工程用高聚物注塑成型制品服役應(yīng)力優(yōu)化設(shè)計(jì)

王新宇，李　征，谷俊峰，阮詩(shī)倫,2，申長(zhǎng)雨,2，王希誠(chéng),2

?

工程用高聚物注塑成型制品服役應(yīng)力優(yōu)化設(shè)計(jì)

王新宇1，李征1，谷俊峰1，阮詩(shī)倫1,2，申長(zhǎng)雨1,2，王希誠(chéng)1,2

（1大連理工大學(xué)工程力學(xué)系，遼寧 大連 116024；2大連理工大學(xué)工業(yè)裝備結(jié)構(gòu)分析國(guó)家重點(diǎn)實(shí)驗(yàn)室，遼寧 大連 116024）

摘要:近年來(lái)，航空航天、汽車等工程領(lǐng)域大量使用工程用高分子聚合物材料制備結(jié)構(gòu)零部件。在復(fù)雜的工作環(huán)境下，工程用高聚物注塑成型零部件承受機(jī)械荷載、熱荷載等服役條件，其服役應(yīng)力的大小直接關(guān)系到工程設(shè)備的結(jié)構(gòu)安全。將半球形聚碳酸酯(PC)制品的翹曲變形和殘余應(yīng)力作為服役的初始條件，建立考慮制品結(jié)構(gòu)、模具結(jié)構(gòu)以及工藝條件的服役應(yīng)力優(yōu)化模型，利用基于Kriging代理模型和EI加點(diǎn)法的序列優(yōu)化方法，有效地降低了半球形聚碳酸酯制品的服役應(yīng)力。結(jié)果表明，制品厚度、熔體溫度和保壓壓力對(duì)服役應(yīng)力影響較大。

關(guān)鍵詞:聚合物加工；服役應(yīng)力；Kriging模型；優(yōu)化設(shè)計(jì)；產(chǎn)品設(shè)計(jì)

引 言

由于工程高分子聚合物材料具有耐高溫、耐腐蝕、比強(qiáng)度高等優(yōu)異的性質(zhì)，汽車行業(yè)、航空航天、海洋工程等工程領(lǐng)域已開(kāi)始廣泛使用工程用高聚物材料制品。工程高分子材料注塑成型制品在應(yīng)用中承受復(fù)雜的荷載條件（如高溫、高壓、碰撞等），其內(nèi)部的服役應(yīng)力影響著設(shè)備結(jié)構(gòu)和人身的安全。因此，從制品成型角度，研究如何減小工程高聚物零部件的最大服役應(yīng)力有著非常重要的現(xiàn)實(shí)意義。

注塑成型過(guò)程不可避免地會(huì)帶給制品一定程度的成型缺陷。國(guó)內(nèi)外學(xué)者有大量的關(guān)于注塑成型缺陷的研究，目的在于通過(guò)優(yōu)化工藝參數(shù)、模具結(jié)構(gòu)等因素解決制品的成型缺陷，提高制品的加工質(zhì)量。例如，Mathivanan等[1]、Guo等[2]研究了制品的沉降斑問(wèn)題，Deng等[3]、Ozcelik[4]分別解決了制品熔接痕問(wèn)題。其中，關(guān)于制品的翹曲變形和殘余應(yīng)力的優(yōu)化研究工作最多。Kurtaran等[5]采用響應(yīng)面結(jié)合遺傳算法的優(yōu)化策略降低了制品的翹曲變形。Gao等[6-7]、周香等[8]利用Kriging代理模型的方法優(yōu)化了成型工藝參數(shù)，降低了制品的翹曲變形。Kitayama等[9]通過(guò)優(yōu)化保壓壓力曲線減小了制品的翹曲變形，提高了制品的成型質(zhì)量。Wang等[10]則通過(guò)優(yōu)化動(dòng)態(tài)注塑工藝參數(shù)，降低制品的最大翹曲值。此外，劉文娟等[11]分別對(duì)常速率注射參數(shù)和曲線式速率注射參數(shù)進(jìn)行優(yōu)化設(shè)計(jì)，目的在于降低制品的成型殘余應(yīng)力。

制品從成型到服役經(jīng)歷了注塑成型加工、與適配結(jié)構(gòu)裝配和承受載荷服役3個(gè)過(guò)程，成型加工造成的翹曲變形和殘余應(yīng)力導(dǎo)致其在裝配后會(huì)產(chǎn)生較大的裝配應(yīng)力，進(jìn)而降低制品的服役承載能力。因此，制品的翹曲變形與殘余應(yīng)力在其裝配與承載過(guò)程中是不可忽略的。但是，很少有文獻(xiàn)真實(shí)地考慮翹曲變形與殘余應(yīng)力對(duì)制品裝配和承載服役應(yīng)力的影響，并進(jìn)行相關(guān)的優(yōu)化工作。

本文將翹曲變形和殘余應(yīng)力結(jié)果作為結(jié)構(gòu)裝配和承載服役分析的位移條件和初始應(yīng)力條件，建立了以注塑成型工藝條件、制品厚度和冷卻管道直徑為優(yōu)化設(shè)計(jì)變量、服役應(yīng)力為目標(biāo)函數(shù)的優(yōu)化模型，利用基于代理模型的序列優(yōu)化方法有效地降低了制品的服役應(yīng)力。這種從制造到服役的一體化分析與優(yōu)化策略充分考慮了成型加工因素對(duì)服役應(yīng)力的影響，可以作為工程塑料制品成型設(shè)計(jì)的有效數(shù)值分析方法。值得注意的是，本文提出的策略充分考慮了制品自身結(jié)構(gòu)上的設(shè)計(jì)參數(shù)，可以在優(yōu)化工藝參數(shù)和模具結(jié)構(gòu)參數(shù)的同時(shí)進(jìn)行制品結(jié)構(gòu)上的幾何設(shè)計(jì)，為工程塑料注塑成型零部件的尺寸設(shè)計(jì)提供了有效且全面的優(yōu)化設(shè)計(jì)方法。

1　制造-服役的分析方法

考慮成型缺陷的工程高聚物制品從成型到服役一體化分析方法如下述步驟。

（1）建立模型。利用CAD軟件建立目標(biāo)制品的幾何結(jié)構(gòu)，劃分有限元網(wǎng)格。

（2）成型分析。將制品有限元模型導(dǎo)入Moldflow insight 2016，設(shè)置相關(guān)成型工藝參數(shù)，對(duì)制品進(jìn)行注塑成型模流分析，獲取制品成型后的翹曲變形與內(nèi)部殘余應(yīng)力結(jié)果。

（3）裝配分析。以殘余應(yīng)力為制品結(jié)構(gòu)的初始內(nèi)應(yīng)力，以裝配位置翹曲變形值的大小作為裝配條件，裝配方向?yàn)槁N曲變形的反方向，利用 ANSYS進(jìn)行制品裝配分析。

（4）服役分析。對(duì)裝配后的制品結(jié)構(gòu)施加荷載工況（如均布荷載、溫度荷載等），利用ANSYS進(jìn)行結(jié)構(gòu)的力學(xué)分析，提取最大的工作應(yīng)力。

上述過(guò)程建立了成型條件與服役應(yīng)力的聯(lián)系。選取制品結(jié)構(gòu)、模具結(jié)構(gòu)以及工藝條件相關(guān)參數(shù)作為設(shè)計(jì)變量，結(jié)合一定的優(yōu)化方法，可以從工程設(shè)計(jì)的角度降低制品的服役應(yīng)力。

圖1　半球形PC制品與模具結(jié)構(gòu)Fig.1 Depicture of hemisphere polycarbonate part and mould construction

2　半球形聚碳酸酯應(yīng)力優(yōu)化問(wèn)題

半球形PC制品和模具結(jié)構(gòu)如圖1所示，其中制品下邊界為裝配邊界，翹曲的制品被強(qiáng)制裝配到剛性結(jié)構(gòu)上，服役條件為內(nèi)表面承受0.1 MPa壓力，工作溫度為-40℃。成型材料為SABIC 生產(chǎn)的PC Lexan 105，表1列出了其基本的物性參數(shù)。

表1　SABIC Lexan 105聚碳酸酯材料物性Table 1 Properties of SABIC Lexan 105 polycarbonate

制品直徑為100 mm，包含9696個(gè)三角形單元，選取制品厚度(h)為設(shè)計(jì)變量，目的在于尋找合理的制品結(jié)構(gòu)以降低最大服役應(yīng)力，并研究制品厚度參數(shù)對(duì)服役應(yīng)力的影響。冷卻管道采用隔水板式隨形水道，隔水板直徑(D)選為設(shè)計(jì)變量。此外，選取熔體溫度（Tmelt）、成型時(shí)間（tmolding）、注射時(shí)間（tfilling）、保壓壓力百分比（P）、保壓時(shí)間（tpacking）5個(gè)主要的工藝參數(shù)為設(shè)計(jì)變量。設(shè)計(jì)變量取值范圍如表 2所示。其中，熔體溫度取值范圍為Moldflow材料測(cè)試推薦的加工溫度范圍，其他變量取值范圍按經(jīng)驗(yàn)給出。其中保壓壓力采取圖2所示梯形壓力曲線，設(shè)計(jì)變量中的保壓時(shí)間為恒壓段作用時(shí)間。服役應(yīng)力優(yōu)化模型為

其中，σMises為制品注塑成型裝配后承載的Mises應(yīng)力，?x為表2構(gòu)成的超立方變量設(shè)計(jì)空間。

表3　設(shè)計(jì)變量取值范圍Table 2 Rang of design parameters

圖2　梯形保壓曲線Fig.2 Trapezoid packing pressure curve

3　基于代理模型的序列優(yōu)化方法

3.1 Kriging代理模型

工程優(yōu)化問(wèn)題的目標(biāo)函數(shù)與設(shè)計(jì)變量之間不是顯式的函數(shù)關(guān)系，需要結(jié)合插值方法建立近似的函數(shù)關(guān)系[12-13]。本文采用 Kriging代理模型建立目標(biāo)函數(shù)與設(shè)計(jì)變量的預(yù)測(cè)模型[14]。其表達(dá)式為

其中，誤差項(xiàng)ε（x）服從高斯分布norm[0,σ2]。Kriging均值模型的預(yù)測(cè)均值與預(yù)測(cè)方差分別為[15]

其中，li=1,Y為插值樣本的目標(biāo)函數(shù)值向量，2σ~ 為σ2的最大似然估計(jì)，r為未知空間點(diǎn)與已知樣本點(diǎn)的相關(guān)函數(shù)向量，R為已知k個(gè)樣本點(diǎn)之間的相關(guān)函數(shù)矩陣。本文采用高斯相關(guān)函數(shù)，其定義為

其中，θn為第n維變量的相關(guān)系數(shù)，代表了目標(biāo)函數(shù)關(guān)于設(shè)計(jì)變量的非線性程度，用于描述目標(biāo)函數(shù)關(guān)于變量xn的敏感程度，θn越大，目標(biāo)函數(shù)關(guān)于第n維變量xn非線性程度越大，意味著xn微小變化會(huì)引起目標(biāo)函數(shù)非常大的變化。

3.2 EI加點(diǎn)序列優(yōu)化方法

根據(jù)Kriging插值模型的隨機(jī)特征，可以定義“提高”函數(shù)與EI函數(shù)[16]

其中，ymin為當(dāng)前插值樣本中的最小函數(shù)值，? 和Φ分別表示標(biāo)準(zhǔn)正態(tài)分布的密度函數(shù)和分布函數(shù)。

根據(jù)EI函數(shù)的數(shù)學(xué)意義，可以發(fā)現(xiàn)最大EI函數(shù)值能夠提供 Kriging模型中比當(dāng)前樣本集最優(yōu)值更優(yōu)的設(shè)計(jì)點(diǎn)或者插值模型預(yù)測(cè)不確定性較大的點(diǎn)。基于Kriging模型和EI函數(shù)發(fā)展的序列優(yōu)化方法能夠快速有效地進(jìn)行工程優(yōu)化設(shè)計(jì)[17-19]。優(yōu)化問(wèn)題（1）式轉(zhuǎn)變?yōu)槿缦碌刃У膬?yōu)化模型列示

實(shí)現(xiàn)式（8）優(yōu)化過(guò)程的具體方法如下所述:

（1）采取一定的初始樣本取樣方法，在設(shè)計(jì)域內(nèi)抽取一定數(shù)量的初始樣本X，與目標(biāo)函數(shù)值Y；

（2）利用樣本集建立初始 Kriging代理模型式（2），進(jìn)而得到EI函數(shù)式（7）；

（3）結(jié)合一定的優(yōu)化算法（如序列二次規(guī)劃、遺傳算法、粒子群算法等，本文采用序列二次規(guī)劃法SQP）搜索取最大EI函數(shù)值的x*，計(jì)算其對(duì)應(yīng)目標(biāo)函數(shù)y*，判斷收斂條件是否滿足。若滿足，則停止優(yōu)化。否則，將[x*, y*]添加到X和Y中，執(zhí)行步驟（2）～步驟（3），直到收斂條件滿足為止。

每次尋找最大 EI值都是尋找一個(gè)能夠比當(dāng)前樣本最優(yōu)值更好的設(shè)計(jì)點(diǎn)，或插值模型最不確定的設(shè)計(jì)點(diǎn)。因此，基于Kriging模型和EI函數(shù)的優(yōu)化問(wèn)題(8)是一個(gè)不斷尋找最大“提高”可能性的過(guò)程。

4　優(yōu)化結(jié)果與討論

4.1 優(yōu)化結(jié)果

采用Georgiou等[20]提出的取樣方法選取32個(gè)正交拉丁超立方樣本建立初始Kriging模型，其中樣本最優(yōu)結(jié)果為42.26 MPa。優(yōu)化結(jié)果如表3所示，Mises應(yīng)力云圖如圖3所示。優(yōu)化結(jié)果最大服役應(yīng)力為37.13 MPa，比初始樣本中最優(yōu)設(shè)計(jì)的最大服役應(yīng)力結(jié)果下降12.14%。其中，保壓壓力達(dá)到取值的上界，熔體溫度也十分接近取值的上界，而制品厚度達(dá)到取值下界。這意味著在給定的設(shè)計(jì)空間中，提高保壓壓力和熔體溫度、減小制品厚度均有利于降低最大服役應(yīng)力。

圖3　樣本最優(yōu)、測(cè)試算例和優(yōu)化結(jié)果服役應(yīng)力對(duì)比Fig.3 Comparison on service stress between the best sample design and the optimum design

選取厚度為2 mm、隔水板直徑為25 mm的測(cè)試算例設(shè)計(jì)，采用優(yōu)化結(jié)果相同的工藝條件，進(jìn)行服役分析（表3）。最大服役應(yīng)力為47.24 MPa，優(yōu)化設(shè)計(jì)比其小21.4%。說(shuō)明制品和模具結(jié)構(gòu)對(duì)服役應(yīng)力同樣有很大的影響。因此，對(duì)比結(jié)果進(jìn)一步說(shuō)明了對(duì)工藝條件、制品結(jié)構(gòu)、模具結(jié)構(gòu)同時(shí)進(jìn)行整體性的優(yōu)化設(shè)計(jì)，對(duì)降低服役應(yīng)力是十分必要的。尤其是對(duì)于具有特征結(jié)構(gòu)（如筋、孔、槽等）的工程塑料制品，優(yōu)化模型中需要充分考慮特征結(jié)構(gòu)的幾何設(shè)計(jì)參數(shù)，這樣的優(yōu)化模型能夠針對(duì)服役應(yīng)力進(jìn)行更全面的制品幾何尺寸設(shè)計(jì)，從而減小制品內(nèi)部的最大服役應(yīng)力（或者應(yīng)變），提高其承受載荷的能力，提升服役質(zhì)量。對(duì)于本算例，特征尺寸為厚度，關(guān)于厚度對(duì)服役應(yīng)力影響的討論詳見(jiàn)4.2節(jié)相關(guān)的內(nèi)容。

圖4　變量相關(guān)系數(shù)Fig.4 Correlative coefficients of design factors

4.2 結(jié)果討論

如前所述，Kriging代理模型中的相關(guān)系數(shù) θn代表了代理模型與第n維設(shè)計(jì)變量之間的非線性程度。θn值越大，意味著變量相關(guān)區(qū)域越小，變量的空間相關(guān)性越小，模型關(guān)于該變量的非線性程度越高，也即目標(biāo)函數(shù)對(duì)該變量比較敏感，變量很小的變化可能會(huì)引起目標(biāo)函數(shù)很大的改變。優(yōu)化結(jié)果的相關(guān)系數(shù)如圖4所示。從圖4可以看出，服役應(yīng)力關(guān)于制品厚度的非線性程度要高于其他設(shè)計(jì)變量。對(duì)于工藝條件來(lái)說(shuō)，服役應(yīng)力關(guān)于保壓壓力的非線性程度最大，其次是熔體溫度，關(guān)于保壓時(shí)間的非線性程度最小。

表3　應(yīng)力優(yōu)化結(jié)果Table 3 Optimization result of service stress

圖5　不同載荷條件下無(wú)成型缺陷制品的厚度與服役應(yīng)力的關(guān)系Fig.5 Relationship between thickness of perfect-molded part and service stress under different load conditions

圖6　服役應(yīng)力與翹曲變形和殘余應(yīng)力之間的關(guān)系Fig.6 Relationship between service stress and warpage/residual stress

從成型加工的角度來(lái)說(shuō)，制品的厚度是決定制品成型加工條件的最重要的一個(gè)因素。對(duì)于相同結(jié)構(gòu)的制品來(lái)說(shuō)，厚度越小，其壁面剪切黏度越大，注射壓力越大，越容易引起較大的流動(dòng)殘余應(yīng)力和翹曲變形。因此，較厚的制品有利于成型加工。但是，從服役的角度來(lái)說(shuō)，制品承受的溫度荷載與結(jié)構(gòu)體積相關(guān)，在相同低溫條件、一定的厚度范圍內(nèi)，厚壁制品較薄壁制品收縮明顯，容易導(dǎo)致較大的溫度應(yīng)力。因此，較薄的制品有利于降低溫度應(yīng)力。制品同時(shí)承受了均布荷載，制品越厚，剛度越大，有利于承受機(jī)械載荷，抵抗變形，降低服役應(yīng)力。圖5為無(wú)翹曲無(wú)殘余應(yīng)力狀態(tài)下制品厚度與服役應(yīng)力的關(guān)系。由于沒(méi)有裝配應(yīng)力，其內(nèi)部應(yīng)力是承載的服役應(yīng)力。從圖5中可以看出機(jī)械應(yīng)力要比溫度應(yīng)力小很多。優(yōu)化的方向應(yīng)是制品溫度應(yīng)力減小的方向。因此，結(jié)果中厚度優(yōu)化到了下界是合理的。

保壓壓力的大小和保壓時(shí)間的長(zhǎng)短決定了制品的體收縮率大小。不均勻的收縮易導(dǎo)致不可接受的翹曲變形。熔體溫度是另外一個(gè)影響成型質(zhì)量非常重要的因素。較低的熔體溫度導(dǎo)致制品內(nèi)部產(chǎn)生較大的剪切應(yīng)力，形成較大的流動(dòng)殘余應(yīng)力。提升熔體溫度有利于提高熔體流動(dòng)性，減少制品的翹曲變形和殘余應(yīng)力。此外，較短的充填時(shí)間容易導(dǎo)致澆口處產(chǎn)生較高的剪切應(yīng)力。較短的成型時(shí)間可以縮短成型周期，提高生產(chǎn)效率。但是，過(guò)短的冷卻時(shí)間容易導(dǎo)致制品冷卻不徹底，脫模后收縮嚴(yán)重。

服役應(yīng)力與翹曲變形和殘余應(yīng)力的關(guān)系如圖 6所示。從整體趨勢(shì)來(lái)說(shuō)，減小翹曲變形和殘余應(yīng)力有利于減小服役應(yīng)力。但是，服役應(yīng)力是成型缺陷、裝配條件和服役條件共同作用的結(jié)果。由于翹曲變形和殘余應(yīng)力無(wú)法避免，因此，以服役應(yīng)力為目標(biāo)函數(shù)的優(yōu)化問(wèn)題實(shí)際上是尋找翹曲變形和殘余應(yīng)力最優(yōu)組合的制品結(jié)構(gòu)設(shè)計(jì)和注塑成型工藝與模具設(shè)計(jì)方案。

4.3 可行設(shè)計(jì)空間

基于Kriging代理模型和EI加點(diǎn)法的序列優(yōu)化方法目的在于尋找可行域內(nèi)的最優(yōu)設(shè)計(jì)。但是，對(duì)于注塑成型研究者來(lái)說(shuō)，成型缺陷和服役應(yīng)力是無(wú)法避免的。因此，在目標(biāo)函數(shù)值可接受的條件下，為工程師提供一組可行的設(shè)計(jì)窗口具有非常實(shí)際的現(xiàn)實(shí)意義，工程師可以根據(jù)自己的需求選取合適的設(shè)計(jì)方案。從加點(diǎn)尋優(yōu)歷史圖7中可以發(fā)現(xiàn)，其中很多設(shè)計(jì)方案的目標(biāo)函數(shù)值都接近最優(yōu)設(shè)計(jì)。例如，本文表4給出了9組設(shè)計(jì)方案，其服役應(yīng)力均在40 MPa以內(nèi)。

圖7　EI加點(diǎn)尋優(yōu)歷史Fig.7 Iteration for searching optimum with EI method

表4　推薦設(shè)計(jì)方案Table 4 Recommended design schemes

5　結(jié) 論

從制品、模具和工藝的整體設(shè)計(jì)角度，本文建立了服役應(yīng)力的工程優(yōu)化模型，利用基于 Kriging代理模型和EI加點(diǎn)法的序列優(yōu)化方法，有效地降低了半球形PC制品的服役應(yīng)力。結(jié)論如下。

（1）成型缺陷（如翹曲變形、殘余應(yīng)力）能夠降低制品的服役質(zhì)量。因此，在對(duì)工程高聚物注塑制品進(jìn)行結(jié)構(gòu)分析時(shí)，要充分考慮成型缺陷的影響，尤其是殘余應(yīng)力。

（2）減小翹曲變形與殘余應(yīng)力能夠降低服役應(yīng)力，但是服役應(yīng)力是成型質(zhì)量、裝配條件以及服役工況共同作用的結(jié)果。由于成型缺陷不可避免，因此尋找一個(gè)合理的缺陷狀態(tài)是降低服役應(yīng)力的有效途徑。

（3）通過(guò)分析變量對(duì)目標(biāo)非線性程度的影響發(fā)現(xiàn)，制品厚度、保壓壓力和熔體溫度對(duì)服役應(yīng)力的影響較大。說(shuō)明工程高聚物注塑制品厚度與工藝的設(shè)計(jì)對(duì)其承載服役質(zhì)量至關(guān)重要。因此，降低服役應(yīng)力應(yīng)充分考慮結(jié)構(gòu)和工藝兩方面因素。

本文提出的成型-服役一體化優(yōu)化設(shè)計(jì)策略具有非常好的通用性，對(duì)工程高分子材料注塑成型制品的產(chǎn)品設(shè)計(jì)具有非常重要的實(shí)際意義。

References

[1] MATHIVANAN D, PARTHASARATHY N S. Sink-mark minimization in injection molding through response surface regression modeling and genetic algorithm [J]. Int. J. Adv. Manuf. Tech., 2009, 45 (9/10): 867-874.

[2] GUO W, HUA L, MAO H J. Minimization of sink mark depth in injection-molded thermoplastic through design of experiments and genetic algorithm [J]. Int. J. Adv. Manuf. Tech.,2014, 72 (1/2/3/4): 365-375.

[3] DENG Y M, ZHENG D, SUN B, et al. Injection molding optimization for minimizing the defects of weld lines [J]. Polym-Plast Technol., 2008, 47 (9): 943-952.

[4] OZCELIK B. Optimization of injection parameters for mechanical properties of specimens with weld line of polypropylene using Taguchi method [J]. Int. Commun Heat Mass, 2011, 38 (8): 1067-1072.

[5] KURTARAN H, ERZURUMLU T. Efficient warpage optimization of thin shell plastic parts using response surface methodology and genetic algorithm [J]. Int. J. Adv. Manuf. Tech., 2006, 27 (5/6): 468-472.

[6] GAO Y H, WANG X C. An effective warpage optimization method in injection molding based on the Kriging model [J]. Int. J. Adv. Manuf. Tech.,2008, 37 (9/10): 953-960.

[7] GAO Y H, WANG X C. Surrogate-based process optimization for reducing warpage in injection molding [J]. J. Mater. Process Tech., 2009, 209 (3): 1302-1309.

[8] 周香, 陳文琳, 王曉花, 等. 基于 Kriging代理模型和遺傳算法的注塑件翹曲優(yōu)化 [J]. 塑性工程學(xué)報(bào), 2015, (2): 142-147.

ZHOU X, CHEN W L, WANG X H, et al. Warpage optimization for injection molding based on Kriging model and genetic algorithms [J]. Journal of Plasticity Engineering, 2015, (2): 142-147.

[9] KITAYAMA S, ONUKI R, YAMAZAKI K. Warpage reduction with variable pressure profile in plastic injection molding via sequential approximate optimization [J]. Int. J. Adv. Manuf. Tech., 2014, 72 (5/6/7/8): 827-838.

[10] WANG X Y, GU J F, SHEN C Y, et al. Warpage optimization with dynamic injection molding technology and sequential optimization method [J]. Int. J. Adv. Manuf. Tech., 2015, 78 (1/2/3/4): 177-187.

[11] 劉文娟, 王新宇, 李征, 等. 基于 Kriging代理模型的注塑件殘余應(yīng)力優(yōu)化分析 [J]. 塑料工業(yè), 2015, (1): 53-57.

LIU W J, WANG X Y, LI Z, et al. Residual stress optimization of injection-molded parts based on Kriging surrogate model [J]. China Plastics Industry, 2015, (1): 53-57.

[12] DEBOOR C, RON A. Computational aspects of polynomial interpolation in several variables [J]. Math. Comput., 1992, 58 (198): 705-727.

[13] HUANG D, ALLEN T T, NOTZ W I, et al. Sequential Kriging optimization using multiple-fidelity evaluations [J]. Struct. Multidiscip. O., 2006, 32 (5): 369-382.

[14] CRESSIE N. The origins of Kriging [J]. Math. Geol., 1990, 22 (3): 239-252.

[15] SACKS J, WELCH W J, MITCHELL T J, et al. Design and analysis of computer experiments [J]. Statistical Science, 1989, 4 (4): 409-423.

[16] JONES D R, SCHONLAU M, WELCH W J. Efficient global optimization of expensive black-box functions [J]. J. Global Optim., 1998, 13 (4): 455-492.

[17] SHI H Z, GAO Y H, WANG X C. Optimization of injection molding process parameters using integrated artificial neural network model and expected improvement function method [J]. Int. J. Adv. Manuf. Tech., 2010, 48 (9-12): 955-962.

[18] SOBESTER A, FORRESTER A I J, TOAL D J J, et al. Engineering design applications of surrogate-assisted optimization techniques [J]. Optim. Eng., 2014, 15 (1): 243-265.

[19] SUN G Y, SONG X G, BAEK S, et al. Robust optimization of foam-filled thin-walled structure based on sequential Kriging metamodel [J]. Struct. Multidiscip. O., 2014, 49 (6): 897-913.

[20] GEORGIOU S D, STYLIANOU S. Block-circulant matrices for constructing optimal Latin hypercube designs [J]. Journal of Statistical Planning and Inference, 2011, 141 (5): 1933-1943.

2015-12-07收到初稿，2016-03-17收到修改稿。

聯(lián)系人:谷俊峰。第一作者:王新宇（1986—），男，博士研究生。

Received date: 2015-12-07.

中圖分類號(hào):TQ 320.66

文獻(xiàn)標(biāo)志碼:A

文章編號(hào):0438—1157（2016）07—3040—07

DOI:10.11949/j.issn.0438-1157.20151843

基金項(xiàng)目:國(guó)家重點(diǎn)基礎(chǔ)研究發(fā)展計(jì)劃項(xiàng)目（2012CB025905）；國(guó)家自然科學(xué)基金重點(diǎn)項(xiàng)目（11432003）；111引智計(jì)劃項(xiàng)目（B14013）；國(guó)家高技術(shù)研究發(fā)展計(jì)劃項(xiàng)目（2015AA033803）。

Corresponding author:GU Junfeng, jfgu@dlut.edu.cn supported by the National Basic Research Program of China (2012CB025905), the National Natural Science Foundation of China (11432003), the 111 Project of China (B14013) and the National High Technology Research and Development Program of China(2015AA033803).

Service stress optimization of injection-molded engineering plastic product

WANG Xinyu1, LI Zheng1, GU Junfeng1, RUAN Shilun1,2, SHEN Changyu1,2, WANG Xicheng1,2

(1Department of Engineering Mechanics, Dalian University of Technology, Dalian 116024, Liaoning, China;2State Key Laboratory of Structural Analysis for Industrial Equipment, Dalian University of Technology, Dalian 116024, Liaoning, China)

Abstract:Recently, engineering polymer material is applied widely in aerospace and automotive fields. Engineering plastic products manufactured by injection molding have to endure mechanical, thermal and other complicated service conditions when they work. Under the complicated load conditions, the magnitude of service stress in engineering plastic parts is associated with the structure safety of the engineering devices, especially with people’s lives. Taking warpage and residual stress of a hemisphere polycarbonate product as the initial conditions of the mechanical analysis, this paper proposes an efficient service stress optimization strategy with respect to the process parameters and the structure of the product and cooling channel, which integrals injection molding analysis and mechanical analysis. The maximum service stress is finally reduced by using an optimization strategy based on Kriging surrogate model and EI method. The results indicate that the thickness of the product, melt temperature and packing pressure are critical factors to influence the service stress.

Key words:polymer processing; service stress; Kriging model; optimal design; product design