注塑成型质量缺陷分析

列举了注塑成型过程中典型的几种缺陷,从影响注塑成型制品质量的三大因素(注塑成型工艺及设备、注塑模具、塑料材料)着手,分析常见的注塑成型制品的质量缺陷产生的原因和克服缺陷的具体措施。     

塑料注塑制品典型质量缺陷的成因分析

通过列举注塑成型过程中最为典型的3种质量缺陷,结合生产实际,从影响注塑成型制品质量的因素（注塑成型工艺控制及设备、注塑模具和制品结构、塑料材料）着手,分析归纳注塑成型制品典型质量缺陷产生的原因和克服缺陷的具体改良措施。     

注塑成型工艺中的翘曲变形

在注塑成型过程中不可避免地会产生短射、熔接痕、气穴、飞边、缩痕和翘曲变形等诸多缺陷,而翘曲变形是塑料制件最严重的成型缺陷之一。分析了塑料材料、模具结构和成型工艺条件对注塑制品翘曲变形的影响,指出通过对冷却系统、工艺参数的优化并结合计算机模拟技术,可以改善注塑件的翘曲变形。     

基于MoldFlow的塑料共注成型制品翘曲变形的数值模拟

利用MoldFlow分析软件对塑料共注射成型制品的流动和翘曲过程进行模拟,获得了不同参数下共注射成型制品翘曲变形量,比较了各因素对翘曲变形量的影响,通过正交试验得到了优化的工艺参数组合,为注射工艺分析和模具设计提供了依据。     

注塑常见缺陷及解决方法

注塑成型是最重要的塑料成型方法之一,它的优点是可以一次成型结构复杂的制品,应用很广泛。但在注塑过程中常会出现各种缺陷,如:短射、缩痕、飞边、熔接痕、翘曲和气穴等,从而影响制品的质量。分析了注塑过程中常见的缺陷,并从改善材料性能、改进产品结构、优化模具设计和注塑工艺等方面提出了相应的解决方法。     

精密注塑成型与模具设计的因素

介绍了制品精度及其影响因素,分析了精密注塑成型塑料的选择,阐述了精密注塑成型工艺特点及对注塑机的要求,指出了设计精密注塑摸的注意事项。     

计算机辅助塑料模具设计和工艺改进

介绍了塑料注射成型工艺中,影响制品质量的主要工艺参数,总结并补充了这些参数的选择原则,实例说明了采用计算机辅助流动模拟技术对于塑料模具结构设计和工艺参数优化配置的指导作用。     

基于模糊规则推理的注塑成型缺陷诊断及工艺智能优化

针对注塑成型缺陷成因求解的模糊性与不确定性,综合运用规则推理、模糊推理等人工智能技术,完成了注塑成型缺陷诊断及工艺优化系统的总体结构设计。通过采用规则推理和Mamdani模糊推理分别进行了注塑制品缺陷成因判定和工艺参数智能优化,详细阐述了模糊推理用于优化注塑成型工艺参数的整个过程。基于上述理论及VisualProlog应用平台,采用人工智能系统语言Prolog开发了注塑成型缺陷诊断及工艺优化专家系统,并给出应用实例。结果表明,此系统具备较好的注塑制品缺陷诊断及工艺优化能力,有一定的推广应用前景。     

跌落仿真技术在注塑成型中的应用

针对产品在跌落过程中出现的破裂现象 ,利用计算机仿真技术对电子注塑产品的成型过程和跌落冲击过程进行了仿真和模拟。分析和研究了制品跌落时的应力分布以及不同注塑浇口位置对注塑件在跌落冲击情况下所造成的可能破裂的问题。研究结果表明 ,改变注塑成型工艺参数 ,可使注塑制品在受冲击时破裂的危险系数降低。由此 ,可提高产品抗跌落、抗冲击的能力 ,并提高电子产品的质量和使用的可靠性。     

基于MPI注塑制品的翘曲变形分析及优化

翘曲变形是注塑制品常见的质量缺陷,阐述了制件翘曲变形的基本理论模型,介绍了翘曲分析流程,以鼠标下盖为例,运用MPI对其进行翘曲变形分析,同时通过优化工艺参数,以达到降低制品的翘曲量的目的,提高产品的成型质量,说明了MPI在注塑模具优化设计中的可靠性与实用性。     

MoldFlow在注射成型工艺优化中的应用

介绍了注射成型CAE软件MoldFlow,并且通过实例介绍了MoldFlow在注射成型工艺优化中的应用,通过MoldFlow分析得到了与实际注射工艺相关的螺杆位置-注射速度设定,确定了螺杆计量位置、第一段螺杆位置(走完流道通过浇口的位置)和V/P切换位置这3个重要的设定位置,并且可以优化保压参数,为实际试模提供参考,大大减少了试模的时间。实例证明,将注射成型CAE与实际经验相结合可以更有效的提高制品质量,提高生产效率。     

基于敏感性分析的注塑成型工艺参数优化

工艺参数的选取对注塑产品质量至关重要。文章建立了无量纲形式的敏感度函数和敏感度因子的多因素敏感性分析方法,并以某监控系统设备外壳成型为例,对影响产品翘曲的工艺参数进行了敏感性分析和优化。结果表明,保压压力和模具温度是影响产品Z向翘曲的主要因素。最后,对应用优化工艺参数的制造产品进行了翘曲检测,检测结果与模拟结果基本吻合,缩短了试模周期,提高了产品质量。     

冰箱过滤器面板模内装饰注射工艺优化分析

针对冰箱过滤器面板模内装饰(IMD)塑件,采用正交实验法和综合评分分析方法,对IMD塑件进行注射工艺优化分析,并对浇口和冷却系统优化。通过Ansys软件热分析模块分析型芯、型腔温差,使用Moldflow软件分析IMD塑件的翘曲变形,以型芯、型腔温差和翘曲变形量作为IMD塑件质量目标,采用L9(34)的正交实验表,优化IMD塑件工艺参数,结果表明模具温度和保压压力是影响IMD塑件翘曲变形的主要因素,通过对浇注和冷却系统优化使得IMD塑件质量得到较大的提高。     

基于MoldFlow的暖风机出风格栅翘曲变形优化研究

针对电暖器出风格栅产品结构耐温性差、变形量大,注塑质量难于保证的问题,采用Moldflow仿真分析方法,优化产品结构,并调整浇口位置以寻求最佳的注塑工艺参数,解决了加玻纤产品翘曲变形的问题。实践结果表明,基于Moldflow仿真优化产品结构及注塑工艺,对实际生产有重要指导意义。     

降低塑料直尺残留应力的优化分析

针对塑料直尺注射成型容易产生翘曲变形的问题,对其注射成型过程进行了优化分析,以降低注射成型中塑件的模内残留应力,提高塑件质量。采用正交优化方法和Minitab统计分析软件,将塑件的模内残留应力作为优化目标、对成型过程中影响塑件模内残留应力的模具温度、熔体温度、注射速率、保压压力与注射压力比和保压时间等5个工艺参数进行了优化分析。在此基础上,选取熔体温度、注射速率和保压时间这3个对优化目标有显著影响的工艺参数进行了二次优化,得到最优组合。最后进行试验,验证了数值模拟的合理性和优化分析的有效性。     

基于CAE注射成型工艺参数的优化

采用UG软件对储物盒进行三维造型,应用CAE软件MoldFlow对实例进行网格划分,采用正交试验分析注射成型过程中充填、保压及翘曲变形等关键因素,得到合理的注射工艺参数,从而优化模具结构,缩短产品开发周期,提高注射产品质量。     

塑料后盖注射模设计

分析了塑料后盖的工艺特点,对注射成型条件、模具的结构设计要点及模具工作过程做了阐述,模具装配后一次试模成功,塑件质量良好。     

A study of the effects of process parameters for injection molding on surface quality of optical lenses

The purpose of this study is to determine the effects of process parameters on optical quality of lenses during injection molding. The quality characteristics chosen are light transmission, surface waviness and surface finish. The Taguchi method is used to perform screening experiments to identify the important significant process parameters affecting quality of lenses. Through empirical and theoretical analysis, the most significant process parameters affecting surface waviness is the melt temperature, followed by mold temperature, injection pressure and packing pressure. On the other hand, injection molding process parameters are found to have little effect on light transmission and surface finish of lenses. Regression approach is then implemented based on surface waviness data from full factorial experiments to formulate the regression models. Three different regression methods are used, namely, linear, exponential and nonlinear regression. Verification experiments are executed to examine the accuracy of the regression model for predicting quality characteristics of lenses. The result showed the highest accuracy prediction of surface waviness was from a nonlinear regression model. An error of only 4.24% suggested the existence of a correlation among injection molding process parameters.