周紀委1，王明偉1，張文超1，葉星輝2，張宏偉1，於峻偉1
（1. 大連工業大學，機械工程與自動化學院，遼寧，大連 116034； 2.浙江凱華模具有限公司，浙江，台州 318020）
摘要：以汽車霧燈燈罩為研究對象，針對塑件在成型過程中出現的翹曲變形和體積收縮問題，利用 Moldex3D 軟件進行分析，得到初始分析下Z方向翹曲變形量為0. 191 mm，體積收縮率為4. 345% 。由於汽車霧燈燈罩在裝配方向上需要較小的翹曲變形和體積收縮，以熔體溫度、模具溫度、保壓時間、冷卻時間和保壓壓力為優化變量，采用響應麵法進行 5 因素 5 水平中心複合試驗並建立灰色關聯度值模型對目標進行優化。根據中心複合試驗結果對灰色關聯度值進行方差分析，得到各因素對灰色關聯度值的影響程度順序為熔體溫度＞模具溫度＞冷卻時間＞保壓壓力＞保壓時間。利用灰色關聯度模型進行尋優，得到最優工藝參數組合為熔體溫度為290℃、模具溫度為80℃、保壓時間為7s、冷卻時間為22s、保壓壓力為 155 MPa。將最佳工藝參數組合在 Moldex3D 中進行模擬，得到Z方向翹曲變形量為0. 088 mm、體積收縮率為3. 551%。與推薦工藝參數組合相比，優化後的Z方向翹曲變形量比優化前降低了54%，體積收縮率比優化前降低了18%。
關鍵詞：汽車霧燈燈罩; 響應麵法; 灰色關聯分析; 體積收縮; 翹曲變形; 注塑工藝優化
近年來，隨著社會經濟的不斷發展和人民生活水平的不斷提高,汽車作為一種便捷的代步工具受到了大多數人的青睞，同時，人們對汽車的外觀和安全性也提出了更高的要求[1]。汽車霧燈燈罩作為汽車的重要組成部分,不僅可以降低風阻,提高汽車的動力,還可以使駕駛員與乘客感到舒適、方便。通常，汽車霧燈燈罩為注塑件，殼內放置鏡圈和鏡片等部件，因此，燈罩和其他部件需要緊密配合[2]。為了保證燈罩整體的密封性，需要在注塑時盡量減小翹曲變形[3]。
影響翹曲變形的因素有很多，例如，模具結構、材料的性能和注塑成型工藝參數等[4]。為了降低翹曲變形量，提高塑件的尺寸精度，研究者把試驗優化理論與模流分析技術相結合，對成型工藝進行優化。Mukras等[5]分析了模具溫度、熔體溫度、保壓壓力等工藝參數對翹曲和體積收縮的影響，並使用中心複合設計構建翹曲、體積收縮與7個注塑工藝參數的關係，建立了一個多個目標優化問題，最後，利用遺傳算法進行優化，得到工藝參數最優組合。Li等[6]利用粒子群算法和Kriging 模型對注塑工藝參數進行了優化，減少了汽車頂棚翹曲量。黃海鬆等[7]利用灰色關聯分析法將多目標優化問題轉化為單目標優化問題，並確定了注塑工藝的優化方案。盧鬆濤等[8]以溫控器外殼為研究對象，利用 Moldflow 和正交試驗方法研究了各參數對翹曲變形的影響，優化後的翹曲變形量減少了40.69%。邱彤等[9]利用正交試驗和響應麵法進行多目標優化，通過試驗結果對比得到了最優化方案。唐春華[10]運用響應麵法和Moldflow模流分析技術結合的方法，建立響應麵模型並進行翹曲變形的優化設計，最終得到了最優工藝參數組合。彭培銘等[11]以汽車製動插件為研究對象，采用響應麵法結合模流分析技術對塑件進行翹曲分析,通過方差分析得到4個工藝參數對翹曲量的影響順序，並且，以翹曲量為約束條件，采用PSO算法進一步對工藝參數進行優化，最終得到優化後的最佳工藝參數組合。
文章以汽車霧燈燈罩為研究對象，在模流分析技術的基礎上，采用響應麵法結合灰色關聯分析法研究成型工藝參數對翹曲變形和體積收縮的影響。通過構建關於Z方向翹曲和體積收縮率的灰色關聯度值模型對最優工藝參數組合進行尋優，將尋優到的最優工藝參數組合在Moldex3D軟件中進行模擬，Z方向翹曲和體積收縮率均得到顯著改善。
1汽車霧燈燈罩初始分析
1.1塑件結構及材料
汽車霧燈燈覃是車燈注塑件之一，與車燈的其他零部件進行裝配，汽車霧燈燈罩的二維模型如圖1所示。由圖1可知，產品最大外形尺寸長度為267 mm、寬度為80 mm、高度為192 mm、平均壁厚為2.5 mm。產品外形較複雜，有較多的凸台、加強筋和卡扣。該塑件外觀要求表麵光潔，無明顯熔接線且裝配方向上的翹曲變形較小。
圖1 汽車霧燈燈罩二維模型（單位：mm）
汽車霧燈燈罩材料選用SABIC製造商，牌號為LEXAN LS2（EUR）的聚碳酸酯（PC）塑料，無味、質輕、具有較好的抗衝擊效果。該材料熔體密度為1.07 g/cm3、固體密度為1.2 g/cm3、最大剪切應力為0.5 MPa、最大剪切速率為40 000 s-1、彈性模量為2 350 MPa、泊鬆比為0.4。材料的黏度和比容曲線如圖 2 所示。
圖2 黏度與比容曲線
（a）黏度曲線 （b）比容曲線
1.2網絡劃分
將塑件三維實體模型保存為“* .stp”格式並導入到Moldex3D CADdoctor中進行檢查和修複，把修複後的模型進行Solid網格劃分，得到塑件和流道的實體網格數量為753 626個單元，表麵網格和實體網格無缺陷後，進行下一步分析。網格劃分結果如圖 3 所示。
圖3 汽車霧燈燈罩網格劃分模型
1.3澆注係統和冷卻係統的建立
汽車霧燈燈罩的澆注係統和冷卻係統如圖4所示。模具設計為1模2腔，熱流道采用兩點開放式，直徑為φ22 mm，冷流道采用U型，尺寸為10 mm ×8 mm，澆口為扇形澆口，其尺寸前端為10 mm，後端12 mm，厚度為1. 8 mm。冷卻係統采用2個串聯隔板式水路和6個直通式水路，水管與塑件間距為16 mm，水路直徑為10 mm。
圖4 澆注係統與冷卻係統設計
（a）澆注係統的設計 （b）冷卻係統的設計
1. 4 默認參數分析
在推薦工藝參數組合下進行完整分析，得到模擬結果如圖5所示。由圖5a可知，塑件在1. 52 s時能夠充填到型腔末端，沒有出現短射或遲滯現象，因此，可以證明充填時間較合適。由圖5b可知，產品外觀麵有熔接線產生，這是由產品結構引起的，無法避免。由圖5c可知，塑件體積收縮不均勻，最大體積收縮率為4. 345% ，不均勻的體積收縮造成塑件翹曲變形過大、縮痕、內部縮孔等問題，因此，將體積收縮作為優化目標之一。由圖5d可知，Z方向最大位移為0. 191 mm，而汽車霧燈燈罩在Z方向進行裝配，需要該方向的翹曲變形盡量小，因此，把Z方向翹曲變形量作為另一優化目標［12］。
圖5 默認分析結果
( a)充填時間 ( b)熔接線 ( c)體積收縮率 ( d)Z方向位移
2 基於灰色關聯分析的中心複合設計
2. 1 中心複合設計
響應麵試驗設計主要包括 Box-Benhnken（BBD）和中心複合設計（CCD），其中，BBD試驗設計適應於因素水平較少的試驗（一般因素少於5個，水平設為3個），CCD試驗設計適用於多因素、多水平試驗，CCD試驗設計與BBD試驗相比，能更好地擬合響應曲麵［13］。文章選取Z方向翹曲變形和體積收縮率的灰色關聯度值作為優化指標，熔體溫度（A）、模具溫度（B）、保壓時間（C）、冷卻時間（D）和保壓壓力（E）作為試驗因素進行CCD試驗優化［14－15］。因素與水平設置如表1所示。
表1 試驗因素及水平
2.2信噪比計算
信噪比是在試驗設計中衡量輸出特性穩定性的指標，信噪比與塑件質量呈正比關係［16］。信噪比有3種，分別為望大特征、望小特征和望目特性［17］。文章要求Z方向翹曲變形和體積收縮率越小越好，因此，選擇望小特性。望小特性信噪比計算如式（1）所示。
（1）
式中：n為每組試驗需重複的次數；xi為第j項指標的第i次試驗值。
2.3 灰色關聯分析
灰色關聯分析是根據因素發展趨勢的相似或相異程度判斷多因素間關聯程度的一種方法［18］。灰色關聯分析主要步驟如下：
（1）對信噪比進行無量綱化處理［19］。望小特征的無量綱化公式如式（2）所示。
（2）
式中: ηi 為第i次試驗數值轉化後的信噪比值; ηimax和ηimin分別為根據試驗得到的信噪比最大值和最小值; yi為 ηi無量綱化後的數值。
（2）將式（2）得到的信噪比無量化數值帶入到式（3）中進行灰色關聯係數計算。灰色關聯係數公式如式（3）所示。
（3）
式中：y0i為第i個無量綱化理想數據，一般取值為0；ρ為分辨係數，一般取值為0.5。
（3）根據式（3）中得到的灰色關聯度係數計算，如式（4）所示。
（4）
式中：m為優化目標的個數。
2.4中心複合試驗方案及結果
在 Design-Expert 軟件中進行CCD方案設計，試驗方案共32組試驗，其中，26組試驗為析因試驗，6組試驗為中心試驗，將不同試驗組合在 Moldex3D 軟件中進行分析，並且，按照灰色關聯分析的主要步驟對各指標的無量綱化值、灰色關聯度係數和灰色關聯度值進行計算。CCD試驗方案及結果如表2所示。
表2 CCD試驗方案與結果
3灰色關聯度值模型的建立、分析與驗證
3.1 灰色關聯度值模型構建與殘差分析
3.1.1灰色關聯度值模型的構建
在 Design-Expert 軟件中利用二次回歸方程建立模型，二次多項式函數的數學表達式如式（5）所示。
（5）
式中: y為灰色關聯度值函數; a0為常數項; xi、xj為試驗因素; n 為試驗因素的個數; ai、aii、aij為各因素的一次、二次和交互作用項的係數; ε 為灰色關聯度模型的誤差。
根據二次多項式函數的表達式構建出各試驗因素和Z方向翹曲變形、體積收縮率之間的灰色關聯度值模型［20］，如式（6）所示。
Y = 0.47 － 0.092 × A － 0.055 × B － 7.083 × 10-4× C + 0.019 × D + 7.292 × 10-3 × A × B + 0.012 × A ×C － 5.188 × 10-3× A × D － 7.188 × 10-3× A × E + 0.012 × B × C － 0.011 × B × D + 0.021 × B × E － 5.812 ×10-3× C × D － 1.062 × 10-3× C × E － 9.062 × 10-3× D× E + 0.025 × A2 + 0.013 × B2 － 6.25 × 10-3× C2 + 2.875 × 10-3× D2 + 9.875 × 10-3× E2 （6）
3.1.2殘差分析檢驗
為了進一步檢驗灰色關聯度值模型的可靠性，對模型進行殘差分析是一種合理的方法［21］。殘差正態概率分布和殘差與擬合值分布如圖 6 所示。從圖 6a中可以看出，灰色關聯度值模型的各個殘差點在一條直線附近並呈正態分布，這表明，灰色關聯度值模型的殘差能夠滿足最小二乘擬合的要求［10，22］。從圖 6b 中可以看出，灰色關聯度值模型的殘差序列各點呈獨立的且無規律地分布在區間內，殘差序列點的獨立性更能看出灰色關聯度值模型是合理的［23］。
圖6 殘差分析檢驗結果圖
（a）殘差正態概率分布圖 （b）殘差與擬合值分布圖
3.2 灰色關聯度值方差分析
灰色關聯度值模型能夠有效地表達各變量因素和目標值的關係，具體的方差分析結果如表3所示。由表3可知，灰色關聯度值模型的F值為34. 41，P值小於0. 0001，這表明，建立的模型顯著。同時，熔體溫度和模具溫度的P值也小於0. 0001，這表明，熔體溫度和保壓時間對灰色關聯度的影響較顯著。其中，各因素對灰色關聯度值的影響程度為因素A＞因素B＞因素D＞因素E＞因素C。
表3 灰色關聯度方差分析
為了能夠直觀顯示出各因素間的交互情況，選擇對灰色關聯度值影響較大的3個因素（熔體溫度、模具溫度、冷卻時間）進行分析，其三維響應麵如圖7~9所示。由圖7可知，在較低的熔體溫度和模具溫度條件下，灰色關聯度值較大。由圖8可知，在較低的熔體溫度和較高的冷卻時間下，灰色關聯度值較大。由圖9可知，在較低的模具溫度和較高的冷卻時間下，灰色關聯度值較大。
圖7 熔體溫度與模具溫度的交互作用
圖8 熔體溫度與冷卻時間的交互作用
圖9 模具溫度與冷卻時間的交互作用
3. 3 灰色關聯度值最優工藝參數預測與驗證
使用灰色關聯度值模型對最大灰色關聯度值進行預測，得到最優工藝參數組合為A因素取290 ℃、B因素取80 ℃、C因素取7s、D因素取22s、E因素取155 MPa。在該工藝參數組合下，灰色關聯度值為0. 7567，結果如圖10所示。將最優工藝參數組合在Moldex3D 軟件中進行模擬，得到體積收縮率為3. 551%，Z方向上的位移為0. 088 mm，最優工藝參數組合模擬結果如圖11所示。與推薦工藝參數組合模擬結果相比，優化後，Z方向翹曲和體積收縮率分別降低了54%和18%。而且，Z方向翹曲和體積收縮率的效果較好。
圖10 灰色關聯度值模型尋優
圖11 最優工藝參數組合結果
（a）體積收縮率 （b）Z方向位移
4結論
（1）根據推薦工藝參數組合進行初始模擬，得到Z方向翹曲變形量為0. 191 mm、體積收縮率為4. 345%。由於汽車霧燈燈罩在裝配方向上要求翹曲變形量和體積收縮盡量小，因此，需要把熔體溫度、模具溫度、保壓時間、冷卻時間和保壓壓力作為優化變量，Z方向翹曲變形和體積收縮率的灰色關聯度值作為優化指標進行32組中心複合試驗。
（2）通過灰色關聯度值模型建立各工藝參數和Z方向翹曲變形、體積收縮率之間的函數關係，並利用殘差分析對灰色關聯度值模型可靠性進行驗證。根據灰色關聯度值方差分析得到各因素對灰色關聯度值的影響程度依次為熔體溫度＞模具溫度＞冷卻時間＞保壓壓力＞保壓時間，成品質量較好的最優工藝參數組合為熔體溫度為290 ℃、模具溫度為80 ℃、保壓時間7s、冷卻時間為22s、保壓壓力為155 MPa。
（3）將最優工藝參數組合在 Moldex3D 軟件中進行模擬，得到Z方向翹曲變形量為0. 088 mm、體積收縮率為3. 551% ，與默認工藝參數組合下Z方向翹曲變形量相比，優化後的Z方向翹曲變形量降低54%；優化後Z方向體積收縮率與默認工藝參數組合下的體積收縮率相比，降低了18%，塑件質量得到有效提高。
參考文獻:
［1］ 宋美豔．基於汽車前大燈反射鏡的BMC注射成型［D］．杭州:浙江工業大學，2013．
［2］ 劉安林．基於Kriging-GA的汽車晝行燈光導注塑工藝參數多目標優化與模具設［D］．鎮江: 江蘇大學，2019．
［3］ 趙毅，劉淑梅，潘泓誼．基於響應麵法的報警器上蓋注塑工藝優化［J］．輕工機械，2021，39( 3) : 77-80．
［4］ 齊雪，廖秋慧，祝璐琨，等．基於響應麵法的汽車接插件注塑工藝優化［J］．塑料科技，2018，46( 10) : 95-99．
［5］ MUKRAS S M S，OMAR H M，AL-MUFADI F A．Experimental-based multi-objective optimization of injection molding process parameters［J］．Arabian Journal for Science and Engineering，2019，44( 9) : 7653-7665．
［6］ LI S，FAN X Y，GUO Y H，et al．Optimization of injection molding process of transparent complex multi-cavity parts based on kriging model and various optimization technique［J］．Arabian Journal for Science and Engineering，2021，46( 12) : 11835-11845．
［7］ 黃海鬆，張魯濱，姚立國．基於灰色關聯分析的注塑成型工藝多目標優化［J］．塑料科技，2019，47( 1) : 104-110．
［8］ 盧鬆濤，王培安．基於響應麵法和正交試驗的墨頂蓋翹曲變形優化［J］．塑料，2020，49( 4) : 65-68．
［9］ 邱彤，劉泓濱，代元祥，等．基於正交實驗與響應曲麵法的透鏡注塑壓縮成型工藝參數的多目標優化試驗［J］．塑料工業，2021，49( 11) : 70-73．
［10］ 唐春華．響應麵法優化鼠標麵蓋注塑成型工藝的應用［J］．塑料，2017，46( 3) : 114-116．
［11］ 彭培銘，張子林，王宇林，等．基於CCD和PSO的汽車製動插件注塑工藝參數優化［J］．塑料，2022，51( 1) : 48-55．
［12］ 魏翔宇，王釗，倪傳龍，等．基於灰色關聯度的車燈裝飾框注塑工藝優化［J］．現代塑料加工應用，2020，32( 2) : 34-37．
［13］ 胡祚庥，劉淑梅，毛欣然，等．基於響應麵法的汽車接插件翹曲變形優化［J］．上海工程技術大學學報，2021，35( 2) : 113-117．
［14］ 王雪鵬，戴亞春，陳萬榮，等．電連接器接觸件注塑成型翹曲變形的優化分析［J］．塑料，2014，43( 1) : 111-114．
［15］ 覃嶺，張繼祥，馮偉，等．基於灰色關聯-田口法的汽車後保險杠注塑工藝參數多目標優化［J］．塑料，2022，51( 6) : 72-78．
［16］ 楊來俠，桂玉蓮，李素麗，等．信噪比與灰色關聯分析選區激光燒結成型工藝的研究［J］．塑料工業，2020，48( 1) : 78-81．
［17］ 周紀委，郭昊亮，張文超，等．基於灰色關聯理論的副儀表板扶手底座注塑工藝多目標優化［J］．工程塑料應用，2022，50( 12) :61-66．
［18］ 王海峰，沈鑫華．信噪比灰色關聯分析在注塑工藝參數優化中的應用［J］．塑料工業，2019，47( 4) : 69-72．
［19］ 蔡厚道．基於響應麵和灰色關聯分析的汽車濾清器蓋注塑工藝多目標優化［J］．塑料工業，2017，45( 1) : 48-52．
［20］ 鄔斌揚，周天意，於洋洋，等．基於響應麵和ASA的抑爆球注塑質量多目標優化［J］．塑料，2021，50( 5) : 147-155．
［21］ 梁戟，李曉江，朱皓，等．基於響應麵模型的光伏電站直流檢測表注塑模具工藝優化設計［J］．塑料科技，2021，49 ( 11 ) :95-100．
［22］ 孫駿，秦宗慧．基於響應麵模型的注塑件工藝參數混合優化［J］．中國塑料，2012( 11) : 79-82．
［23］ 宋雲雪，楊天亮．基於響應麵模型的防護箱箱體注塑成型優化［J］．塑料科技，2020，48( 10) : 8-12．
聚碸醫療幹粉吸入...
塑料包裝材料的減...
汽車功能鍵觸摸蓋I...
高性能注塑聚丙烯...
