電器散熱板塑模設計【注塑模具設計】,注塑模具設計,電器,散熱,板塑模,設計,注塑,模具設計 通過有限元分析和神經(jīng)網(wǎng)絡法對多型腔摸的流道和澆口系通參數(shù)的設計 摘要：流道和澆口系統(tǒng)的設計對獲得注射成型過程的成功是非常重要的。我們這里研究的課題是應用有限元分析和神經(jīng)網(wǎng)絡法對多型腔注射模的分析。為了將注射塑件的翹曲程度降到最低，可以通過有限元分析法、田口法和反譯網(wǎng)絡的運用選擇最理想的流道系統(tǒng)參數(shù)。這些方法運用在神經(jīng)網(wǎng)絡推理。一旦流道和澆口系統(tǒng)參數(shù)得到完善，通常網(wǎng)格能準確的預測多型腔模件的變成程度。利用模擬退火的優(yōu)化算法得到性能指標，然后加載到神經(jīng)網(wǎng)絡，從而探索澆口，流道系統(tǒng)的參數(shù)。這種方法，與與之相對應的有限元驗證相比較取得了比較滿意的結果。 關鍵詞：神經(jīng)網(wǎng)絡 多型腔 模擬退火法 1 簡介 注射模塑在工業(yè)中是最重要的工業(yè)生產(chǎn)過程之一，擁有高的生產(chǎn)效率，生產(chǎn)周期短，生產(chǎn)廢料比例少，良好的產(chǎn)品表面和易成型復雜形狀等優(yōu)點。在生產(chǎn)過程中，塑料熔融物被高速注射入型腔內(nèi)。不斷對產(chǎn)品質量要求的提高導致了人們對產(chǎn)品性能的分析產(chǎn)生的興趣。 流道和澆口系統(tǒng)的主要功能是傳遞熔體進入模具并填滿型腔的所有部分。不好的澆口設計會導致缺陷，如氣孔，收縮，冷卻流痕線和比較差的表面質量。流道和澆口系統(tǒng)的合理設計能很好的控制填充模式（比如熔接痕的位置），二次注射，能降低缺陷塑件的發(fā)生率從而增加生產(chǎn)率。因此，通過改善流道和澆口系統(tǒng)的設計優(yōu)化模具填充模式是非常重要的。 在過去，多型腔注射模的流道和澆口系統(tǒng)是典型針對錯誤的試驗，直到多型腔得到合理的填充，沒有填充不足和其他缺陷。在設計階段為了降低成本和時間。注射塑件的收縮包括殘余應力的模擬是很重要的。在這項研究中，模擬程序和神經(jīng)網(wǎng)絡的綜合對在流道系統(tǒng)的設計中的收縮率的預測已經(jīng)發(fā)展成為注射模計算機輔助工程的一部分。 1.1 文獻回顧 最近，對流道和澆口系統(tǒng)的研究包含了越來越多的論文優(yōu)化算法，這些結合起來被生成程序輔助設計師在模具和零件設計中的工作。李[1]提出了一個可行的方法自動優(yōu)化設計結合轉輪流動/優(yōu)化理論與熱模擬程序。蘇丁[2]使用網(wǎng)絡和公式翻譯程式語言來模擬擁有四個澆口的流道和澆口系統(tǒng)。分流道的角度，要求澆口和模具型腔布置設定為40 ~ 90度。胡[3]的數(shù)值模擬技術被應用于優(yōu)化澆道和澆注系統(tǒng)。研究了最優(yōu)設計注射澆口位置的林[4]確定了最優(yōu)位置和質量函數(shù)包括溫差，保壓和摩擦熱的關系。Jong和王[5]描述了最優(yōu)的設計基于流動模擬流道系統(tǒng)。Abductive分析的神經(jīng)網(wǎng)絡方法被用于仿真研究,得到了在c語言寫的程序。它1090已經(jīng)表明，預測精度在Abductive網(wǎng)絡比在傳統(tǒng)網(wǎng)絡更高[6]。Abductive 神經(jīng)學分析基于abductive造型技術，在注射分析結果與流道和澆口系統(tǒng)設計之間能夠表達復雜的和不確定的關系。它顯示了在成熟的網(wǎng)絡的基礎上能夠合理準確的預測翹曲與流道和澆口系統(tǒng)參數(shù)。 1.1.1 研究設計和模擬步驟 本研究的目的是利用CAD / CAE軟件系統(tǒng)地模擬注射成型的設計過程，為注射過程推導出一個最優(yōu)的流道和澆口和參數(shù)。仿真開始用計算機輔助設計軟件（如Pro/e）創(chuàng)建一個塑件模型。接著，用有限元軟件包(如Moldflow / MPI版本 [7]系統(tǒng)3.1)用來分析多型腔注射模條件下的注射加工。為了找到關系方程，本研究采用了有限元計算和abductive網(wǎng)絡建立澆道和澆注系統(tǒng)參數(shù)之間的關系。它提供了一個基于理論發(fā)展及應用技術的模擬。在有限元分析后，abductive網(wǎng)絡的設想被用于建立翹曲和模具澆口和流道系統(tǒng)參數(shù)的關系。通過利用abductive造型技術，輸出變量與輸入變量之間的復雜和不確定關系可以調試成為一個有用的數(shù)學模型，為后來的推導，該模型將會被當做一個黑盒來再現(xiàn)注射成型過程，同時，可以調節(jié)參數(shù)來改變該模型的整體性能。 一旦abductive網(wǎng)絡模型建立，則澆口和流道系統(tǒng)參數(shù)的輸出變量和輸入變量關系就變得清晰了。優(yōu)化探索最佳參數(shù)過程，一種具有性能指標的算法被建立。在這個階段，采用了一種叫做模擬退火的方法。模擬退火算法是類似于材料熱處理工藝最小化的績效指標體系。 2 問題表述 2.1 注射模流過程 主要的模流方程分為三個部分如下： （A） 在填充階段，塑料熔體在高壓下對模具型腔填充。因此，控制方程包括： 1，連續(xù)性方程，在填充過程中塑性變形或形狀改變都伴隨著材料的流動，但是質量不變。 2，動量方程，牛頓第二定律推導通過塑性流動可以產(chǎn)生動量（加速）或平衡力。 3，能量方程，如果它是一個不可壓流體，則遵守能量守恒和體積不變原則。 （B） 保壓壓力的分析。保壓過程是指在模腔填充完后保持一定的壓力，使能繼續(xù)注射彌補冷卻后收縮。 （C） 冷卻與偏差分析。分析冷卻過程來探討塑性流動分布和熱傳遞。 均勻的模具溫度和填充次序隨著流道系統(tǒng)和澆口設計的優(yōu)化將會受到產(chǎn)品收縮的影響。如果流動不是平衡的，或溫度分布式分布式流動將會傾向產(chǎn)生翹曲。 2.2 仿真參數(shù)和田口法 有限元模型制定后，abductive網(wǎng)絡結構需要運用Moldflow / MPI（模塑仿真分析）系統(tǒng)的結果來決定。在這一階段，驗證數(shù)據(jù)集應用于協(xié)助網(wǎng)絡配置。這將保證網(wǎng)絡的合理分布，避免因為錯誤的拓撲結構數(shù)據(jù)集造成分布密集和不足。為了提供一個適當?shù)臄?shù)據(jù)分布相關的網(wǎng)絡模型，運用田口法。田口的方法結合了工程和統(tǒng)計從而改善成本和質量。它是一個著名的優(yōu)化過程和產(chǎn)品設計開發(fā)方法。 不像傳統(tǒng)的質量控制，它的目標是為什么了消除變異，基于田口方法的概念，通過系統(tǒng)的減少階乘因子的模擬數(shù)量的一種提高質量的好方法。在這項研究中，權衡考慮相互作用的參數(shù)提供了一種過程和產(chǎn)品都發(fā)生在一個合理水平的“優(yōu)化”。 本次研究的目的是確定最優(yōu)的澆口和流道系統(tǒng)設置從而降低塑件到最低翹曲程度。若干參數(shù)進行仿真，列如：模具型腔、注射塑件的體積、澆口和流道的直徑。澆口的直徑等于流道直徑如圖一顯示被選為正交試驗（表1，表2）.對于每種試驗進行27次，質量特性產(chǎn)生了。 2.3 Abductive網(wǎng)絡綜合和評價 神經(jīng)網(wǎng)絡作為一類模型,在過去的十年里，由于他們有能力創(chuàng)造復雜的過程,以及他們的快速執(zhí)行和重新生成的能力。在工藝過程中已引起了廣泛的關注, 在一個abductive網(wǎng)絡,一個復雜系統(tǒng)可以分解為較小的、簡單的子系統(tǒng)分成好幾層節(jié)點使用多項式函數(shù)。提出了由該多項式網(wǎng)絡Ivakhnenko[9]是一組數(shù)據(jù)處理 方法（GMDH）技術。節(jié)點解算有限數(shù)量的輸入量通過高次多項式函數(shù)和生成一個輸出量作為下一層節(jié)點的輸入量。一般多項式函數(shù)在一個多項式功能節(jié)點能被表達如下： （1） 這里是輸入量，是輸出量。是多項式功能節(jié)點的系數(shù)。在本文中，幾個具體類型的節(jié)點多項式函數(shù)應用在各種流道和澆口系統(tǒng)中預防翹曲。這些多項式函數(shù)節(jié)點稱為歸一化，整合，單倍，雙倍和三倍節(jié)點數(shù)。 圖一 流道系統(tǒng)參數(shù) （Sprue Dia 直澆口直徑；Gate Dia澆口直徑; Runner Dia 流道直徑） 表1 三個層次的因素進行了正交設計 選定 一級 二級 三級 因素 A模具型腔（N） B塑件體積（V） C流道直徑（Rd） D澆口直徑（Gd） 表2 模流仿真澆口流道系統(tǒng)的設計數(shù)據(jù) 次 型腔 塑件 流道 澆口 數(shù) 數(shù) 體積 直徑 直徑 表示如下： （2） 這些節(jié)點的三次多項式方程的極大值，兩倍和三倍節(jié)點。允許輸入變量之間的相互作用。這里是前一層的輸入?yún)?shù)，O是節(jié)點的輸出值， 是單數(shù)，雙數(shù)，和三倍白點節(jié)點的系數(shù)。單數(shù)節(jié)點是只有一個輸入?yún)?shù)和一個輸出參數(shù)的方程（）。三倍節(jié)點是含有三個3個輸入?yún)?shù)和一個輸出參數(shù)的方程。（）。白節(jié)點是含有很多輸入?yún)?shù)和一個輸出參數(shù)的方程（）。建立一個完整abductive網(wǎng)絡,第一個要求是建立訓練數(shù)據(jù)庫。提供的輸入和輸出參數(shù)信息必須充分。預測平方誤差（PSE）標準在確定最優(yōu)結構之前[10]。PSE標準的原則是選擇最小復合體，這樣可能形成精確的網(wǎng)格。PES包含兩種關系，它們是： PSE = FSE + (3) 這里PES是適合訓練數(shù)據(jù)庫網(wǎng)格的憑據(jù)平方誤差，KP是復雜體網(wǎng)格補償。表現(xiàn)為下列方程： 這里CPM是復雜體補償系數(shù)。K是網(wǎng)格系數(shù)，N是訓練數(shù)據(jù)，σ2P 是指模型誤差變量的估計值。 圖二 多型腔塑件的有限元網(wǎng)格 圖三 有限元建模變形結果 3 解決問題 3.1 有限元分析 有限元模擬能分析各種澆口和流道系統(tǒng)，包括不同體積，型腔，流道流道直徑，還有澆口和流道最大翹曲的直徑和長度。表3顯示在模擬材料(ABS)的物理性質。圖2是顯示的是一個擁有四腔的注射模有限元網(wǎng)格。主要的模流模擬被分成四部分，包括首次填充過程、保壓過程，冷卻和變形過程。圖3顯示的是有限元分析偏差的最后結果。同時，輸入?yún)?shù)（型腔、體積、流道和澆口系統(tǒng)參數(shù)）與輸出參數(shù)（變形）的關系在注射完成時已經(jīng)確定了。表4說明了模流分析得到的流道和澆口系統(tǒng)參數(shù)和產(chǎn)品最大翹曲程度。 根據(jù)最優(yōu)流道和澆口系統(tǒng)模型的建立，三層網(wǎng)絡包括流道和澆口系統(tǒng)參數(shù)、注射變形結果都自動生成。Abductive網(wǎng)絡在各種澆口流道參數(shù)、注射標準體積和多型腔能仿真產(chǎn)品的翹曲。所有的多項式方程應用于該網(wǎng)絡都列在附錄。 表5比較了根據(jù)模擬測試情況通過abductive模型仿真的結果。這些測試情況沒有包括建立模型的設置。這組數(shù)據(jù)是用來檢測以上abductive模型測試的合理性。我們可以從表5看到,最大誤差約為4%。結果表明abductive模型仿真是適用的。 表3 材料的性能、熱性能:電導率0.149500 / m /?C、比熱2213.000000 J /Kg/?C、密度949.100037kg/m3、壓射111.900002?C、無流動溫度145.300003?C 溫度 剪切 粘度 溫度 壓力 具體的體 速率 MPa 積 3.2 模擬退火(SA)算法 為了選擇性優(yōu)化澆口流道參數(shù)，Metropolis [11]提出了一種新的固體冷卻能量守恒狀態(tài)模擬標準。Metropolis使用的基本標準是一種叫“模擬退火”的優(yōu)化算法。該算法是由Kirkpatrick [8]在1983年創(chuàng)立的。 在本文中，利用模擬退火算法尋找最佳的澆口和流道系統(tǒng)參數(shù)。圖4顯示了模擬退火流程的研究。該算法在給定一個初始溫度Ts,最終溫度Te和一組初始工藝參數(shù)向量Ox。目標函數(shù)根據(jù)澆口和流道系統(tǒng)性能指標定義一個函數(shù)[obj]。目標函數(shù)可以重新通過所有不同的設定補償參數(shù)。如果新的目標函數(shù)變小，則工藝參數(shù)的攝動被認定為新工藝參數(shù)和溫度下降了一個小的比例。表示為： 這里i表示溫度降低的指標，指溫度降低率(< 1)。 然而，如果目標函數(shù)變大，則工藝參數(shù)的允收概率將表示為： 這里指玻爾茲曼常數(shù)，Δobj指不同的目標函數(shù)差值。這個過程被重復,直到溫度T接近零,它表明能量水平降到最低的狀態(tài)。目標函數(shù)[obj]制定如下： （7） 這里W指權函數(shù)。 多型腔注射模澆口與流道應與仿真數(shù)據(jù)相匹配。換句話說,基礎條件的優(yōu)化應落在一定的范圍，如下： 1. 最佳流道直徑Rd應該比最小流道直徑大，比最大流道直徑小。 2. 最佳澆口直徑Gd應該比最小澆口直徑大，比最大澆口直徑小。 3. 最優(yōu)的模具型腔數(shù)N應該比最少模具數(shù)多，比最多型腔數(shù)少。 4. 最優(yōu)的注射件的體積V應該比最小體積大，對最大體積小。 不等式表示如下： 最小流道直徑Rd<設計流道直徑<最大流道直徑； （8） 最小澆口直徑Gd<設計澆口直徑<最大澆口直徑； （9） 最小模具型腔數(shù)N<設計模具型腔數(shù)<最大模具型腔數(shù)； （10） 最小注射件體積V<設計注射件體積<最大注射件體積。 （11） 為了找到澆口和流道系統(tǒng)參數(shù)的最佳值，在最大化條件下在研究過程中保持在可接受程度。 表4 在不同流道系統(tǒng)的模流仿真結果 次數(shù) 型腔數(shù) 注射塑件 流道直徑 澆口直徑 最大翹曲 (N) 體積（V） (Rd) （Gd） (mm) 4 討論結果 仿真是用來說明多型腔注射模參數(shù)的優(yōu)化過程。當權函數(shù)Wn=1時，Rd,Gd和V同樣加權值=1。型腔數(shù)（N）和體積（V）參數(shù)用 模擬退火算法加以討論，如下：初始溫度Ts = 100?C、最終溫度Te = 0.0001?C,衰減率CT =0.95以及玻爾茲曼常數(shù)后ks = 0.00667。主要的目標是從abductive網(wǎng)絡模型和澆口流道系統(tǒng)參數(shù)中得到最低翹曲。在圖5,當模腔是N = 2,注塑制品的體積是18x18x18x1.0t毫米，澆口直徑Gd=1.82是不變，最佳的流道直徑在流道直徑尺寸=2.4mm有最小變形。能找到這個翹曲值為0.711（最?。?。在圖6中，在流道直徑Rd=2.4mm不變時，最佳的澆口直徑在澆口直徑為1.82mm有最小變形。能找到這個翹曲值為0.711（最?。?。 表6比較模流誤差值與預測神經(jīng)元模型最優(yōu)化模擬值，最大誤差約為8.6%。在前面的討論中，已經(jīng)很明確顯示了通過這種方法，工藝參數(shù)為澆口流道系統(tǒng)參數(shù)優(yōu)化能系統(tǒng)的得到。 表5神經(jīng)網(wǎng)絡預測與有限元模擬之間的誤差(它不包括在任何原始27集數(shù)據(jù)) （ Item 項目 set1,set2 第一、二組 Maximum error 最大誤差 Simulation method 模擬方法 Mould cavity(N)模腔體積 Volume of injection part 注射件體積 Runner dimension 流道直徑 Gate dimension 澆口直徑 Warp 變形值 Absolute value 絕對值 FEM (mould flow) 有限元（模流） Neural network 神經(jīng)網(wǎng)絡） 圖4 模擬退火研究流程圖 （set initial condition 設定初始條件 random(new conditon) 隨機(新情況下) If x is Feasible 如果x是可行的） 5 結論 本文闡術了在多型腔模具中通過abductive網(wǎng)絡的方法來建模和優(yōu)化流道和澆口系統(tǒng)參數(shù)。本文的結論如下： （1） 通過比較有限元方法和abductive網(wǎng)絡預測的誤差值，我們?nèi)〉昧俗詈玫牧鞯老到y(tǒng)與偏差參數(shù)模型。基于abductive網(wǎng)絡的最佳模型，可以獲得最佳流道系統(tǒng)參數(shù)和翹曲的復雜關系。 （2） 在有限元仿真模流誤差和預測工藝優(yōu)化模型之間進行了比較。這個比較結果表明該模型不僅適合有限元仿真計算，而也是用適合有限元模流和abductive網(wǎng)絡的預測。注射成型的澆口和流道系統(tǒng)參數(shù)最優(yōu)化的速度和效率可以有效的提高注射模設計過程的精度。 （3） 現(xiàn)代的注射成型-特別是在3C產(chǎn)業(yè)-需要更少的時間來制作準確的產(chǎn)品,如手機和數(shù)碼相機,攝像機鏡頭和手機殼。然而,在注塑模具受到注塑參數(shù),只能通過單或雙腔產(chǎn)生等因素的制約。對多型腔模具，要將每個型腔調整同樣水平的注射參數(shù)非常的難。失敗的產(chǎn)品合成率是沒有競爭力的。Adductive網(wǎng)絡技術和模擬退火法為多型腔模具尋找最佳條件。這樣做的目的是為了獲得高水平的生產(chǎn)力,達到一種精度水平和滿足要求。 參考文獻 圖5 流道直徑與最小翹曲之間的關系 （minimum warp 最低翹曲 Runner Diameter(mm) 流道直徑） 圖6 澆口直徑和最小翹曲之間的關系（Minimum War最小翹曲 Gate Diameter 澆口直徑 ） 表6 優(yōu)化選擇的理論和有限元方法相比最大翹曲值