塑料薄壁件注射成型工艺参数优化

现代塑料加工应用　２　０　０　７年第１　９卷第１期　Ｍ０ＤＥＲＮ　ＰＬＡＳＴＩＣＳ　ＰＲＯＣＥＳＳＩＮＧ　ＡＮＤ　ＡＰＰＬＩＣＡＴＩＯＮＳ　塑料薄壁件注射成型工艺参数优化＊　刘东雷　孙玲　辛勇　（南昌大学机电工程学院，江西南昌，３３００２９）　摘要：针对传统遗传算法在处理薄壁件注射成型工艺参数优化问题时存在的全局搜索和局部搜索之间的矛盾以及局部　搜索能力不足等问题，提出了优化组合遗传算法，实例验证了该算法的可行性。　关键词：　塑料薄璧件　注射成型优化组合遗传算法　Ｏｐｔｉｍｉｚａｔｉｏｎ　ｏｆ　Ｉｎｊ　ｅｃｔｉｏｎ　Ｍｏｌｄｉｎｇ　Ｐａｒａｍｅｔｅｒｓ　ｏｆ　Ｐｌａｓｔｉｃ　Ｔｈｉｎ－Ｗａｌｌ　Ｐａｒｔｓ　Ｌｉｕ　Ｄｏｎｇｌｅｉ　Ｓｕｎ　Ｌｉｎｇ　Ｘｉｎ　Ｙｏｎｇ　（Ｉｎｓｔｉｔｕｔｅ　ｏｆ　Ｍｅｃｈａｎｉｃａｌ　ａｎｄ　Ｅｌｅｃｔｒｉｃａｌ　Ｅｎｇｉｎｅｅｒｉｎｇ，Ｎａｎｃｈａｎｇ　Ｕｎｉｖｅｒｓｉｔｙ，　Ｎａｎｃｈａｎｇ，Ｊｉａｎｇｘｉ，３３００２９）　Ａｂｓｔｒａｃｔ：Ｂａｓｅｄ　ｏｎ　ｔｈｅ　ｔｒａｄｉｔｉｏｎａｌ　ｇｅｎｅｔｉｃ　ａｌｇｏｒｉｔｈｍｓ　ｏｆ　ｔｈｅ　ｐａｒａｄｏｘ　ｂｅｔｗｅｅｎ　ｔｈｅ　ｇｌｏｂａｌ　ｓｅａｒｃｈｉｎｇ　ａｎｄ　ｔｈｅ　ｌｏｃａｌ　ｓｅａｒｃｈｉｎｇ，ａｎｄ　ｔｈｅ　ｉｎｅｆｆｉｃｉｅｎｔ　ｏｆ　ｔｈｅ　ｓｅａｒｃｈｉｎｇ　ｒｅｓｕｌｔ　ａｔ　ｏｐｔｉｍｉｚｎｔｉｏｎ　ｏｆ　ｉｎｊｅｃｔｉｏｎ　ｍｏｌｄｉｎｇ　ｐａｒａｍｅｔｅｒｓ　ｏｆ　ｐｌａｓｔｉｃ　ｔｈｉｎ—ｗａｌｌ　ｐａｒｔｓ，ｔｈｅ　ｇｅｎｅｔｉｃ　ａｌｇｏｒｉｔｈｍｓ　ｏｐｔｉｍｉｚｔｉｏｎ　ｔｈｅｏｒｙ　ｉｓ　ｍｅｎｔｉｏｎｅｄ．Ｔｈｅ　ｃａｓｅ　ｒｅｓｕｌｔ　ｓｈｏｗｓ　ｔｈａｔ　ｔｈｅ　ｍｅｔｈｏｄ　ｉＳ　ｅｆｆｅｃｔｉｖｅ　ａｎｄ　ｆｅａｓｉｂｌｅ．　Ｋｅｙ　Ｗｏｒｄｓ：ｐｌａｓｔｉｃ　ｔｈｉｎ－ｗａｌｌ　ｐａｒｔｓ；ｉｎ］ｅｃｔｉｏｎ　ｍｏｌｄｉｎｇ；ｇｅｎｅｔｉｃ　ａｌｇｏｒｉｔｈｍｓ　ｏｐｔｉｍｉｚａｔｉｏｎ　遗传算法是一种借鉴生物界自然选择和自　经确定，设备及模具也应当良好。在满足注射成　然机制的高度并行、随机、自适应搜索算法。在　型的前提下，模具温度、熔体温度、保压压力、保　利用遗传算法处理薄壁件注射成型工艺参数优　压时间及冷却时间等工艺因素将影响制件最终　化问题时，全局搜索和局部搜索之间的矛盾以及　成型质量，而在计算机辅助工程（ＣＡＥ）模拟过　局部搜索能力的不足等是经常出现的问题。出　程中，保压压力可以通过设置注射压力来控制。　现这些问题的原因一方面是未将全局和局部搜　故而可取模具温度、熔体温度、注射压力、保压时　索合理的结合应用，另一方面，即使采用模拟退　间及冷却时间等作优化设计变量，即：　火算法或其他优化算法等也不能很好的改善遗　Ｘ＝［Ｔ蛐，　，　，ｔ，，ｆ。。］　（１）　传算法的局部寻优性能［１］。对于这一问题的解　其中，　为设计变量，Ｔ脚表示模具温度、　决，现在传统算法的基础上，对遗传算子的操作　Ｔ皿。表示熔体温度、　表示注射压力、ｔ　表示保　做特殊处理，利用传统算法中某些算子具有良好　压时间，￡。。表示冷却时间。　的局部搜索功能，结合全局搜索，可以较快的达　１．２优化目标及约束条件　到寻优目的。　对于塑料薄壁件而言，翘曲变形往往是影响　制件最终成型质量的主要因素，可作为优化目　１　优化变量及优化目标的确定　收稿日期：２００６—０７—０３ｌ修改稿收到日期：２００６－１０—１８。　作者筒介：刘东冒，男，１９７８年出生，河南籍，汉，硕士研究　１．１　优化变量　生，研究方向为注射成型ＣＡＤ／ＣＡＥ。　对于具体的薄壁注塑件，在试模之前塑料的　＊教育部科技研究重点资助项目（０３０６６），江西省主要学科　原材料、浇Ｅｌ数量及位置、分型面、型腔数目都已　跨世纪学术带头人资助项目（Ｚ１８１５）。　维普资讯 http://www.cqvip.com

现代塑料加工应用　２００７年２月　标。对于特定塑料材料，其各成型参数都有一个　推荐范围，在推荐范围内调整取值，将得到不同　的注塑结果，可作为约束条件。优化目标和约束　条件可确定如下。　优化目标：　Ｍｉｎ　，（Ｘ）一，（Ｔｍｏ，丁ｍ　，Ｚ　，ｔ　，￡　）（２）　约束条件：　Ｔｍｏ一［丁ｍ。。，丁ｍ。　］　（３）　Ｔｒｅｅ一［丁ｍ。。，丁ｍｅ　］　（４）　Ｚ　一Ｅｚｐｌ’Ｚ　］　（５）　ｔｐ—Ｅｔｐｌ’ｔｐｚ］　（６）　ｔ　一Ｅｔ　１，￡ｃｏｚ］　（７）　其中，，（Ｘ）表示翘曲变形量，丁ｍ。。和丁ｍ。ｚ，　丁ｍｅ１和丁ｍｅｚ，Ｚ　１和Ｚｐｚ’ｔ　１和ｔｐｚ’ｔ　１和￡ｃｏｚ分别为　Ｔｍｏ，丁ｍ。，Ｚ　，ｔ　，ｔ　的最大、最小值。　２优化组合遗传算法　２．１　遗传算法　遗传算法的实施过程相对较为简单，有关文　献论述比较多，这里不作说明。　２．２优化组合遗传算子　针对传统遗传算法的不足之处，采用优化组　合算法来完善。具体思路是：在进行遗传操作　时，采用全局搜索算子和局部搜索算子相结合的　搜索策略，全局搜索算子为高变异率和低杂交率　的均匀杂交法，局部搜索算子为低变异率和高杂　交率的单点杂交法；并采用每代优化，因为在对　注射成型工艺参数进行寻优之前不知道其精确　解，可以采取迭代到一定次数或者说经历了一定　数目的“代”之后退出算法。该算法流程如图１　所示。　（１）杂交方式的优化设计。适合于二进制编　码技术杂交算子主要有点式杂交和均匀杂交等。　比较二者各自的优缺点，在进行全局搜索时，宜　选用均匀杂交法；杂交概率一般取０．４０～０．６０，　而对于局部搜索最好选用点式杂交法，杂交概率　取０．６０～０．８０为好。　（２）变异方式的优化设计。优化算法的寻优　效率主要体现在变异概率参数的设置上，一般来　说，全局搜索时应该设较大值，取０．０３０～　０．１００；而局部搜索时则应设较小值，一般在　０．００５～０．０２０取值。　随机产生初始参数　１　种群初始化Ｐ（。），ｔ＝０　ＩＩ　计算个体的适应度　—　宙　否　：：二　Ｊ是　　，『　设置杂交概翠为全局　设置杂交概翠为局部搜　搜索值　索值　／　否　，，—　Ａ日　：：＿＝Ｉ是　　，　设置变异概率为全局　设置父畀概举为局邵　搜索值　搜索值　Ｉ　产成新的种群　　１上代最好个体取代　本代最差个体　ｌ　ｔ＝ｔ＋ｌ　ｌ　结束　／　图１　基于优化组合的遗传算法流程　３　实例　以某产品手机外壳为例，平均壁厚１．５　ｍｍ。　产品计算机辅助设计（ＣＡＤ）模型如图２所示，　材料为美国ＧＥ公司生产的丙烯腈一丁二烯一苯乙　烯共聚物／聚碳酸酯（ＡＢＳ／ＰＣ）混合树脂（Ｃｙ－　ｃｏｌｏｙ　Ｃ２９５０），性能参数如表１所示。　采用优化组合遗传算法进行成型参数优化，　各参数取值范围：　６０℃≤丁ｍ。≤８０℃，２５５℃≤Ｔ　≤２９５℃，　维普资讯 http://www.cqvip.com

刘东雷等．塑料薄壁件注射成型工艺参数优化　５０　ＭＰａ≤Ｚｐ≤１２０　ＭＰａ，３　ｓ≤　≤５　Ｓ，３　ｓ≤￡　≤５　Ｓ。　表１　ＡＢＳ／ＰＣ混合树脂的材料性能参数　项目　熔体密度／数值　０．９７６　８１　项目　热传导率／数值　０．２７　表２优化组合遗传算法和传统遗传算法寻优结果比较　（ｇ・廿ｎ一。）　Ｅｗ・（ｍ・℃）－１］　固体密度／（ｇ・ｃｍ一。）１．１１６　１　推荐熔体温度范围／＇ｃ　２５５￣２９５　弹性模量／ＭＰａ　２　７８０　推荐模具温度范围／℃６０￣８０　泊松比０．４１　顶出温度／℃　１１３　图２手机外壳ＣＡＤ模型　初始种群规模取为５０，中止代数取２００，全　局搜索杂交概率设为０．５０、变异概率０．１０，局部　搜索杂交概率设为０．８０、变异概率０．０１。优化　组合遗传算法的适应度随遗传代数变化曲线如　图３所示，其横坐标表示遗传代数，纵坐标为适　应度值。由图３可知，当遗传代数进化到大约　２０代左右，个体的适应度值明显改善；进化到大　约８０代左右，适应度值基本趋于稳定，说明只需　遗传操作８０代左右即可得出最优成型参数。　遗传代数　图３适应度值随遗传代数变化曲线　表２列出了传统遗传算法和优化组合遗传　算法寻优结果各成型工艺参数取值情况。由表　２可知，优化组合遗传算法寻优所得最优成型参　数与传统遗传算法的相对误差较小，分别仅是：　０．２４　９／６（Ｔｍｏ），１．４６　９／６（Ｔｍ，），０．０７　（Ｚ。），　１．５８　９／６（￡　），０．６６　（　），最大翘曲变形量相对误　差仅为０．３７　９，５，说明该算法是可行的。　图４为以优化组合遗传算法的寻优结果作　为各工艺参数初始设置，经ＭＰＩ（专业模流分析　软件包Ｍｏｌｄｆｌｏｗ　Ｐｏｒｔ　Ｉｎｓｉｇｈｔ）分析得出的制件　整体翘曲变形结果。比较可知，优化理论得出的　最大翘曲变形量为０．４０８　４　ｍｍ，ＭＰ１分析结果　为０．４０７　７　ｍｍ，相对误差仅为０．１７％，说明该　算法在塑料薄壁件注射成型工艺参数优化方面　是切实可行的。　Ｄｄｅｄｏａ，●ｎ　ｅＩ－ｅｄ　：Ｄｃ矗ｅｄＩｏｎ　叠ｃ■ｔ　Ｆ■ｄ－＂＝１．帅ｎ　Ｉｍｍｌ　¨ｏ７　●　口．３ｎ６９　－４０　图４　ＭＰＩ模拟分析得出的整体翘曲变形结果　４结语　针对传统遗传算法在处理薄壁件注射成型　工艺参数优化问题时存在全局搜索和局部搜索　之间的矛盾以及局部搜索能力不足等问题，提出　了全局搜索和局部搜索相结合的优化组合算法，　将整个寻优过程分为２个阶段：前一阶段采用　全局搜索算子进行寻优，后一阶段（取总繁殖代　数的四分之一）采用局部搜索算子来实现。并以　某产品手机外壳为例，验证了该算法的可行性，　为塑料薄壁件注射成型工艺参数的优化提供了　一条新思路。　参考　文　献　１　张文，李祥．基于优化组合的遗传算子的研究与应用．数值　计算与计算机应用，２００５，３（９）：２０８～２１４