汽车油箱是汽车重要组成之一，其作用就是用来存储汽油，传统汽车油箱有铁油箱以及铝合金油箱，但是随着汽车轻量化概念的不断兴起，铁油箱以及铝合金油箱逐渐被塑料油箱所取代。目前最常用的塑料油箱材料为高密度聚乙烯(HDPE)，其密度只有0.95 g/cm3，相较于铁油箱以及铝合金油箱，其质量大大减轻，同时，其耐腐蚀性强、不易生锈、并且在发生撞击后能够发生回弹，不会发生大变形，也避免了类似铁油箱发生撞击而产生爆炸，导致事故发生的情况，提高了使用安全。但塑料制件在成型过程中极易发生翘曲变形，很多学者将算法与工艺成型相结合，获得性能良好的制件。朱秀芳等[1]通过Solidworks软件对油箱成型工艺进行了分析，并设计了吹塑塑料油箱模具，提高了制件的成型质量。苏卫东[2]为减轻汽车塑料燃油箱的总质量，模拟挤出吹塑工艺中燃油箱的壁厚变化，通过Matlab软件获得了最优解。针对塑料翘曲问题，陆广华[3]通过BP神经网络法对注塑成型工艺进行分析优化，获得了性能优良的制件。么大锁等[4]将神经网络与遗传算法相结合，对注塑成型质量做出了控制与预测，通过多目标优化获得了最佳的成型工艺参数，有效改善了制件翘曲变形问题。最近，季宁等[5]为了减少CAE分析过程耗费的时间，通过建立代理模型很好地解决了这一问题，并且通过MOPSO算法对其进行了多目标优化，得到了最佳的成型工艺参数，为工程实践提供了有意义的参考价值。本实验研究对象为汽车塑料油箱，采用HDPE材料，以往多采用正交试验来抽取样本，但正交试验有一定的局限性，不能考虑整个变量的取值区域，而最优拉丁超立方方法很好地克服了这一缺点。本实验通过最优拉丁超立方采集样本、建立代理模型替代CAE模拟过程，并且通过模拟退火优化算法对代理模型进行寻优，获得最佳的成型工艺参数，获得性能优良的吹塑油箱制件。1仿真部分1.1油箱建模图1为汽车油箱3D图以及2D尺寸。从图1可以看出，汽车油箱最大长度为232 mm，最大宽度为204 mm。10.15925/j.cnki.issn1005-3360.2021.01.001.F001图1汽车油箱模型图Fig.1Model diagram of automobile fuel tank1.2网格划分图2为具体网格划分结果。其中，网格匹配率96.6%，网格纵横比1.14。10.15925/j.cnki.issn1005-3360.2021.01.001.F002图2网格划分图Fig. 2Grid diagram1.3初始壁厚及翘曲变形分析对汽车油箱初始壁厚进行分析，在工艺参数吹胀压力为0.1 MPa，型坯初始温度为180 oC以及型坯初始壁厚为3 mm时，制件最大壁厚为0.003 004 m，最小壁厚为0.000 174 m，图3为制件初步的成型仿真模拟。10.15925/j.cnki.issn1005-3360.2021.01.001.F003图3油箱壁厚分布图Fig.3Distribution of fuel tank wall thickness从图3可以看出，一般在制件凸起部分壁厚较薄，这是由于凸起部分后接触到模具，所以后接触到模具部分的型坯其温度下降得比较慢，黏度相对先接触到模具部分的制件要小，从而会继续变形，壁厚相对较薄。此外，制件的壁厚分布不均匀，需要通过一系列的方法对其工艺参数进行优化，从而提升制件的壁厚均匀性。可通过制件壁厚均匀性函数值来评估制件壁厚的均匀性，壁厚均匀性函数值计算公式为：F=(t¯-Tm)2+∑i=1m(ti-t¯)2m (1)式（1）中：F为壁厚均匀性函数值，mm2；t¯为壁厚平均值，mm；Tm为目标值，mm；ti为节点壁厚值，mm；m为节点个数。壁厚均匀性也会影响制件的冷却过程，一般制件壁厚分布不均匀，会导致在冷却过程中温度场分布不均匀，从而造成制件产生较大的热残余应力，而这些热残余应力需要释放出去，从而导致了制件发生翘曲变形，图4为制件冷却过程温度场分布以及总的翘曲变形分布云图。10.15925/j.cnki.issn1005-3360.2021.01.001.F004图4油箱温度场及翘曲变形分布云图Fig.4Distribution of temperature field and warpage deformation of fuel tank从图4可以看出，制件壁厚较薄处其变形较小，壁厚较厚处变形较大，这是由于制件壁厚越厚，其相应的收缩也就越大，从而也就越容易导致制件发生翘曲变形。因此在进行制件的成型过程中，控制制件壁厚的均匀性是非常有必要的，下文就针对制件的壁厚均匀性做出优化改善。2基于Isight多目标优化Isight软件是一款功能十分强大的计算机辅助优化软件，已被广泛应用于航空航天、船舶汽车以及电子等领域，能够对各种复杂问题进行多学科设计优化。本研究针对吹塑制件在成型过程中容易发生翘曲变形的问题，通过Isight软件对其进行多目标优化，很好地改善了制件的壁厚均匀性，提升了制件的成型性能[6]。图5为Isight软件基本的优化流程。10.15925/j.cnki.issn1005-3360.2021.01.001.F005图5Isight分析基本流程Fig. 5Isight analysis basic process2.1设计变量及确定优化目标拉丁超立方抽样法是一种从多元参数分布中近似随机抽样的方法，其原理就是在一个n维空间中，随机抽取m个点，并且保证每个点只研究过一次，这些点构成了整个的n维空间[7]。最优拉丁超立方抽样法，是在拉丁超立方抽样法的基础上建立起来的一种方法，由于传统拉丁超立方法抽取的样本每个点只能研究一次，这也使得其具有不可重复性，其次拉丁超立方所抽取的样本点并不是均匀分布在整个空间中的，这就使得其会丢失一些区域的数据，使得试验结果不够准确，而最优拉丁超立方法很好地改善了传统拉丁超立方法的缺陷，使所有点尽量均匀地分布在设计空间，具有非常好的空间填充性和均衡性[8]。一般吹塑成型过程中吹胀压力为0.1~1 MPa，根据制件容积、壁厚、形状以及材料的不同，一般尺寸较大以及壁厚较厚的制件所需要的吹胀压力较大，根据黄虹等[9]挤出吹塑塑料油箱壁厚均匀性的研究与应用，汽车油箱吹胀压力采取0.2~0.6 MPa水平。不同的制件其吹胀时间也有所不同，根据制件的具体形状采取合理的吹胀时间，形状复杂及制件壁厚较厚的制件其吹胀时间要长一些，根据一般经验汽车油箱吹胀时间取区间3~5 s。本研究采用的是HDPE材料，其使用温度在180~230 oC，因此温度区间为180~200 oC，塑料与铁制油箱不同，其厚度相对来说要厚一些，一般在4 mm左右，因此本研究壁厚采取区间3~5 mm。本实验以吹胀压力(A)、吹胀时间(B)、型坯初始温度(C)以及型坯初始壁厚 (D)作为设计变量，以壁厚均匀性函数值(E)为响应目标，表1为具体的因素水平表。10.15925/j.cnki.issn1005-3360.2021.01.001.T001表1因素水平表Tab.1Level of factors因素水平下限水平上限吹胀压力(A)/ MPa0.20.6吹胀时间(B)/s35型坯初始温度(C)/oC180200型坯初始壁厚(D)/m35根据因素水平表建立最优拉丁超立方样本，本次随机抽取了10组数据最为研究对象，通过Polyflow软件对这10组样本数进行模拟分析得到壁厚分布，将这些壁厚分布点通过公式(1)计算得到目标结果，表2为具体的样本数及目标结果。10.15925/j.cnki.issn1005-3360.2021.01.001.T002表2最优拉丁超立方样本及目标结果Tab.2Optimal Latin hypercube sample and target results试验号因素目标A/MPaB/sC /oCD/mmE×10-5/mm210.2894.33195.565.000.29420.203.67184.444.110.45330.4673.22191.114.560.62940.3334.78186.673.440.34250.5565.00193.334.330.76460.2443.44200.003.890.39870.6003.89182.223.670.70280.4224.56180.004.780.64990.3783.00188.893.000.521100.5114.11197.783.220.6962.2Kriging代理模型Kriging代理模型是一种在有限区域内对区域化变量进行无偏最优估计的方法，Kriging代理模型一般由回归部分和随机过程组成。假设一个点为x1，其周围的点集合记为[x1, x2, x3......, xn]，所对应的观测值集合记为[y(x1), y(x2), y(x3), ...... ,y(xn)]，所要评估的点记为y¯(x0)，一般Kriging代理模型的计算公式如式(2)所示。其中λi为待定加权系数，该系数也是Kriging插值的最为关键的地方。y¯(x0)=∑i=1Nλiy(xi) (2)通过Isight软件，建立Kriging代理模型，通常该模型所需样本数量最少为2n+1个，其中n为变量个数，本研究变量n为4，所示至少需要9组样本数，根据上述最优拉丁超立方抽取了10组样本数，满足条件。2.3Kriging代理模型精度检验通过代理模型精度大小来描述模型的准确性，模型精度越接近1，表明该模型越可靠，当模型精度小于0.9时，此时的代理模型不能够用来代替CAE分析，需重新建立模型。表3为通过代理模型得到制件翘曲壁厚均匀性函数值的预测值以及通过Polyflow软件模拟得到的模拟值。10.15925/j.cnki.issn1005-3360.2021.01.001.T003表3模拟值与预测值Tab.3Simulated and predicted values试验号因素E模拟值×10-5/mm2E预测值×10-5/mm2A/MPaB/sC/oCD/mm10.2894.33195.565.000.2940.3081920.2003.67184.444.110.4530.5020730.4673.22191.114.560.6290.6550040.3334.78186.673.440.3420.3377050.5565.00193.334.330.7640.7622160.2443.44200.003.890.3980.3764970.6003.89182.223.670.7020.7074680.4224.56180.004.780.6490.6131290.3783.00188.893.000.5210.53660100.5114.11197.783.220.6960.68222从表3可以看出，得到的模拟值以及预测值两者基本接近，图6为绘制壁厚均匀性函数值拟合曲线。10.15925/j.cnki.issn1005-3360.2021.01.001.F006图6壁厚均匀性函数值拟合曲线图Fig.6Fitting curve of wall thickness uniformity function从图6可以看出，所有散点的拟合接近一条直线，表明拟合效果较好，拟合精度的可决系数R2为：R2=1-∑i=1n(yi-xi)2∑i=1n(yi-li)2 (3)式（3）中：n为试验次数；xi为预测值；yi为模拟值；li为模拟值平均值。通过公式(3)可以计算出本次模拟的可决系数为0.977 75。表明本次模拟结果比较精确，该模型精度比较高，可以用来代替CAE分析，提高计算效率。3模拟退火算法优化模拟退火算法与遗传算法类似，都需要从旧的设计点变异然后产生新的设计点，但是相较于遗传算法以及粒子群算法等，模拟退火算法更加简单，因为它每次在搜索空间中只检查一个设计点，而遗传算法要检查一个种群[10]，而且模拟退火算法不需要考虑复杂的交叉情况，可以节约大量的空间，对于本次试验变量并不是很多的情况下采用模拟退火算法要优于遗传算法以及粒子群算法。本次模拟退火算法最大次数设置为1 000，收敛检查间隔为5，损失函数淬火相对速率为1，阈值放大倍数设为1 000，阈值幂指数设为2。图7为运行1 000次后吹胀压力(A)、吹胀时间(B)、型坯初始温度(C)以及型坯初始壁厚(D)粒子分布图。10.15925/j.cnki.issn1005-3360.2021.01.001.F007图7各因素对应的粒子分布图Fig.7Particle distribution diagram corresponding to each factor从图7可以看出，随着计算次数的不断增加，粒子逐渐趋于收敛，当进行到第741次时，此时的收敛效果最好，该点即为本次多目标优化后所获得的最佳点。通过Isight软件模拟计算结果。本次设置最大次数为1 000次，在运行到第741次时出现收敛，此时吹胀压力为0.304 MPa，吹胀时间为3.008 s，型坯初始温度为199.020 oC，型坯初始壁厚为4.998 mm，在该工艺参数条件下制件壁厚均匀性函数值的预测值为0.285×10-5 mm2。4模拟验证根据上述模拟退火算法得到的最佳工艺参数组合，通过Polyflow软件对其进行模拟验证，图8为最佳工艺参数组合下制件的壁厚分布云图。10.15925/j.cnki.issn1005-3360.2021.01.001.F008图8优化后壁厚分布云图Fig.8Distribution of wall thickness after optimization从图8可以看出，制件的壁厚比较均匀，其平均壁厚为0.004 373 24 m，将平均壁厚以及各节点壁厚带入到公式(1)中计算出制件壁厚均匀性函数值为0.291×10-5 mm2，根据模拟退火优化算法预测出的制件壁厚均匀性函数值为0.285×10-5 mm2，两者的相对偏差为2.06%，一般偏差小于5%表明该结果可靠。结果表明本次模拟可靠，可以通过该种方法来代替CAE分析，缩短分析时间。在该成型工艺条件下，制件冷却过程中温度场分布以及制件的总体翘曲变形都有了一定的改善，图9为具体的温度场分布以及翘曲变形云图。10.15925/j.cnki.issn1005-3360.2021.01.001.F009图9优化后温度场及总翘曲变形量分布云图Fig.9Distribution of temperature field and total warpage deformation after optimization从图9可以看出，制件优化后温度场分布最大温度为29.374 oC，最小温度为21.754 oC，未优化前最大温度为42.683 oC，最小温度为31.71 oC，优化后温度总体较未优化前都有了明显的改善。未优化前最大翘曲变形量为4.250 7×10-5 m，优化后最大翘曲变形量为1.700 3×10-5 m，优化后的翘曲变形量较未优化前降低了60%，表明本次优化效果较好。5生产验证根据上述优化后获得的最佳工艺参数组合，将其应用于实际的生产试模过程中。试模获得的制件总体翘曲变形有了明显的改善，成型质量得到了大大的提高。6结论(1)通过Kriging代理模型，能够精准预测制件壁厚均匀性函数值，在一定程度上可以通过该种方法来代替软件模拟过程，大大降低计算时间，提高效率。(2)通过Isight软件，利用模拟退火算法对制件成型工艺参数进行优化分析，从而获得一组最佳的工艺参数组合。(3)最佳的成型工艺参数组合为吹胀压力为0.304 MPa，吹胀时间为3.008 s，型坯初始温度为199.020 oC，型坯初始壁厚为4.998 mm，优化后制件的壁厚均匀性函数值与未优化前的相对偏差为2.06%，较未优化前相比，总体温度分布有了明显的下降，总变形量降低了60%，制件的性能得到了大大的改善。