随着现代制造技术的不断发展,塑料工业成为现代化工业的重要新兴行业之一。在日常生活中,由于质轻、产量大、成本低和精度高等特点,塑料制品被广泛应用于包装工业、医疗卫生、汽车和日常生活等领域[1-3]。甚至在很多方面,金属制品已经逐渐被塑料制品所取代[4-5]。现今,注塑成型技术逐渐趋向成熟,已成为制造塑料制品的主要手段之一。同时,对注塑件成型质量的研究也受到广泛关注。一方面,在模具设计中,浇注系统、冷却系统和模具结构等因素设计不当会导致塑料制品产生收缩、翘曲和飞边等缺陷,甚至会出现报废情况。经过长时间的积淀和发展,模具设计体系趋于完善,极大地改善了塑料制品的成型质量。另一方面,在注塑成型过程中,压力、时间和温度等注塑工艺相对复杂,如果设置不当,同样会直接影响塑料制品的质量和生产制造成本[6]。传统的工艺参数确定方法往往是依靠设计人员的经验,通过反复调试和修改才能满足塑料制品的质量和功能要求,不仅导致模具设计的制造周期加长、成本提高,而且降低了产品的开发效率。由于各工艺参数与质量目标间存在非线性映射关系,并且工艺参数彼此之间可能存在制约和影响关系,仅仅依靠设计人员的经验很难获得最优的成型工艺方法。因此,注塑工艺参数的优化成为注塑件成型质量研究的重点。本研究综述了近年来塑料制品注塑参数优化所采用的研究方法,总结了注塑工艺参数优化研究的发展趋势。1注塑工艺参数优化研究现状随着计算机技术的飞速发展,计算机辅助工程(CAE)数值模拟仿真技术被应用于注塑模具中。通过有限单元法建立动态模型,并对其注塑成型过程计算求解来预测塑料制品存在的缺陷。以数值模拟过程来代替实际生产试模,可更加高效地进行模具设计,很大程度上减少了模具生产成本和产品制造周期。注塑工艺参数优化流程中,首先基于CAE仿真软件模拟注塑制品的成型过程,分析其冷却、流动和翘曲过程参数,从而预测制品缺陷。根据试验目标和影响因素,选择合理的试验方法来设计试验方案。其次,通过建立工艺参数与质量目标间的非线性模型得到两者之间的非线性函数、非线性映射关系。通过对注塑工艺参数进行优化得到数学优化模型的最优解,再运用到生产实践当中。现从研究方向、试验影响因素、试验设计方法、数学建模以及优化目标等5个方面,综合介绍国内外学者针对注塑工艺参数优化问题所做的研究。1.1研究方向在注塑成型过程中,由于塑料制品的材料特性和结构的差异,各类塑料制品的缺陷往往存在一定的相似程度。近年来,研究人员的研究方向不再局限于对某个行业所应用的塑料制品的研究,而是针对某一类塑料制品所存在的共性缺陷进行研究,为同类塑料制品的质量研究提供了可行性研究思路。薄壁零件注塑成型具有高剪切应力的熔体流动的特点,影响成型制品的收缩和翘曲。针对注塑工艺参数对薄壁塑料制品尺寸精度的影响,Masato等[7]研究了影响塑料制品收缩率的主要注塑工艺因素和较高收缩率形成的原因。针对薄壁塑料制品中最严重的翘曲缺陷,Zhang等[8]提出基于误差反向传播神经网络(BPNN)和粒子群优化(PSO)方法对薄壁制品注塑工艺参数进行优化,得到工艺参数与翘曲质量目标之间非线性的函数关系。对于每种注塑方式,其成型过程复杂且受到诸多因素影响,生产的塑料制品呈现不同的特征。由于双色注塑是两种材料依顺序进行注塑成型,两种材料在发生一些物理化学作用后会影响制品的外观质量。石晓慧等[9]以缩痕指数和顶出时的体积收缩率为试验指标,采用正交试验和极差分析得到双色前壳的最佳工艺参数组合。由于增加了注气压力、注气时间和气体延时时间等工艺参数,气体辅助注塑成型的工艺过程更加复杂,可能产生“气指”“气体吹穿”等新的缺陷。刘向阳等[10]基于“满射”气体辅助注塑方式,利用正交试验中的极差分析、方差分析和综合评分法,研究了模具温度、熔体温度、气体延迟时间、注气压力和注气时间等工艺参数对塑件气体穿透长度以及最大气指指幅的影响,并得到了较优的工艺参数组合。此外,对不同塑料材料的注塑工艺参数的选择各不相同,并且各工艺参数对制品成型质量也有较大区别。例如,玻璃纤维增强塑料是一种耐水解、强度高、特殊热稳定性和力学性能优良等特点的复合型材料。然而,由于加入玻璃纤维,在注塑成型过程中会沿流动方向取向,引起力学性能和收缩率在取向方向上增强,常出现浇铸不足和翘曲变形等缺陷,降低了塑件的成型质量。Hwang等[11]以玻璃纤维增强复合材料的散热器水箱为例,研究了注塑工艺参数与翘曲变形量之间的映射联系,得到最佳的工艺参数组合。Heidaria等[12]研究了纳米羟基磷灰石增强超高分子量聚乙烯材料的注塑成型参数的优化,最大限度地减小了作为髋关节假体重要组成部分的髋关节衬垫的收缩和翘曲。1.2试验影响因素设计参数和质量目标是注塑参数优化问题的研究对象。大量研究表明,在注塑成型过程中表征塑料制品整体质量的三个重要指标分别为翘曲变形量、体积收缩率和短射,并且常见的影响塑料制品质量的注塑工艺参数包括模具温度、注射时间、注射压力、熔体温度和保压压力等参数[13-14]。然而,除了成型工艺,材料和模具设计也是影响塑料制品成型质量的重要因素。近年来,国内外研究人员不仅选择常见的工艺参数作为自变量,还依靠自身经验、塑料制品的材料特性和模具的浇注系统来确定质量目标和影响质量的因素。Li等[15-16]研究纤维增强的复合材料的质量缺陷时考虑了纤维对于塑料制品翘曲和收缩的影响,从而选择的影响因素除了注塑工艺参数外,还有纤维含量和纤维长径比。为了研究超声注塑成型制造的塑料制品的拉伸强度,Xavier等[17]考虑将模具温度、石墨含量、柱塞速度分布以及超声波激活这4个因素作为试验因素,并找出各因素对拉伸强度的影响程度。Guo等[18]基于微孔发泡材料特性对翘曲的影响,另选取冷却剂雷诺数、冷却剂温度、初始发泡体积、初始气泡半径和初始气体浓度作为设计参数。Moayyedian等[19]考虑到浇口设计对塑料制品成型质量的影响,选取浇口类型、注射时间、冷却时间、保压时间和熔体温度作为设计变量。Li等[20]考虑注塑凝料的处理方式,将一级和二级分流道的直径纳入研究的参数内,并将浇注系统的体积作为质量目标,为减少注塑材料的浪费提供了研究思路。1.3试验设计方法在研究工艺参数和质量目标的函数关系之前,需要采取合理的试验方法得到试验的样本和结果。研究人员采取了多种试验设计方法,比如正交试验、中心复合设计(CCD)试验、Box-Behnken(BBD)试验和抽样等方法。正交试验是研究多因素多水平的一种常用试验设计方法,具有“均匀分散、整齐可比”的特点。Sateesh等[21]采用正交试验方法对3个工艺参数设计了9组试验。Moayyedian等[6]针对注塑件翘曲、短射和收缩问题,采用混合正交试验设计方法对5个工艺参数设计了18组试验。Bensingh等[22]采用正交试验方法对7个工艺参数设计了44组试验。相比于正交试验,CCD试验和BBD试验的试验精度高,但相应的试验次数也比较多。Farotti等[23]选用CCD试验方法对4个工艺参数设计了25组试验。Heidari等[24]选用CCD方法对6个工艺参数设计了45组试验。Kim等[25]采用BBD试验设计方法对3个工艺参数设计了15组试验。为获得更多的数据样本进行函数拟合,Guo等[18]通过考虑微孔发泡材料特性对翘曲的影响选择9个设计变量,并使用拉丁超立方抽样(LHS)方法设计了488组试验。在设计过程中,试验方法和考虑的因素水平的选取都会影响试验的次数。在同种试验方法下,试验次数随着考虑的因素数目的增加而增加。为了试验的准确性,在设计试验时也不能为了减少试验次数而忽略某些影响因素。因此,一些研究者采用了两次试验设计。基于熔体温度、注射压力和保压压力等8个工艺参数,Tsai等[26]第一次试验采用正交试验方法进行了18组试验。根据方差分析的结果筛选出4个显著性影响因素,并且在第二次试验中采用全因子试验方法设计了81组试验。Li等[20]采用L25(56)正交表设计试验。根据方差分析和极差分析结果,确定了显著性影响因素并调整了各工艺参数的范围。在第二次试验阶段中,采用LHS方法设计了10组试验。Tian等[27]同样采用两次试验设计。与将第一次试验用于筛选不同的是,仅利用信噪比(S/N)比率法和方差分析对工艺参数的范围进行调整,再进行第二次试验。结果表明,得到的试验样本为多元回归模型分析奠定了基础。1.4数学建模基于正交试验和极差分析的数据处理方法是传统意义上的注塑工艺参数优化方法,能在一定程度上有效优化注塑工艺参数和提高产品质量[28]。根据统计学思想从离散变量的趋势中找出各因素水平的最优工艺参数组合方案,但并不一定是全局最优化的工艺参数。因此,考虑到工艺参数变量与质量目标之间存在某种非线性的映射关系,越来越多的数学模型被广泛研究。响应面法(RSM)作为传统的多元回归模型,由于其应用简单和技术成熟的特点被广泛应用。为了研究α核聚丙烯的拉伸性能,Rizvi等[29]采用CCD和RSM方法得到了拉伸性能与注塑工艺参数变量之间的有用的定量关系。为了使注塑零件的翘曲最小化,Sudsawat等[30]采用的技术有正交试验、RSM、萤火虫算法(FA)和退火处理工艺,有效地提高了注塑零件的质量。马晓东等[31]以某一电工仪表外壳的残余应力和体积收缩率为试验目标,采用CCD方法进行试验设计,并根据建立的二阶响应面回归模型对各参数进行最优组合分析,从而得到残余应力和体积收缩率为最小的工艺参数组合。Heidari等[24]采用基于CCD和RSM的方法对纳米复合材料PLA骨螺钉进行研究,通过应用期望函数最大化的方法优化得到最佳工艺参数,有效减小了该塑料制品的翘曲和收缩。由于其拟和被限制在二次多项式的基础上,RSM方法对于某些模型的拟合效果并不理想。然而,神经网络具有较强的自适应学习能力和非线性映射能力,能更好地构建复杂关系的非线性模型,所以神经网络模型被频繁应用于构建注塑工艺参数与质量目标间的拟合模型。黄海跃等[32]利用均匀试验所得的数据样本建立径向基函数(RBF)神经网络模型,得到注塑工艺参数与塑件翘曲变形量之间的非线性映射关系,再结合遗传算法(GA)对工艺参数优化并获得最佳的工艺参数组合。Tsai等[26]应用田口设计方法筛选出对镜片形状精度影响最重要的注塑参数,并使用一种人工神经网络(ANN)和GA的反演模型有效提高了制品的形状精度。Li等[15]提出了结合误差反向传播神经网络(BPNN)和GA的方法来优化纤维增强复合材料的注塑成型工艺。结果表明,这种组合方法是一种优化纤维增强复合材料翘曲的有效方法。由于超参数的随机性,会影响神经网络模型在收敛速度、稳健性以及计算精度等方面的性能。因此,大多数的研究都采用了一种或多种算法来优化神经网络模型的超参数。Guo等[18]通过有限元分析(FE)获得训练的样本值和输出值,用BPNN,基于遗传算法优化的误差反向传播神经网络(GA-BPNN)和基于粒子群算法优化的误差反向传播神经网络(PSO-BPNN)作为翘曲的预测模型并比较三种方法的预测效果。结果表明,相比于其他两种预测模型,PSO-BPNN对微孔泡沫材料翘曲预测的精度较高。Wang等[33]采用PSO-BPNN模型开发了一种适用于塑料注塑件报价估算的神经网络框架,可以应用于复杂的现实工程问题。Song等[34]结合支持向量机(SVM)与GA-BPNN方法,建立了预测翘曲和体积收缩的预测模型。数值模拟结果表明,该方法有效提高了塑件质量。1.5优化目标在每个塑料制品注塑成型的过程中,或多或少会同时存在多种质量缺陷。因此,在注塑工艺参数优化研究中,优化目标不再单一,由单目标转向多目标。从研究层次来看,这项多目标优化工作可分为两个方面。(1)将多目标问题转换为单目标问题,常用的研究方法有灰色关联分析、逼近理想解的排序法(TOPSIS)、熵权法和模糊加权综合评分法等方法。朱俊杰等[35]以某汽车内置储物盒为研究实例,选取翘曲变形量和缩痕指数为优化指标,通过正交试验的极差分析,分别获得翘曲变形和缩痕指数达到最小的最优工艺参数组合,再结合灰色关联分析法,将多目标优化转化为单目标优化问题,获得兼顾两目标的最优工艺参数组合。Sreedharan等[36]以某空调窗口上的透明塑件为研究对象,选取熔接痕宽度和凹痕深度为优化目标,设计正交试验并进行稳健性设计,得到质量目标的信噪比,再结合灰色关联分析法和方差分析,将多目标优化转化为单目标优化问题,得到最佳工艺参数组合。郝彦琴等[37]以机箱壳为研究对象,选取体积收缩率、平均体积收缩率、缩痕指数和翘曲变形量为试验指标,采用正交试验方法和CAE仿真获得数据样本,采用模糊加权综合评分将多目标问题转化为单目标优化,再建立BP神经网络模型,采用GA进行全局寻优得到最优的工艺参数组合。Moayyedian等[19]提出一种注塑成型多目标优化的有效方法。采用正交试验、模糊层次分析法(FAHP)与TOPSIS相结合的方法,研究和优化塑料制品短射、收缩和翘曲,最终提高了产品的注塑成型质量。Singh等[38]以翘曲变形和循环时间为试验指标,结合正交试验方法和满意度函数杂交方法对薄壁塑料制品进行多目标优化。基于正交试验,将试验样本结果转化为信噪比,再建立和分析满意度函数,得到工艺参数的最佳组合。(2)从多目标角度考虑,各个目标之间相互制约,可能使得一个目标性能的改善往往以损失其他目标性能为代价。因此,在多目标优化问题中,其解通常为一个非劣解的集合,即Pareto解集。Kitayama等[39]以熔接痕宽度和夹紧力为质量目标,利用RBF神经网络建立了其与注塑参数之间的非线性函数模型,再采用序列近似优化(SAO)方法求解多目标优化问题的Pareto最优解。为综合研究注塑成型产品的质量、长度偏差、翘曲变形和能源效率,Tian等[27]采用两次正交试验设计来确定建立数学模型所需的数据样本,再通过构造多元回归响应面模型,并结合非支配排序遗传算法(NSGA-II)确定最优工艺参数组合,有效提高了注塑生产效率,并贯彻了绿色制造的生产理念。Feng等[40]提出一种基于混合多目标优化的塑料制品注塑工艺参数优化方法。以翘曲、体积收缩率和熔接痕为优化目标,建立RBF神经网络构建拟合模型,并结合Pareto排序的多目标遗传算法(MOGA)对质量目标进行权衡,很大程度上提高了优化设计的效率和精度。Li等[16]以产品翘曲、体积收缩和残余应力为质量指标,结合正交试验、RSM模型和NSGA-II方法对玻璃纤维增强复合材料制品进行注塑成型工艺参数的多目标优化。2注塑工艺参数优化发展趋势随着计算机技术的发展和数值优化方法的应用,注塑参数的优化成为改善塑料制品质量的重要手段之一。大量的研究者致力于开发新的智能算法或采用多种现有优化算法对注塑工艺缺陷进行优化,提高了模具生产效率和制造质量。通过总结近年来研究人员的研究方法可以发现,注塑工艺参数优化研究呈现试验因素和试验方法多样化、研究方向由点及面、优化方法由单目标转多目标以及数学模型预测越来越精确等发展趋势,图1为注塑工艺参数优化发展趋势。10.15925/j.cnki.issn1005-3360.2021.02.027.F001图1注塑工艺参数优化发展趋势Fig.1The development trend of injection molding process parameter optimization3结论(1)注塑参数优化的研究方向逐渐由点至面,展开对同类塑料制品注塑工艺参数的优化研究。(2)选取的独立变量不再单一地为注塑工艺参数,开始考虑塑料制品材料特性和模具浇注系统对塑料制品质量的影响,来确定质量目标和影响质量的因素。此外,基于试验样本点的随机分布性,试验方法呈现多样化。(3)为提高模型预测能力,算法优化的数学模型被应用于注塑工艺参数优化,其中最典型的模型为神经网络模型。同时,针对塑料制品可能存在的多个缺陷,多目标优化问题被广泛关注,为塑料制品质量的研究提高了一个层次。