【導(dǎo)讀】在很大程度上決定著產(chǎn)品的質(zhì)量、效益和新產(chǎn)品的開發(fā)能力。模具總體方案設(shè)計；澆注系統(tǒng)、導(dǎo)向機構(gòu)、脫模機構(gòu)、排氣系統(tǒng)等的結(jié)構(gòu)設(shè)計；模具零部件以及整個模具裝配的二維和三維圖；畢業(yè)設(shè)計（論文）正文；論文附件――三維造型光盤，開題報告、中期檢查報告；一篇引用的外文文獻及其譯文；附不少于10篇主要參考文獻的題錄及摘要。這個設(shè)計又是對四年來所學(xué)機械方面知識的一次綜合運用的機會，所以。通過圖書館、網(wǎng)絡(luò)自學(xué)了很多模具方面的知識，了解到模具技術(shù)水平的高。在設(shè)計過程中，主要對模具的型芯、型腔、澆注系統(tǒng)、導(dǎo)向系。統(tǒng)和脫模系統(tǒng)進行了精密的計算和合理的選擇。在指導(dǎo)老師的指導(dǎo)下，使用三維繪圖軟。件繪制了模具的各個零件圖和裝配圖并作了動畫仿真。此外，巧妙設(shè)計型腔合理利用空。間節(jié)省模具成本是本設(shè)計的重點。

　　

【正文】 因子和溫度場的迭代計算，直到在灌漿期的結(jié)束。聚合物熔體的時間達到了每個節(jié)點的有限元模型可以從這個過程中決定的。 3定義問題的優(yōu)化 澆口位置的確定是在模具設(shè)計中的重要問題之一。阿門的位置會影響充模時間和溫度通過改變平衡和聚合物流動方向和壓力分布。正確的入口大門的安排可以減少所需的壓力，反之，一門總是導(dǎo)致 超緊密堆積 位置，高剪切應(yīng)力，可憐的焊接線，其中包括過度翹曲選擇不當(dāng)。因此 ，在一個注塑模具放置一門 是一個 總模具設(shè)計中最重要的變量 ，它是要尋找最佳澆口位置，提高零件質(zhì)量。在此背景下，澆口位置的優(yōu)化進行了研究。門被建模為一個點源，以及澆口位置坐標(biāo)作為設(shè)計變量選擇。 要應(yīng)用優(yōu)化理論到注塑成型過程中，首先需要的零件質(zhì)量的定量測量待開發(fā)以來，在優(yōu)化注塑成型設(shè)計的最終目的是提高零件質(zhì)量。該器件的質(zhì)量， 可以說有許多結(jié)束，如機械，熱學(xué)，電學(xué)，光學(xué)或幾何性能產(chǎn)品性能。該器件的質(zhì)量， 可以說有許多結(jié)束，如機械，熱學(xué)，電學(xué)，光學(xué)或幾何性能產(chǎn)品性能。直接法可以決定一個產(chǎn)品的特點可測岳亞林：方套管注塑模具設(shè)計 32 量的數(shù)量。與此相 反，間接測量的質(zhì)量是一個數(shù)量呈正相關(guān)，但不會產(chǎn)生直接的，質(zhì)量估計。 間接質(zhì)量本文采用的措施是那些有關(guān)翹曲。件翹曲，變形，導(dǎo)致一維結(jié)構(gòu)的不適應(yīng)性和審美的問題，是對注塑件質(zhì)量的關(guān)鍵問題之一。當(dāng)成型零件不符合一個尺寸公差，它是作為最終產(chǎn)品無用。其中一部分翹曲的主要原因是應(yīng)力的不平衡填補物 。當(dāng) 殘余應(yīng)力引起的殘余等沒有機會放松，塑件脫模后經(jīng)會逐漸隨著時間的推移。 Lam et al. 已經(jīng)開發(fā)了腔平衡流路徑的概念 。 塑料注射成型，流動路徑定義為路徑追查熔融粒子時，首先將一腔注射到模腔已完全填補。它可以被想象為從注塑澆口 軌跡腔的末端。流路自動生成程序的開發(fā) 。 對于部分厚度均勻，流量達到平衡，如果所有流道長度相等。然而，流路長度相等不能達到實際。相反，流動之間的路徑的長度變化是通過作為填充均勻性的措施。在較小之間的流動路徑長度的變化表明，更平衡的是流量。因此， Lam and Jin用作澆口位置優(yōu)化目標(biāo)函數(shù)，流路長度的標(biāo)準差來達到平衡的流動。然而，對于非均勻厚度的一部分，每個元素充盈時間會有所不同，即使所有其他條件相同的元素。這意味著，流道長度不再是成正比的充填時間，和流動長度標(biāo)準偏差不能被用來作為填充圖案的統(tǒng)一測量。這是，因此 ，更好地運用填補時間的標(biāo)準偏差所有邊界直接。 Later, Zhai et al. 采用注射壓力，作為代理平衡流 。 用非均勻流動模式為設(shè)計注入壓力會比一個統(tǒng)一的流態(tài)高 ， 作為一個流動不平衡將導(dǎo)致 高度堆積 ，因此，較高的注射壓力。因此，均勻流動模式可以通過不斷注入速度下最小噴油壓力。 雖然灌裝時間的標(biāo)準差描述的灌裝時間，從而整體變化，填充均勻性，它不直接反映最高和最低之間的邊界填充的時間差。之間的最大和最小邊界填充時間差也可以被用來反映填充均勻性，并作為本文的目標(biāo)函數(shù)。因此，澆口位置優(yōu)化的最高和最低之間的邊界為基礎(chǔ)灌 漿時間差，可以表述為 ： 最低估計 其中 F（ X）為目標(biāo)函數(shù)中， x = [的 x， Y， Z軸 ]中， x， y， z為相應(yīng)的門坐標(biāo)， Ω 是可行的搜索空間， G是計算夾緊力，并 Gclamp是最大夾緊力。約束功能限制了低于參考值夾緊力。 tBoundaryNode是聚合物熔體的時候達到了有限元模型的邊界節(jié)點，最大和最小的標(biāo)指的是聚合物熔體到達邊界節(jié) 點，分別為最大和最小的時間。在充型模擬，樹脂達到每個邊界節(jié)點流量的時間可以由數(shù)量有限的控制元素的方法。如果模具填充均勻，時間差的邊界應(yīng)填補最小。 安徽工程大學(xué)畢業(yè)設(shè)計（論文） 33 圖 1 熔體初始設(shè)計前進步（在時間 t = s） 表 1 矩形板的優(yōu)化結(jié)果 初始值 最佳值 預(yù)期值 SDT PF DT 澆口位置坐標(biāo) X(m) Y(m) 翹曲（ mm） 4 優(yōu)化方法 在這項研究中，數(shù)值優(yōu)化與數(shù)值模擬相結(jié)合，尋找最佳澆口位置。 主要的優(yōu)化技術(shù)搜索方法劃分為兩種：直接搜索方法與基于梯度的方法。前者只使用了目標(biāo)函數(shù)值達到最小或最大，后者使用的目的和約束函數(shù)的梯度。后者通常被認為是優(yōu)于其效率和有效性的功能最優(yōu)化問題的直接方法。出于這個原因，梯度為基礎(chǔ)的優(yōu)化算法，用于搜索的最佳澆口位置。 有評估，如直接微分法，伴隨法和有限差分法的設(shè)計靈敏度不同的方式。 有限差分近似是計算方面的一個設(shè)計變量的衍生工具最簡單的技術(shù)響應(yīng)。雖然這種技術(shù)往往是昂貴的 計算，很容易實現(xiàn)，很受歡迎。在這項研究中， 當(dāng) 目標(biāo)函數(shù)的設(shè)計變量通常是高度非線性和隱性的功能，我們選擇使用一階差分近似向前來評估設(shè)計靈敏度。 該目標(biāo)函數(shù)的梯度近似與正向有限差分法，可表示如下： 其中， i = 1到 n的設(shè)計變量的數(shù)目。應(yīng)該指出的是，有限差分法的靈敏度分析方法，雖然簡單，由兩個主要的缺點受到影響。首先，在上述公式逼 近精度取決于擾動， Δxi幅度。如果 Δxi過小，則舍入誤差將是很大的，如果 Δxi過大，則截斷誤差會退化 。 其次，有限差分法的靈敏度分析的使用是昂貴的，因為每一個尋找新的設(shè)計，有限元分析程序必須執(zhí)行 n +1次才能完成的敏感性循環(huán)。這變得更為重要，尤其是當(dāng)設(shè)計變量數(shù)量的增加。一個更有效的靈敏度分析方法的使用，目前正在調(diào)查中。 在這項研究中， 水 平面氣壓是用來尋找最佳澆口位置?？紤]優(yōu)化問題的形式 ： 岳亞林：方套管注塑模具設(shè)計 34 圖 6 熔體優(yōu)化設(shè)計與門口前位于 B 圖 7 熔體 優(yōu)化設(shè)計 前進 部分 與門位于 C 其中 ng是的限制。 SLP的方式開始的試驗設(shè)計與 X0和替代目標(biāo)函數(shù)和約束線性近似泰勒級數(shù)展開，從獲得有關(guān) x0Minimize 安徽工程大學(xué)畢業(yè)設(shè)計（論文） 35 而 ali， ali是下限和上限，分別在 xi而在允許改變， n為設(shè)計變量數(shù)目。 由于所涉及的逼近，實屬罕見，該線性化問題的最終設(shè)計， xL，是可以接受的靠近優(yōu)化設(shè)計。但是，如果運動極限足夠小，以保證在這些運動極限很好的近似， XL將接近比為X0最佳。我們因此可以取代 xL的 X0和重復(fù)式的線性優(yōu)化。 （ 9）和（ 10）線性關(guān)于新的起點。 表 2 矩形板的優(yōu)化結(jié)果 初始值 最佳值 預(yù)期值 SDT PF DT 澆口位置坐標(biāo) X(m) Y(m) 翹曲（ mm） 5網(wǎng)調(diào)整 設(shè)計變量的函數(shù)，以方便基于梯度優(yōu)化算法的使用，門在優(yōu)化過程中獲得的位置可能不與在預(yù)先指定的有限元網(wǎng)格的節(jié)點。該網(wǎng)應(yīng)作相應(yīng)調(diào)整。 大門是通過建模為點源節(jié)點負荷集中在腔室內(nèi)模擬過程。在 A點源壓力場是單數(shù)，因此在計算壓力解誤差取決于連接到節(jié)點的網(wǎng)狀幾何門。在我們的分析，連接到門節(jié)點有限元的幾何形狀是固定的整個設(shè)計優(yōu)化，以抵消由在這樣一個過程點源介紹了誤差的影響。最靠近門口的位置預(yù)先指定的節(jié)點移動到門 的位置，和鄰近的節(jié)點是在這樣的方式連接到門節(jié)點的元素幾何不變感動 。 附近的門網(wǎng)失真是可以避免的。這個網(wǎng)調(diào)整方案，避免了網(wǎng)再生和降低了對奇異性錯誤的設(shè)計效果。 6例 子 擬議的澆口位置優(yōu)化方法的性能表現(xiàn)在兩個例子。對于這兩項研究，聚苯乙烯（斯泰倫 685，道氏化學(xué)），工具鋼， 和水都 為高分子材料，模具材料，冷卻液，分別為。 1 一個 方板被選為第一個目的的例子，因為驗證的最佳澆口位置是已知的在板中心。在這個例子中使用的部分為 米 米的尺寸 。 零件的有限元建模創(chuàng)建155個節(jié)點， 266個 三角形單元。這四個網(wǎng)格節(jié)點對應(yīng)的板塊角落被選擇為邊界節(jié)點。 最初的門（ ， ）位于較低的板塊左上角。此門設(shè)計的樹脂流動是不平衡的，和聚合物熔體到達的部分在不同時間的邊界（見圖 1。）。部分展品 overpacking由于過度所造成的不平衡流動。 SLP的是用來尋找最佳澆口位置與灌裝時的標(biāo)準偏差（ SDT），壓力填充結(jié)束（ PF）的，及邊界充盈時間（ DT）的選擇為目標(biāo)函數(shù)，岳亞林：方套管注塑模具設(shè)計 36 分別差異的坐標(biāo)為不同的目標(biāo)函數(shù)的最佳澆口位置如表 1所示。 表 1表明，最佳門三個目標(biāo)函數(shù)得到的位置都非常接近預(yù)期的位 置（ ， ），即此次與約 。圖 2顯示了熔體位于閘門設(shè)計前地位（ ， ）?？梢钥闯觯垠w到達四角幾乎同時進行。均勻的流型較小，導(dǎo)致約 ，約 11％，比初步設(shè)計為（ ）為低。 2 第二個例子認為玩具表。它具有 200 100 50 毫米（圖 3）尺寸。零件的有限元模型包括節(jié)點和 2,288 1,225三角元素。 最初的大門坐落在 A點（ ， ）的圖。 4。熔融與門點設(shè)計的進步是一個位于 圖所示。 5?？梢钥闯?，這門設(shè)計流量是不平衡的，樹脂成型零件展品 。建議的 水 平面氣壓是用來為標(biāo)準偏差充盈時間（特殊和差別待遇），壓力尋找最佳澆口位置在填結(jié)束（ PF）的，及邊界充盈時間（ DT）的就業(yè)為目標(biāo)函數(shù)，分別差異。最佳門由不同的目標(biāo)函數(shù)求得地點見表 2。從表 2可以看出不同的目標(biāo)函數(shù)導(dǎo)致不同的最佳澆口位置。門獲得最佳為目標(biāo)函數(shù)與特殊和差別待遇大約是位于（ ， ），這點是在 B 見 圖 4。 然而，對 PF的目標(biāo)函數(shù)的最優(yōu)澆口位置是非常接近的目標(biāo)函數(shù)的 DT，這是到接近（ ， ），如圖所示 C點。 圖 4。熔于點 B和 C位于同門的設(shè)計圖所示的進步。 6和 7? 。可以觀察到的特殊和差別待遇，為優(yōu)化設(shè)計目標(biāo)函數(shù)填充模式并不像雇用了 PF或 DT目標(biāo)實現(xiàn)的功能是一致的。這是反映了對目標(biāo)函數(shù)的特殊和差別待遇（ 毫米）略高，與 PF的翹曲和 DT（ ）進行比較。 7結(jié)束語 本文關(guān)注的是，澆口位置的優(yōu)化，實現(xiàn)了注塑成型流動平衡。注射用充型過程的數(shù)值模擬相結(jié)合序列線性規(guī)劃在尋找通過最小化的最大和最小時間差邊界填充的最佳門戶。這種優(yōu)化算法一樣，作為一個目標(biāo)函數(shù)，采用高效的噴油壓力，但它 可以取得更好的效果時，采用的填充時間的標(biāo)準差目標(biāo)函數(shù)進行比較。 鳴謝 在這份文件中的研究項目是由科研啟動基金歸國華僑學(xué)者，教育部的中國教育。筆者要感謝贊助商。 參考 文獻 1. Pandelidis I, Zhou Q (1990) Optimization of injection moldingdesign. Part I: gate location optimization. Polym Eng Sci 30(15):873–882 2. Young WB (1994) Gate location optimization in liquid positemolding using geic algorithm. J Compos Mater 12(28):1098–1113 3. Ye H, Wu Y, Wang KK (1997) An optimization scheme for partquality in injection molding. CAE and intelligent processing ofpolymeric materials. ASME MD 79:139–149 4. Chang SH, Hwang JR, Dong JL (2020) Manufacturing processoptimization of short glass fiber reinforced polycarbonate positesin injection molding. J Reinf Plast Compos 4(19):301–321 5. Irani RK, Kim BH, Dixon JR (1995) Towards automated designof the feed system of injection molds by integrating CAE, iterativeredesign and feature. J Eng Ind Trans ASME 117:72–77 6. Zhai M, Shen CY (2020) An optimization scheme based on flowresistance to locate optimum gate of plex part. J Reinf PlastCompos 24(15):1559–1566 7. Zhai M, Lam YC, Au CK, Liu DS (2020) Automated selection ofgate location for plastic injection molding processing. Polym PlastTechnol Eng 44(2):229–242 8. Zhai M, Lam YC, Au CK (2020) Algorithms for two gateoptimization in injection molding. 安徽工程大學(xué)畢業(yè)設(shè)計（論文） 37 IntPolym Process 20(1):14–18 9. Shen CY, Zhai M (2020) Algorithm to optimize number of gatesand locations in an injection mold. Plast Rubber Compos:Macromol Eng 33(8):330–334 10. Lee BH, Kim BH (