技术简介:
本发明针对注塑模具冷却系统依赖人工经验导致参数优化耗时且效果不佳的问题,提出基于正交试验与CAE分析的多目标优化方法。通过设置冷却参数正交试验,结合多指标模糊隶属函数映射与极差分析,确定最优参数组合,并利用MoldFlow模拟验证,显著提升注塑件成型质量与冷却效率。
关键词:注塑模具冷却优化,正交试验CAE分析
技术领域本发明涉及注塑生产技术领域,尤其是一种注塑模具冷却系统优化方法。
背景技术:目前,随着加工制造业的发展,人们对注塑产品质量的要求越来越高,注塑模具的冷却系统对零件的成形质量影响较大,目前很多企业对注塑件的模具的冷却系统的工艺参数还是凭借工人的生产经验进行试验,并且耗时较多,针对不同的零件很难得到较优的工艺参数。
技术实现要素:本发明的目的是:提供一种注塑模具冷却系统优化方法,它解决了注塑模具冷却系统的工艺参数依靠工人的生产经验,耗时较多,较优效果不明显的问题,以克服现有技术的不足。本发明是这样实现的:注塑模具冷却系统优化方法,根据注塑零件的特征确定注塑方案,将注塑方案中的模具冷却系统的工艺参数进行正交试验,正交试验的指标为:注塑零件的翘曲变形量和体积收缩率;再对每一组正交试验进行CAE分析,再将CAE分析的结果进行多目标分析,获得注塑零件的的翘曲变形量和体积收缩率的综合指标,再对注塑零件的的翘曲变形量和体积收缩率的综合指标进行极差分析法,确定优化参数组合,并对优化参数进行CAE模拟验证。由于采用了上述技术方案,与现有技术相比,本发明设计了一套简单易行的塑件模具冷却系统的方案,它解决了模具冷却系统的工艺参数依靠工人的生产经验进行简单的优化,耗时较多,较优效果不明显的问题。通过该方案确定的优化方案能较好的保证通过该模具冷却系统生产的注塑零件的质量。本发明简单易行,使用效果好。附图说明附图1为本发明的实施例的塑件模具冷却系统结构示意图;附图1为本发明的实施例的注塑方案的结构图;附图2为本发明的实施例的缩痕指数分析图;附图3为本发明的实施例的翘曲变形量分析图;附图4为本发明的实施例的冻结时间分析图。具体实施方式本发明的实施例:注塑模具冷却系统优化方法,1成型工艺分析塑件的最大轮廓尺寸为258mm×75mm×48mm,属于中小型塑件,平均壁厚为2mm;塑件的壁厚较薄。1.1设计注塑方案塑件的材料选ABS塑料,根据经验设计浇注系统和冷却系统,浇注系统采用一模两件、侧浇口和普通流道注射形式;将冷却水道的直径为:8mm,距离零件表面为16mm,型腔水道的总长度为:795mm。根据设计结果,在UG中建立零件型腔冷却系统的注塑方案如图1所示。2正交试验2.1设置实验因素水平表正交试验设计方法是目前常用的一种研究与处理多因素试验的科学试验方法,结合极差分析可以对试验参数进行优化。选取随形冷却水道的工艺参数为:(a)冷却管道直径、(b)距径比(型腔壁和冷却水道的距离与冷却水道直径的比值)、(c)冷却水温度、(d)冷却水管壁的粗糙度,并将成型材料选为UT10B:UMGABSLtd。每个因素分别设置三个影响水平,如表1所示。2.2多指标优化不同试验指标对塑件质量的影响程度各不相同,其量纲也不一致,不能将试验数据直接叠加进行评价。应用模糊数学中岭型分布的偏小型隶属函数[9],将各指标值都映射到区间[0,1]上,使得多指标问题单一化。根据塑件的综合性能要求以及各指标对塑件成型质量的影响程度,按百分制进行加权综合评判,缩痕指数、翘曲量和冻结时间的加权值分别取30、40和30,加权综合评价值为Y,如表2所示。2.2设置正交试验表根据实验因素水平表的相关数据,正交试验设计中选用L9(34)型正交试验表,不考虑各因素交互作用,试验方案如表2所示。3数据结果分析及优化3.1极差分析极差分析法能直观地分析各试验因素对试验指标的影响程度及显著性,同时可以直观的分析出同一因素不同水平对试验结果的不同影响。应用极差分析法,计算得出极差分结果,如表2所示。3.2优化分析根据表2中的极差分析结果及塑件的生产使用要求,塑件综合性能影响因素的主次顺序为:adbc,因此,确定工艺参数的优化组合为:a1d2b2c3,冷却管道直径:4mm、距径比:2、冷却水温度:25、冷却水管壁的粗糙度:0.05。在MoldFlow中进行模拟分析的塑件的得出塑件的缩痕指数为1.911%,翘曲变形量为1.078mm,冻结时间为8.783s,综合指标为68.442,达到了最有效果,结果如图2、3、4所示。结论:运用正交试验并结合多目标分析法对塑件成型质量进行综合分析,运用方差分析法对实验结果进行分析确定影响塑件成型质量的主次因素和优化参数组合。运用Moldflow软件对试验优化参数进行模拟验证,最终得到较优的冷却系统参数。