达到优化目的，但不是最优，对经验依赖性较高。文献2卫炜，胡泽豪.正交试验设计的注塑成型工艺参数多目标优化设计[J].现代制造工程.2009,2.运用正交试验和模拟软件对不同工艺组合条件下的注塑成型过程进行模拟,并运用模糊数学中的综合评判法,对成型翘曲变形量、体积收缩率、表面缩痕指数三个目标值进行综合评分。通过对综合评分的均值、极差分析,绘制因素水平影响趋势图，确定主要工艺参数对综合评分的贡献率,得出了最佳的注塑工艺参数组合,并进行模拟验证。该方法在各指标权重分配时人为主观性较大，很难确定合理的权重分配，对优化结果有一定影响。文献3孙首群,张书魁,黄梅仙.基于信噪比及灰关联度的注塑工艺参数优化[J].塑性工程学报.2016(01)针对车用开关面板在注塑成型过程中易出现翘曲、收缩变形等缺陷,提出了在正交试验的基础上,采用信噪比分析法,获得各工艺参数对优化指标的贡献率。为提高成型工艺稳定性,运用灰关联度分析法,将多目标优化问题转换为单目标灰色关联度优化问题,从而得到最佳工艺参数组合。试验结果表明,该方法能够有效提高制品成型质量。该方法相对以上两者方法有了较大改善，但没有考虑到各指标权重问题，将各指标权重分配一致，对优化结果有一定影响。文献4胡泽豪,卫炜，刘娟,刘琨.基于神经网络集的注射成型工艺参数多目标优化[J].中国塑料.2010(08)利用CAE数值仿真正交试验得工艺参数与质量指标的数据作为训练样本,对BP神经网络进行训练,得到工艺参数与质量指标之间的神经网络模型,从而得到满足多个质量指标综合最佳的工艺参数组合。通过对比验证,这种优化方法可以在正交试验结果数据较少的情况下较大程度地提高制品多目标质量。BP神经网络学习速度较慢，难以解决应用问题的网络规模与实例规模之间的矛盾，对网络结构的选择尚无一种统一认可的理论指导，一般由经验确定，有时随训练能力的提高，预测能力反而下降。

发明内容

本发明针对注塑成型单目标优化难以全面、客观的对整体综合质量指标进行评价以及目前多目标优化存在的缺陷问题，发明一种基于正交实验，运用变异系数法与逼近理想解排序法相结合的注塑成型工艺多目标质量优化方法与系统。目前，该方法在注塑成型工艺多目标质量综合评价优化中尚未见其文献报道。变异系数法是一种利用被评价对象指标的变异程度确定指标权重的方法，可实现被评价对象各指标的动态赋权，避免了各指标权重分配时人为因素的主观性打分，是一种客观的定量的动态的一种指标赋权。逼近理想解排序法利用变异系数法所得权重值确定各评价对象到理想样本点的距离来确定其相对接近度，从而对各研究对象进行综合评价，通过对各实验组的不同因素水平的相对接近度进行因素水平与相对接近度的响应图研究可实现多目标质量优化。

一种注塑成型工艺多目标质量综合评价优化方法，其优化步骤包括以下：

步骤1：优化浇口位置建立模具系统，确定实验因素、质量指标以及因素水平表建立正交矩阵表，运用模流分析软件Moldflow按正交矩阵表设置参数模拟获得各质量指标的响应结果Y₁,Y₂,...,Y_n。

步骤2：利用正交实验获得各质量指标的响应结果作为原始评价数据，对其同向化处理转换为正指标y′_ij后进行无量纲化处理得y″_ij。

步骤3：利用变异系数法确定各优化质量指标在综合质量评价中的权重w_i。

步骤4：基于逼近理想解排序法，由质量指标权重w_i与无量纲化处理y″_ij乘积得加权数据y″′_ij，确定理想样本点Y⁺与负理想样本点Y^-，计算各实验组样本点到理想样本点与负理想样本点的距离与并计算各实验组的相对接近度C_j,并对其进行排序。

步骤5：计算各因素水平相对接近度均值与极差，绘制因素水平与相对接近度均值影响趋势图，确定各影响因素水平主效应，得最佳工艺参数组合。

步骤6：按最佳工艺组合参数设置注塑成型零件，待成型稳定后取10PCS用三次元测量其翘曲平均值与模拟值对比，验证该优化方法有效性。

优化步骤1包括以下：

(1)优化浇口位置建立模具系统。

(2)确定实验因素、质量指标以及因素水平表。

(3)建立正交实验矩阵L_n(q^m)，其中n为实验次数，q为实验因素个数，m为因素水平个数。

(4)运用模流分析软件Moldflow按正交矩阵表设置参数模拟获得各质量指标的响应结果Y₁,Y₂,...,Y_n。

优化步骤2包括以下：

(1)利用正交实验获得各质量指标的响应结果作为原始评价数据。

(2)对第j个实验组第i个评价质量指标数据进行同向化处理转换为正指标y′_ij；

式(1)中：y_ij为第j个实验组第i个评价质量指标，max|y_ij|为第i个评价质量指标所有实验组中绝对值最大值，k一般取值0.1。

(3)对同向化处理转换为正指标y′_ij后进行无量纲化处理得y″_ij；

式(2)中：m为评价质量指标个数。

优化步3骤包括以下：

利用变异系数法确定各优化质量指标在综合质量评价中的权重w_i：

(1)计算无量纲化处理所得y″_ij的平均值

(2)计算无量纲化处理所得y″_ij的标准差s_i

(3)计算变异系数V_i

(4)利用变异系数V_i计算各指标在综合质量评价中的权重w_i

优化步4骤包括以下：

(1)由质量指标权重w_i与无量纲化处理y″_ij乘积得加权数据y″′_ij

y″′_ij＝w_i.y″_ij (7)。

(2)基于逼近理想解排序法，确定理想样本点Y⁺与负理想样本点Y^-

Y⁺＝(Y_1max,Y_2max,...,Y_mmax) (8)

Y^-＝(Y_1min,Y_2min,...,Y_mmin) (9)

式(8)中：Y_1max,Y_2max,...,Y_mmax表示各优化目标在所有实验组中的最大值；

式(9)中：Y_1min,Y_2min,...,Y_mmin表示各优化目标在所有实验组中的最小值。

(3)计算各实验组样本点到理想样本点与负理想样本点的距离与

(4)计算各实验组的相对接近度C_j,并对其进行排序

优化步骤5包括以下：

(1)计算所有实验组因素水平相对接近度均值K₁,K₂,...,K_n，K_i为不同因素在不同水平下的平均值，以模具温度水平1下的相对接近度均值K_M1为例，计算方法为n为因素水平数。

(2)计算极差R，极差R为K₁,K₂,...,K_n中最大值与最小值之差，比较极差R大小，得出因数主效应，极差R越大，表示该因素对相对接近度影响越大，反之，越弱；

(3)绘制因素水平与相对接近度均值影响趋势图，按相对接近度越大越优得出各因素水平主效应，从而得同时兼顾多质量指标的最佳因素水平组合并进行模拟得各指标值。

附图说明

图1为注塑成型工艺多目标质量综合评价优化流程图。

图2为各因素水平与相对接近度均值影响趋势图。

具体实施方式

针对塑件成型翘曲变形、顶出时体积收缩、缩痕深度等多个质量指标缺陷问题，采用本发明基于正交实验，利用变异系数法与逼近理想解排序法相结合的方法对注塑成型工艺多目标进行综合评价优化。

利用正交实验法获取各质量指标的响应数据，然后利用变异系数法确定各质量指标在综合评价质量中的权重，其次利用逼近理想解排序法计算各样本点到理想样本点的相对接近度并按照相对接近度越大越优进行实验序列排序，再计算各因素水平的相对接近度均值、极差并绘制相对接近度均值与因素水平的影响趋势图获得因素主效应，从而获得同时兼顾多目标质量的最佳工艺参数组合。以某款手机SIM卡连接器接触件为例，结果表明：第21组实验相对接近度最大，为0.9925与理想值最接近，是所有实验组中最优组；对相对接近度影响最大的为保压压力，其次为熔体温度，再次为注射时间，模具温度、保压时间、冷却时间对相对接近度影响较小。通过绘制各因素水平与相对接近度均值影响趋势图得出最佳工艺组合A5B1C5D2E5F2，即模温150℃，熔温310℃，保压压力为90％填充压力，保压时间1.0s,注射时间0.2s,冷却时间4s时翘曲变形、顶出时体积收缩、缩痕深度最小，分别为0.0859mm,4.268％,0.0077mm,均比第21组实验获得值小。最后通过对翘曲变形实验验证，实验结果与最佳模拟结果误差较小，手机SIM卡连接器接触件验证了该方法的可行性。

具体步骤如下：

步骤1：

(1.1)以翘曲变形、顶出时体积收缩、缩痕深度为质量指标，分别记为Y₁,Y₂,Y₃，以熔体温度、模具温度、保压压力、保压时间、注射时间、冷却时间为主要影响因素，分别记为A、B、C、D、E、F,建立6因素5水平因素水平表如表1所示。

表1

(1.2)运用模流分析软件按正交矩阵表L₂₅(5⁶)设置参数模拟获得各质量指标的响应结果Y₁,Y₂,Y₃,正交矩阵表与模拟结果如表2所示。

表2

步骤2：

(2.1)对第j个实验组第i个评价质量指标数据按公式(1)进行同向化处理转换为正指标，结果如表3所示。

(2.2)对同向化处理转换为正指标后按公式(2)进行无量纲化处理，结果如表3所示。

表3

步骤3：

(3.1)按公式(3)计算各质量指标无量纲化处理结果的平均值结果如表4。

(3.2)按公式(4)计算各质量指标无量纲化处理结果的标准差s_i，结果如表4。

(3.3)按公式(5)计算变异系数V_i，结果如表4。

(3.4)利用变异系数V_i按公式(6)计算各指标在综合质量评价中的权重w_i，结果如表4所示：翘曲变形、顶出时体积收缩率、缩痕深度在综合质量指标中各自权重分别为0.2235、0.5484、0.2281。

表4

步骤4：

(4.1)由质量指标权重w_i与无量纲化处理y″_ij乘积得加权数据y″′_ij，按公式(7)计算，结果如表5所示。

(4.2)基于逼近理想解排序法，选择所有样本点中最大值构成理想样本点，所有样本点中最小值构成负理想样本。

理想样本点Y⁺＝(0.0463,0.1256,0.0475)；负理想样本Y^-＝(0.0426,0.0996,0.0434)。

(4.3)按公式(10)和(11)计算各实验组样本点到理想样本点与负理想样本点的距离与结果如表5所示；

(4.4)按公式(12)计算各实验组的相对接近度C_j,并对其进行排序，可看出第21组实验相对接近度最大，为所有正交实验组中最优，计算结果如表5所示。

表5

步骤5：

(5.1)计算所有实验组相对接近度均值K₁,K₂,K₃,K₄,K₅，如表6所示。

(5.2)计算极差R,如表6所示，可以看出对相对接近度影响先后次序为：保压压力＞熔体温度＞注射时间＞保压时间＞模具温度＞冷却时间。

(5.3)绘制因素水平与相对接近度均值影响趋势图，如图2所示，按相对接近度越大越优得出各因素水平主效应分别为A5、B1、C5、D2、E5、F2，即工艺组合为模具温度为150℃，熔体温度为310℃，保压压力为90％填充压力，保压时间为1.0s,注射时间为0.2s,冷却时间为4s时翘曲变形、顶出时体积收缩、缩痕深度最小，用模流分析软件按上述参数模拟得翘曲变形为0.0859mm,相比第21组实验0.0861mm减少了0.0002；顶出时体积收缩率为4.268％,相比第21组实验4.370％减少了0.102％；缩痕深度为0.0077mm,相比21组实验0.0090mm减少了0.0013mm,虽然减少范围不大，但相比第21组实验最优组来说是同时满足综合质量指标最优的最佳工艺组合。

表6

步骤6：用日本住友卧式注塑机按上述最佳工艺组合参数设置注塑成型零件，待成型稳定后取10PCS用三次元投影仪测量其翘曲平均值为0.0855mm与模拟值0.0859mm相对误差为0.4656％，如表7所示，满足生产要求，验证了该优化方法有效性。

表7

Claims (6)

1.一种注塑成型工艺多目标质量综合评价优化方法，其特征在于，优化步骤如下：

步骤1：优化浇口位置建立模具系统，确定实验因素、质量指标以及因素水平表建立正交矩阵表，运用模流分析软件Moldflow按正交矩阵表设置参数模拟获得各质量指标的响应结果Y₁,Y₂,...,Y_n；

步骤2：利用正交实验获得各质量指标的响应结果作为原始评价数据，对其同向化处理转换为正指标y′_ij后进行无量纲化处理得y″_ij；

步骤3：利用变异系数法确定各优化质量指标在综合质量评价中的权重w_i；

步骤4：基于逼近理想解排序法，由质量指标权重w_i与无量纲化处理y″_ij乘积得加权数据y″′_ij，确定理想样本点Y⁺与负理想样本点Y^-，计算各实验组样本点到理想样本点与负理想样本点的距离与并计算各实验组的相对接近度C_j,并对其进行排序；

步骤5：计算各因素水平相对接近度均值与极差，绘制因素水平与相对接近度均值影响趋势图，确定各影响因素水平主效应，得最佳工艺参数组合；

步骤6：按最佳工艺组合参数设置注塑成型零件，待成型稳定后取10PCS用三次元测量其翘曲平均值与模拟值对比，验证该优化方法有效性。

2.如权利要求1所述的一种注塑成型工艺多目标质量综合评价优化方法，其特征在于，优化步骤1包括以下：

(1)优化浇口位置建立模具系统；

(2)确定实验因素、质量指标以及因素水平表；

(3)建立正交实验矩阵L_n(q^m)，其中n为实验次数，q为实验因素个数，m为因素水平个数；

(4)运用模流分析软件Moldflow按正交矩阵表设置参数模拟获得各质量指标的响应结果Y₁,Y₂,...,Y_n。

3.如权利要求1所述的一种注塑成型工艺多目标质量综合评价优化方法，其特征在于，优化步骤2包括以下：

(1)利用正交实验获得各质量指标的响应结果作为原始评价数据；

(2)对第j个实验组第i个评价质量指标数据进行同向化处理转换为正指标y′_ij；

$y_{ij}^{\′}=\frac{1}{k+max\left|y_{ij}\right|+y_{ij}}---\left(1\right);$

式(1)中：y_ij为第j个实验组第i个评价质量指标，max|y_ij|为第i个评价质量指标所有实验组中绝对值最大值，k一般取值0.1；

(3)对同向化处理转换为正指标y′_ij后进行无量纲化处理得y″_ij；

$y_{ij}^{\′\′}=\frac{y_{ij}^2}{\sqrt{\underset{j=1}{\overset{n}{\Σ}}{y}_{ij}^2}},i=1,2,...,m---\left(2\right);$

式(2)中：m为评价质量指标个数。

4.如权利要求1所述的一种注塑成型工艺多目标质量综合评价优化方法，其特征在于，优化步3骤包括以下：

利用变异系数法确定各优化质量指标在综合质量评价中的权重w_i：

(1)计算无量纲化处理所得y″_ij的平均值

$\stackrel{\‾}{y_{ij}^{\′\′}}=\frac{1}{n}\underset{j=1}{\overset{n}{\Σ}}{y}_{ij}^{\′\′},i=1,2,...,m---\left(3\right);$

(2)计算无量纲化处理所得y″_ij的标准差s_i

$s_i=\sqrt{\frac{1}{n}\underset{j=1}{\overset{n}{\Σ}}{(y_{ij}^{\′\′}-\stackrel{\‾}{y_{ij}^{\′\′}})}^2},i=1,2,...,m---\left(4\right);$

(3)计算变异系数V_i

$V_i=s_i/\left|\stackrel{\‾}{y_{ij}^{\′\′}}\right|---\left(5\right);$

(4)利用变异系数V_i计算各指标在综合质量评价中的权重w_i

$w_i=V_i/\underset{i=1}{\overset{m}{\mathrm{\Σ}}}{V}_i---\left(6\right).$

5.如权利要求1所述的一种注塑成型工艺多目标质量综合评价优化方法，其特征在于，优化步4骤包括以下：

(1)由质量指标权重w_i与无量纲化处理y″_ij乘积得加权数据y″′_ij

y″′_ij＝w_i·y″_ij (7)；

(2)基于逼近理想解排序法，确定理想样本点Y⁺与负理想样本点Y^-

Y⁺＝(Y_1max,Y_2max,...,Y_{m max}) (8)；

Y^-＝(Y_1min,Y_2min,...,Y_{m min}) (9)；

式(8)中：Y_1max,Y_2max,...,Y_{m max}表示各优化目标在所有实验组中的最大值；

式(9)中：Y_1min,Y_2min,...,Y_{m min}表示各优化目标在所有实验组中的最小值；

(3)计算各实验组样本点到理想样本点与负理想样本点的距离与

$D_j^{+}=\sqrt{\underset{i=1}{\overset{m}{\Σ}}{(y_{ij}^{\′\′\′}-y_i^{+})}^2},j=1,2,...,n---\left(10\right);$

$D_j^{-}=\sqrt{\underset{i=1}{\overset{m}{\Σ}}{(y_{ij}^{\′\′\′}-y_i^{-})}^2},j=1,2,...,n---\left(11\right);$

(4)计算各实验组的相对接近度C_j,并对其进行排序

$C_j=\frac{D_j^{-}}{D_j^{+}+D_j^{-}}---\left(12\right).$

6.如权利要求1所述的一种注塑成型工艺多目标质量综合评价优化方法，其特征在于，优化步骤5包括以下：

(1)计算所有实验组因素水平相对接近度均值K₁,K₂,...,K_n，K_i为不同因素在不同水平下的平均值，以模具温度水平1下的相对接近度均值K_M1为例，计算方法为n为因素水平数；

(2)计算极差R，极差R为K₁,K₂,...,K_n中最大值与最小值之差，比较极差R大小，得出因数主效应，极差R越大，表示该因素对相对接近度影响越大，反之，越弱；

(3)绘制因素水平与相对接近度均值影响趋势图，按相对接近度越大越优得出各因素水平主效应，从而得同时兼顾多质量指标的最佳因素水平组合并进行模拟得各指标值。