基于二阶响应面模型的基因检测仪侧盖注塑工艺优化

基于二阶响应面模型的基因检测仪侧盖注塑工艺优化
沈娟;王雷刚;倪君杰
【摘要】以基因检测仪侧盖注射成型工艺为研究对象,应用Moldflow软件分析,采用正交试验法确定影响塑件装配精度的关键因素为熔体温度和保压压力.综合考虑塑件翘曲变形和体积收缩率,建立二阶响应面模型,获得了优化的注塑工艺参数,通过模拟试验验证了模型的准确性.将最优工艺参数应用到实际生产中,获得了符合设计要求的合格产品.
【期刊名称】《现代塑料加工应用》
【年(卷),期】2014(026)002
【总页数】4页(P44-47)
【关键词】基因检测仪侧盖;正交试验;响应面模型;翘曲变形;体积收缩率
【作者】沈娟;王雷刚;倪君杰
【作者单位】江苏大学材料科学与工程学院,江苏镇江,212013;江苏大学材料科学与工程学院,江苏镇江,212013;江苏大学材料科学与工程学院,江苏镇江,212013【正文语种】中文
注塑制品产生翘曲变形是常见的产品缺陷之一［1］。

翘曲变形不仅会影响产品外观质量，更重要的是会导致产品无法达到装配精度，降低产品合格率。

由于塑料从熔融状态到冷却凝固过程中会产生一定的体积收缩（一般为25%），在产品注塑过程中，虽然无法完全消除这种收缩，但可以通过对注塑过程中成型工艺参数的控
制，有效地减少收缩，从而使产品翘曲变形量减少。

计算机辅助工程（CAE）技术可以在模具设计初期对可能影响塑件装配精度的因素进行模拟分析，进而为设计提供科学的依据［2］。

下面以某公司生产的基因检测仪侧盖为研究对象，将侧盖翘曲变形量和体积收缩率作为目标函数，采用响应面模型进行优化，获得最优的工艺参数。

1 正交试验设计
1.1 塑件介绍
某公司生产的基因检测仪侧盖，材料为ABS PA－757（丙烯腈－丁二烯－苯乙烯共聚物），尺寸为596.88mm×352mm×46.5mm。

塑件如图1所示。

塑件是外壳类零件，要求翘曲变形量小于1.800mm，体积收缩率小于7.000%。

图1 基因检测仪侧盖三维图
1.2 因素与水平确定
根据实际经验和模拟分析，确定影响塑件翘曲变形量的主要因素为：模具温度（A）、熔体温度（B）、保压压力（C）（注射压力的百分比，下同）、保压时间（D）、冷却时间（E）［3］，并假设各因子之间不存在交互作用。

结合材料推荐值、实际经验以及实际情况，在各因素的取值范围内，每个因素均匀地取4个水平。

对上述5个因素进行模拟试验，选用L16（45）正交表，具体设定如表1所示。

表1 L16（45）正交表因素及水平水平因素A B C D E 1 40 180 93 1010 2 45 185 95 15 15 3 50 190 97 20 20 4 55 195 99 2525
1.3 关键因素确定
按照表1设置的参数利用软件Moldflow进行模拟试验，试验数据如表2所示。

表2 L16（45）正交试验试验号因素A B C D E最大翘曲量／mm 1 A1 B1 C1 D1 E12.436 2 A1 B2 C2 D2 E2 2.258 3 A1 B3 C3 D3 E3 2.169 4 A1 B4 C4 D4
E4 2.102 5 A2 B1 C2 D3 E4 2.315 6 A2 B2 C1 D4 E3 2.298 7 A2 B3 C4 D1 E2 2.106 8 A2 B4 C3 D2 E1 2.100 9 A3 B1 C3 D4 E2 2.299 10 A3 B2 C4 D3 E1 2.217 11 A3 B3 C1 D2 E4 2.212 12 A3 B4 C2 D1 E3 2.075 13 A4 B1 C4 D2 E3 2.237
续表2注：K1，K2，K3，K4分别为各因素在4个水平下最大翘曲变形量的平均值；R为各因素最大翘曲变形量的极差。

试验号因素A B C D E最大翘曲量／mm 14 A4 B2 C3 D1 E4 2.208 15 A4 B3 C2 D4 E1 2.163 16 A4 B4 C1 D3 E2 2.045 K1 2.241 2.322 2.248 2.206 2.229 K2 2.205 2.245 2.203 2.202 2.177 K3 2.201 2.163 2.194 2.187 2.195 K4 2.163 2.080 2.166 2.216 2.209 R 0.078
0.242 0.082 0.029 0.052
1.4 试验分析
对表2的极差数据从大到小排序为RB＞RC＞RA＞RE＞RD，由此可确定各因素对检测仪侧盖最大翘曲变形量的影响从大到小依次为熔体温度、保压压力、模具温度、冷却时间、保压时间。

因此，影响产品成型质量的关键因素为熔体温度和保压压力。

由表2可知，在正交试验中翘曲量最小的工艺参数组合为A4B4C1D3E2，此时，产品的翘曲量为2.045mm，不满足塑件装配精度要求。

2 响应面模型
2.1 二阶响应面模型的建立与优化
响应面法（RSM）［4］是利用合理的试验设计，采用多项式函数来拟合因素与响应值之间的函数关系，通过对回归方程的分析来寻求最佳工艺参数，解决多变量问题的一种统计方法。

对于二阶多项式响应面，其数学表达式为：
式中，xi，xp为因素的线性编码变量；为响应面的回归系数；为响应面。

根据试验结果与实际经验可知，增大熔体温度和保压压力有利于减小翘曲变形，提
高塑件的装配精度。

因此，采用以熔体温度210℃、保压压力为注射压力99%为中心的八边形等径因子设计试验计划，试验的取值范围为：200 ℃≤B≤220 ℃；98%≤C≤100%，如图2所示，取9个试验点随机顺序进行数值模拟试验，并通过式（2）、（3）进行变量编码。

变量编码式：
由于体积收缩率也是检验塑件能否符合装配精度的重要指标，因此也将其作为一个观测值。

试验结果最大翘曲变形量和体积收缩率如表3所示。

模具温度55℃，保压时间20s，冷却时间为15s。

图2 八边形等径设计
表3 八边形等径设计和试验结果试验组合变量编码（x）试验结果（y）试验号B
C x1 x2最大翘曲量（y1）／mm体积收缩率（y2），%1 201.46 99.71 －0.71
0.71 2.1326.532 2 201.46 98.29 －0.71 －0.71 2.156 7.127 3 218.54 99.71 0.71 0.71 1.846 6.720 4 218.54 98.29 0.71 －0.71 1.849 7.168 5 210.00 99.00
0 0 1.993 6.918 6 200.00 99.00 －1.00 0 2.213 6.915 7 220.00 99.00 1.00 0
1.797 6.959 8 210.00 98.00 0 －1.00 1.996 7.146 9 210.00 100.00 0 1.00
1.987 6.505
2.2 最大翘曲变形量的计算
通过对以上数据的拟合，采用二阶响应面模型，进行优化设计，由此可以计算出。

最大翘曲变形量的二阶响应面模型：
该模型方程在区域上的等值线，如图3所示。

图3 翘曲变形量的二阶响应面等值线
由图3可以看出，最大翘曲变形量响应面的最小值在上方。

2.3 体积收缩率的计算
同理，由表3中的数据可以拟合出体积收缩率的二阶响应面模型：
响应面的等值线如图4所示，可以看出体积收缩率二阶响应面的最小值在最上方。

图4 体积收缩率的二阶响应面等值线
2.4 响应面分析
根据产品装配精度要求，塑件的翘曲变形量y1小于1.800mm，体积收缩率小于7.000%，将图3和图4叠加起来可以得到一个满足条件的最优区域（见图5中红色填充部分）。

由图5可见，该最优点所在的区域为：0.021≤x1≤0.100，0.98＜x2≤1.00。

选择x1＝0.0605（0.021和0.100的中点），x2＝0.99（0.98和1.00的中点），分别代入公式（5）、（6）可以得到均满足装配精度要求。

最后，再
将编码变量转化为原变量值［B，C］＝［210.605，99.99］。

图5 叠加响应面图形
2.5 方案验证
按照上述的优化设计结果，取熔体温度210.605℃，保压压力为注射压力的99%
作为最优工艺参数进行模拟分析，得到的最大翘曲变形量为1.743mm（如图6所示），体积收缩率为6.493%（如图7所示）。

由二阶响应面模型所求的最优解分别为1.746mm与6.499%，与仿真结果接近，证明了响应面法可以有效应用在注塑参数优化中。

图6 优化后的翘曲变形量
图7 优化后的体积收缩率
3 实际应用
将试验得到的最优工艺参数应用于实际生产中，图8为塑件的模具图，图9为产
品组装图。

由此可以看出，基因检测仪侧盖能够很好地与其他塑件进行组装配合，满足了产品的合格要求。

图8 产品模具图
图9 产品组装图
4 结论
通过CAE软件Moldflow，应用正交试验得到影响基因检测仪侧盖装配精度的关键因素是熔体温度和保压压力，采用二阶响应面模型可以得出最优成型工艺参数，熔体温度为210.605℃，保压压力为注射压力的99%。

经过模拟验证，得到此时的最大翘曲变形量为1.743mm，体积收缩率为6.493%，由此可知响应面法能有效地优化工艺参数，提高塑件成型质量，从而使装配精度获得提升，有其实际的应用价值。

参考文献
［1］许超，高级注塑模具工技术与实例［M］.南京：江苏科技出版社，2004：5. ［2］吴梦陵，张珑.材料成型CAE技术及应用［M］.北京：电子工业出版社，2011：5.
［3］马红，王雷刚，黄瑶.基于二阶相应面模型车灯灯体注塑工艺优化［J］.现代塑料加工应用，2011，23（2）：33－36.
［4］Lucas J M.How to achieve a robust process using response surface methodology［J］.Journal of Quality Technology，1994，26（4）：248－259.。