塑料成型新工艺:模内层压

对模内层压技术进行了简要介绍,重点比较了模内层压技术与传统塑料注射成型技术在工艺、模具设计方面的不同,并对我国模内层压技术的现状进行了介绍.     

具有可扩展性的虚拟注射机控制系统设计

虚拟仿真为注射机操作及注塑工艺培训提供了新的手段和工具.但由于注射机及其模具的多样性,真实性和可扩展性成为虚拟注射机仿真系统研发中的难题.通过对真实注射机结构及运动过程的深入分析,讨论了具有可扩展性的虚拟注射机控制系统的设计与实现方法.通过将虚拟注射机的控制系统划分为逻辑控制器和模型控制器,实现了系统的模块化和可扩展性.在此基础上,开发出了具有真实性、实时性的多模具多机型的虚拟注射机仿真系统.     

基于流动模拟的定位板浇注系统的优化

应用三维流动模拟软件HSCAE3D6 0对冰箱定位板注塑模的浇注系统进行优化。通过几种方案的比较,解决了流动不平衡的问题,获得了比较满意的成型效果。     

微孔注塑发泡聚氨酯成型工艺及微观结构研究

采用超临界CO_2微孔注塑成型工艺制备热塑性聚氨酯弹性体(TPU)微孔泡沫材料,研究超临界流体(SCF)注塑发泡工艺对TPU泡沫微观结构及力学性能的影响规律。本文基于正交优化实验设计,以制品拉伸强度为优化指标,优化微孔成型工艺参数。最优微孔注塑工艺为:注射量16 cm~3;SCF含量0.4%;注射速度60 cm~3/s;保压压力1 MPa。本文通过研究成型工艺对制品结构及力学性能的影响,为超临界CO_2制备高发泡率高性能TPU软质泡沫材料提供技术支持。     

网络柜机前面板注射成型的CAE优化

应用国产三维流动模拟软件HSCAE 3DRF对海尔空调前面板的注射模具结构及工艺进行优化。通过几种方案的分析比较 ,获得了比较满意的成型效果。     

玻璃析晶温度及其研究概述

介绍玻璃生产过程中的析晶现象,概述了温度对玻璃析晶的影响以及目前对玻璃析晶及性能的研究现状,最后对该方向未来的发展进行了展望.     

Numerical simulation of the filling stage in injection molding based on a 3D model

Most injection molded parts are three-dimensional, with complex geometrical configurations and thick/thin wall sections. The change of the thickness of parts has significant influence on flow during injection molding. This paper presents a 3D finite element model to deal with the three-dimensional flow, which can more accurately predict the filling process than a 2. 5D model. In this model, equal-order velocity-pressure interpolation method is successfully employed and the relation between velocity and pressure is obtained from the discretized momentum equation in order to derive the pressure equation. A 3D control volume scheme is employed to track the flow front. The validity of the model has been tested through the analysis of the flow in a cavity.     

塑件翘曲度及其计算方法

参考其它行业中翘曲度的应用,引入了评价注塑制品翘曲变形的翘曲度概念。随后对特征尺寸上的翘曲度、平面上特征的翘曲度进行了详细的阐述,并在构建注塑CAE翘曲变形模拟结果的数据结构基础上,提出了基于注塑CAE翘曲变形模拟结果的翘曲度计算方法。用一实例说明了用平面特征上的翘曲度评价翘曲变形的有效性。     

应用于数码防伪包装标识设备的通信协议研究

分析了外部控制设备的远程数据传输要求、喷码机和条形码打印机的通信协议.根据数码物流防伪系统中用户的实际需求,自行研究了一种波浪形随机码协议,利用先进的包装标识设备结合计算机技术,通过喷印特异形状随机数码来达到假冒商品难以仿制的要求,从源头上打击了大规模的商业造假.     

基于神经网络技术的注塑成型注射压力和熔体温度预测

建立了基于径向基函数网络的注塑成型注射压力和熔体温度的预测模型,与BP神经网络模型和CAE结果进行了对比。结果表明,径向基函数网络在精度、训练速度等方面优于BP网络。