共查询到20条相似文献,搜索用时 31 毫秒
1.
借助CAE技术,对塑件的注塑成型进行了流动分析,潜在的成型缺陷在于塑件注塑成型翘曲变形大,通过调整注塑成型工艺参数,先对料温和模温进行优化,获得了较好的翘曲优化效果,再通过保压工艺的参数优化,将翘曲变形控制在2.052 mm以下,有效地保证了塑件的成型效果。优化获得的最终注塑成型工艺为:模温60℃,料温240℃,保压控制为40 MPa-15 s,25 MPa-5 s,冷却时间28 s。实践表明:经CAE分析后,该塑件的外观质量、尺寸、装配性能等均满足生产要求,具有较好的参考价值。 相似文献
2.
3.
结合局部厚壁塑件汽车手柄成型困难的问题,运用Moldflow软件对塑件进行了常规注塑成型及有气辅注塑成型,2种成型方案的CAE仿真模拟。常规注塑CAE分析结果表明,塑件成型的主要难点是由于塑件壁厚不均使塑件产生的收缩变形较大,导致塑件的成型尺寸不易控制,其收缩率达7.2%以上。气辅CAE分析结果表明,气辅成型能将塑件的收缩变形率降低至0.33%,此时气辅成型工艺参数为模温50℃,熔体温度230℃,充填时间6 s;注塑保压分3段保压,分别为20 MPa-5 s、20 MPa-2 s及10 MPa-2 s;气辅延时2 s开启,气辅气体注入分3段进行,分别为25 MPa-6 s、15 MPa-3 s、5 MPa-3 s。采用上述优化参数,设计了塑件的一模两腔气辅成型两板模具,在模具中,单腔设置了4个侧滑块,实施侧面抽芯脱模,顶出采用顶针顶出脱模,充气元件采用一种适用于厚壁塑件的型芯面螺纹安装的圆柱形气针,模具结构简单实用,工作可靠性较高,具有设计参考意义。 相似文献
4.
以汽车CD托架注塑成型为例,结合生产实际问题,构建了产品CAE分析模型,运用Moldfl ow2015软件对产品材料推荐的注塑成型工艺参数进行了初步仿真,对注塑过程中的翘曲、熔接痕、气穴等缺陷成因进行了分析,并给出了质量改善优化目标,提出了一种结合Taguchi试验法、BP神经网络预测的注塑成型工艺寻优方法,并对寻优结果进行了CAE模流分析验证。结果表明,神经网络预测结果与CAE模流分析结果相近,产品翘曲量降低至1.192 mm,产品较佳的注塑成型工艺参数为:料温为225℃,模温为60℃,注塑压力为70 MPa,注塑时间为1.3 s,第一保压压力为80 MPa,第一保压时间为12 s,第二保压压力为30 MPa,第二保压时间为3 s,冷却时间为15 s,型腔随形水路C1,C2冷却水的温度均为30℃。提出的优化设计方法能有效降低模具试模成本,缩短模具生产周期。 相似文献
5.
6.
《塑料》2016,(3)
以汽车内饰件中立柱上面板注塑成型为例,建立了模流CAE分析模型,运用Moldflow 2015软件对注塑成型工艺参数进行仿真,对注塑过程中的翘曲原因进行了分析;结合塑件的翘曲优化目标,提出了一种结合Tugachi正交试验法、BP神经网络、Matlab数值分析改善产品翘曲变形的注塑成型工艺参数寻优方法,基于此方法对注塑成型工艺参数进行了多次优化,并对优化结果进行了CAE模流分析验证。结果表明:神经网络预测结果与CAE模流分析结果相近,塑件最小翘曲量能降低至1.497 mm,对应的注塑成型工艺参数为:T_θ(205℃)、T_s(40℃)、P_I(60 MPa)、t_i(2.2 s)、P_(h1)(85 MPa)、t_(h1)(11.5 s)、P_(h2)(30 MPa)、t_(h2)(7 s)、t_c(20 s),将最终寻优所得参数输入注塑机,经试模验证后,产品注塑翘曲得到改善,与CAE分析预期值接近;提出的注塑参数优化设计方法能有效降低模具试模成本,缩短模具生产周期。 相似文献
7.
针对保险杠固定体塑件注塑成型困难的问题,运用CAE仿真分析手段,首先对其采用3个点浇口进行浇注的方案模拟,得出了影响塑件注塑成型困难的主要问题:塑件中间部位设置的加强筋位置处,料流流动发生多次改变和多重叠加,导致注塑时熔体在此区域产生紊流和回旋滞留。将浇注系统优化为采用5个点浇口浇注方案,能有效消除中间部位所产生的紊流和回旋滞留问题。结合CAE仿真手段和RBF神经网络的预测功能,对5点浇注方案进行注塑成型工艺参数的优化。获得塑件注塑较合理的工艺参数组合为:料温(Tθ)=229℃,模温(Ts)=51℃,注塑压力(pI)=43 MPa,注塑时间(ti)=6. 64 s,第一段保压压力(ph1)=62 MPa,第一段保压时间(th1)=9 s,第二段保压压力(ph2)=38 MPa,第二段保压时间(th2)=5. 5 s,第三段保压压力(ph3)=32 MPa,第三段保压时间(th3)=4. 5 s,冷却水进口温度(Tw)=27℃,冷却液流速(Vw)=3. 2 L/min,冷却时间(tc)=18 s。经实际注塑试验,塑件的注塑效果良好,有效地解决了实际生产问题。 相似文献
8.
针对塑件体积大,形状不规则难以进行平衡注塑的问题,结合计算机辅助工程(CAE)辅助分析手段,通过对3次浇注方案的调整和平衡注塑优化,将塑件的翘曲变形有效地控制降到15 mm左右,避免了基于经验设置浇注系统可能导致模具报废的潜在风险;在基于翘曲变形得到控制的基础上,通过进一步的料温、保压参数、冷却参数的优化调整,获得了塑件的最佳注射成型工艺参数为:料温245 ℃,模温60 ℃,保压分2段保压,分别为90 MPa/16 s,70 MPa/9 s,冷却时间为60 s。通过试模检验,所优化的工艺参数能完全满足本塑件的量产要求。 相似文献
9.
《塑料》2017,(3)
针对某汽车塑件注塑成型时成型末端翘曲量较大导致尺寸变差的问题,结合注塑成型CAE工艺分析后发现,引起产品充填末端翘曲变形大的主要原因为注塑后冷却收缩不均,针对此问题,将CAE仿真分析和RBF神经网络的预测分析相结合,对注塑工艺参数中的保压工艺和冷却工艺进行了优化设计,CAE分析方案采用(冷却+填充+保压+翘曲),RBF神经网络采用聚类法和梯度算法,应用改善翘曲的L_(27)(38)设计试验方案进行神经网络训练和检验,应用混合正交法(L_(36)(2*6 3*2))进行二次水平密化优选参数,通过优化,找到了改善翘曲的注塑工艺方案,优化的注塑工艺方案能较好的指导产品的批量生产,对其它同类注塑产品的生产有较好的实践参考意义。 相似文献
10.
以汽车卡扣注塑成型为研究对象,建立了塑件CAE分析模型,通过对塑件模具结构2种设计方案的填充、保压、冷却等成型过程进行模拟仿真分析,优化了浇口位置和模具结构设计方案。结合塑件的成型工艺参数优化目标,设计了以动态变压和保压方式为试验因子的Tugachi试验方案,并研究了网格尺寸条件对分析结果产生的影响及其处理方式。结果表明:网格质量对塑件顶出时最大体积收缩率产生了影响,差值最大为5. 6%。优化后的注塑成型工艺参数为:熔体温度200℃,充填时间2. 2 s,模具温度20℃,冷却时间为30 s; 2种网格条件得到,顶出时最大体积收缩率分别为8. 364%和8. 679%,与优化前的试验数据相比,分别降低了12. 64%和9. 8%,并优于Moldflow成型窗口分析模块的计算结果。 相似文献
11.
《现代塑料加工应用》2017,(2)
以汽车内饰中立柱本体注射成型为例,基于Moldflow中CAE分析基础上,对塑件注塑所需的成型工艺参数进行了仿真,并分析了塑件翘曲成因,给出了翘曲改善优化目标。结合注塑工艺规律,借助于Tugachi正交试验法、BP神经网络遗传算法、Matlab数值分析对塑件注射成型工艺参数协同进行优化,并对优化结果进行了CAE比对验证。结果表明:神经网络预测推荐的工艺参数能有效将翘曲结果控制在质量误差范围内,提出的优化设计方法能有效降低模具试模成本,改善塑件成型质量。 相似文献
12.
13.
14.
15.
16.
为减少CAE分析时间,提高寻优计算效率,提出基于Kriging代理模型并结合多目标粒子群算法(MOPSO算法)对塑件的注塑成型质量进行多目标优化。以塑件的翘曲变形量、缩痕指数为优化目标,以影响塑件成型质量的模具温度、熔体温度、保压时间、保压压力、注射时间、冷却时间等注塑工艺参数为试验影响因素,应用最优拉丁超立方试验设计方法结合模流分析(MFI分析)建立分析样本,基于Isight参数优化软件构建优化目标与影响因素之间的Kriging代理模型,基于MOPSO算法在代理模型内进行全局寻优,获得了一组使塑件翘曲变形量和缩痕指数最小的最优工艺参数组合并给出了优化目标的预测值。结果表明,Kriging代理模型的预测值与模拟试验结果基本吻合,优化后的翘曲变形量降低15. 3%、缩痕指数降低19. 7%,本文提出的方法能有效、快速实现注塑成型质量的多目标优化,为工程实践提供了有益的参考价值。 相似文献
17.
《塑料工业》2017,(3)
针对除霜格栅塑件注塑后由于气孔较多而引起的开裂、凹陷等问题,对气孔产生的成因进行了分析。在排除材料、模具影响因素后,针对注塑成型工艺因素中的注塑速度和注塑压力对气孔问题产生的影响,在基于CAE仿真分析的基础上,将注塑速度和注塑压力转化成相应的螺杆转速控制因素,结合正交试验法对控制因素进行分层,通过BP神经网络构建控制因素与气孔数量的非线性控制关系,通过BP神经网络的预测作用,寻优出气孔最少的控制因素水平组合,并将之反馈于CAE仿真进行验证计算,检验结果表明,所寻优出的工艺参数水平组合能将气孔数量控制在较低的数量上。通过上述寻优,找到了改善塑件气孔的注塑工艺方案,对BP神经网络应用于注塑成型的优化具有很好的参考价值。 相似文献
18.
19.
《塑料工业》2021,(5)
以医用导管接头为研究对象,对其注塑成型过程在Moldflow软件中进行模拟,通过极差分析得到工艺参数对导管接头体积收缩率的影响趋势和最佳工艺参数,建立以注塑工艺参数为输入量,塑件的体积收缩率为输出量的BP神经网络模型,并进行训练与测试。结合遗传算法对导管接头的注塑工艺参数进行优化,获得最佳工艺参数为:熔体温度226℃、模具温度47℃、注射压力73 MPa、注射时间0.72 s、保压压力19 MPa、保压时间21 s,得到体积收缩率为12.75%,与优化前极差分析所得的13.13%相比,降低了2.89%。将遗传算法优化后的工艺参数组合应用于产品试生产,得到产品表面质量良好,满足企业的设计要求。 相似文献