电子适配器是电子元件的重要组成部分之一，一般由外壳、变压器、电感、电容、控制IC、PCB板等元器件组成[1-3]。电子适配器外壳是通过注塑工艺成型制得，对电子适配器起很好的保护作用，外壳注塑成型工艺直接影响适配器的生命周期。对于类似电子元件外壳注塑成型工艺，很多学者研究其成型过程中的翘曲变形。欧紫欣等[4]对便携式硬盘外壳注塑成型工艺进行优化分析，通过正交试验有效地改善了制件的成型质量。赵安民[5]对录音机外壳注塑成型进行了研究，通过正交试验得出了一组最佳的成型工艺参数组合，有效降低了制件的翘曲变形量。汪鑫等[6]对显示器后壳注塑成型质量进行分析，结合控制变量法进行了单因素试验，得出了显示器的最佳尺寸。罗明全等[7]利用计算机模拟技术对电机外壳注塑成型工艺进行研究，通过正交试验有效地改善了制件的成型质量。薛茂远等[8]通过遗传算法优化后的学习机网络模型对某扣盖壳体的翘曲变形量进行预测，在一定程度上降低了塑件的翘曲变形量。周香等[9]通过建立Kriging代理模型，结合遗传算法对制件进行优化分析，有效降低了制件的翘曲变形量。傅建钢[10]通过Kriging代理模型和遗传算法对产品成型工艺参数进行优化，制件的翘曲变形量与收缩率得到明显的改善。季宁等[11]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，通过MOPSO算法对其进行多目标优化，得到了最佳的成型工艺参数，为工程实践提供参考。本实验以电子适配器外壳为研究对象，采用丙烯腈-丁二烯-苯乙烯(ABS)材料，通过Kriging代理模型替代模流分析，通过多目标遗传算法进行工艺参数优化，以制件的翘曲变形量最小为目标，得到最佳的成型工艺参数组合。1仿真部分1.1适配器建模在UG 10.0中建立电子适配器3D模型，图1为电子适配器3D模型。该制件采用ABS塑料，其具有冲击强度好、尺寸稳定、耐磨性能优良等特性[12-14]。10.15925/j.cnki.issn1005-3360.2023.05.019.F001图1电子适配器3D模型Fig.1Electronic adaptor 3D model1.2网格划分将电子适配器3D模型导入Moldflow中进行模流分析，对其进行网格划分，图2为网格划分结果。10.15925/j.cnki.issn1005-3360.2023.05.019.F002图2网格划分Fig.2Grid division总的网格数量为66 880，单个网格长度为2 mm。网格的最大纵横比为15.61，小于20，平均纵横比为1.51，小于3满足要求，网格匹配率为96.7%，大于90%，满足模流分析要求。1.3初始翘曲变形分析对电子适配器进行初步模拟分析，电子适配器在注塑成型过程中的影响因素较多，模具温度、熔体温度、保压压力以及冷却时间等因素对制件的翘曲变形影响比较显著，主要选取这4个因素为研究对象。当模具温度过高时会导致注塑件粘模，过低时导致注塑填充不足，因此模具温度选择50~70 ℃。熔体温度升高有利于熔体的流动性，利于制件成型，但是温度过高则导致材料发生分解，过低则导致填充不足，因此熔体温度设置220~250 ℃。对于保压压力，压力过大可能导致炸模，可设置100~140 MPa。对于冷却时间，时间越短，体积收缩机会越大，翘曲变形也越大，可设置15~30 s。表1为ABS工艺参数。10.15925/j.cnki.issn1005-3360.2023.05.019.T001表1ABS工艺参数Tab.1ABS process parameters参数数值模具温度/℃50~70注射压力/MPa70~90保压压力/MPa100~140保压时间/s15~30冷却时间/s15~30熔体温度/℃220~250当模具温度为40 ℃、熔体温度为240 ℃、保压压力为110 MPa、冷却时间为20 s时，进行初始分析。图3为初步分析模拟结果。从图3可以看出，制件的最大翘曲变形量为3.410 mm，一般实际生产要求最大翘曲变形量小于3 mm，制件翘曲变形量不符合要求，因此需要对其进行优化，降低其翘曲变形量。10.15925/j.cnki.issn1005-3360.2023.05.019.F003图3初步分析模拟Fig.3Preliminary analysis simulation2基于Isight多目标优化Isight软件是一个强大的计算机辅助优化软件，其集成了多种优化模型以及优化方法，已经被广泛应用到电子、汽车、航空航天等领域[15-17]。通过Isight软件进行多目标优化试验，先通过DOE试验设计，采取合适的试验样本，再选用合适的代理模型替代CAE分析，最终通过多目标遗传算法对制件的翘曲变形量进行优化，得到一组最佳的成型工艺参数。2.1设计变量及确定优化目标拉丁超立方抽样法是在传统的拉丁方抽样方法上进行的一种改进方法，改善传统拉丁方抽样每个点只能研究一次，不具有重复性等缺陷，样本能够均匀地分布在空间中，使得选取的样本具有充分的随机性，抽样结果更加准确，具有非常好的空间填充性和均衡性[18-21]。以模具温度(A)、熔体温度(B)、保压压力(C)以及冷却时间(D)为设计变量，以制件的翘曲变形量为响应目标。表2为因素水平设计。10.15925/j.cnki.issn1005-3360.2023.05.019.T002表2因素水平设计Tab.2Factors and level design水平因素模具温度（A）/℃熔体温度（B）/℃保压压力（C）/MPa冷却时间（D）/s下限5022010015上限7024013025根据因素水平抽取样本，本次随机抽取了10组数据作为研究对象，通过Moldflow软件对这10组样本数进行分析，表3为最优拉丁超立方样本及目标结果。10.15925/j.cnki.issn1005-3360.2023.05.019.T003表3最优拉丁超立方样本及目标结果Tab.3Optimal Latin hypercube samples and target results序号因素翘曲变形量（R）/mmABCD158.890228.890100.00038.8893.458256.670220.000106.670122.2203.521365.560231.110116.670150.0003.409452.220235.560103.330136.1103.135554.440237.780126.670108.3332.996667.780240.000110.00080.5562.985770.000224.440113.33066.6673.327861.110222.220130.00094.4443.286950.000226.670120.00052.7783.4521063.330233.330123.33025.0002.9982.2Kriging代理模型Kriging代理模型可以用来替代试验次数较多所需要的CAE模拟次数，明显提高效率，节约大量的时间。一般需样本数量最少为2n+1个，n为变量个数，本文变量n为4，至少需要9组样本数，根据最优拉丁超立方抽取了10组样本数，满足条件。表4为代理模型预测值。10.15925/j.cnki.issn1005-3360.2023.05.019.T004表4代理模型预测值Tab.4The surrogate model predicted value序号因素预测值/mmABCD154.440237.780126.670108.3332.951256.670220.000106.670122.2203.616370.000224.440113.33066.6673.235461.110222.220130.00094.4443.263565.560231.110116.670150.0003.053667.780240.000110.00080.5562.888750.000226.670120.00052.7783.361852.220235.560103.330136.1103.181958.890228.890100.00038.8893.4501063.330233.330123.33025.0003.116图4为根据预测值和实际模拟值的拟合曲线。从图4可以看出，所有的散点动态分布在直线的两侧，基本呈现一条直线，表明拟合效果较好，预测值可以很好地替代实际模拟值。10.15925/j.cnki.issn1005-3360.2023.05.019.F004图4实际值与预测值拟合曲线Fig.4Fittting curve of the actual and predicted value一般拟合精度通过可决系数R2决定，R20.9表明精度较高，效果较好。本次实验的R2为0.911 29，表明通过代理模型可以替代CAE分析。3遗传算法优化分析遗传算法是模拟生物自然环境遗传和进化的一种自适应全局优化的概率搜索方法。遗传算法涉及的操作参数包括：群体规模、遗传算子、交叉概率、变异概率等。图5为通过遗传算法得到的各因素相关性系数。相关性系数越大，对制件的翘曲变形量影响也越大。从图5可以看出，相关性系数依次为：模具温度熔体温度保压压力冷却时间，其中熔体温度与翘曲变形量呈现负相关，其余因素均呈现正相关。10.15925/j.cnki.issn1005-3360.2023.05.019.F005图5各因素相关性系数Fig.5Correlation coefficient of each factor图6为各因素的粒子分布。从图6可以看出，随着迭代次数的不断增加，粒子先收敛后发散，当迭代到第69次时，达到收敛的临界值，此时各因素所得到的制件翘曲变形量最小，该条件下制件的成型质量最好，该点即为本次多目标优化后所获得的最佳点。图6各因素的粒子分布Fig.6Particle distribution of each factor10.15925/j.cnki.issn1005-3360.2023.05.019.F6a1(b)熔体温度10.15925/j.cnki.issn1005-3360.2023.05.019.F6a2(c)保压压力10.15925/j.cnki.issn1005-3360.2023.05.019.F6a3(d)冷却时间图7模拟结果Fig.7Simulation results10.15925/j.cnki.issn1005-3360.2023.05.019.F7a1(a)模具温度图7为模拟结果。从图7可以看出，当迭代到第69次时出现收敛，此时模具温度为50.759 ℃，熔体温度为220.194 ℃，保压压力为101.094 MPa，冷却时间为15.183 s，在该工艺参数条件下制件翘曲变形量最小为2.213 mm。由于实际生产限制，所有结果取整，即模具温度为51 ℃，熔体温度为220 ℃，保压压力为101 MPa，冷却时间为15 s时，此时制件的翘曲变形量最小为2.213 mm，有效改善了制件的成型质量。10.15925/j.cnki.issn1005-3360.2023.05.019.F7a24模拟验证根据上述遗传算法优化所得到的最佳成型工艺参数组合，通过Moldflow软件对其进行模流分析模拟验证，图8为最佳工艺参数组合下制件的翘曲变形云图。从图8可以看出，经过优化后制件的翘曲变形量为2.189 mm，与预测值翘曲变形量2.213 mm较为接近，两者误差为1.08%，较未优化前相比降低了1.221 mm，表明通过遗传算法优化后的制件翘曲变形量得到明显改善，制件的整体成型质量得到提升。10.15925/j.cnki.issn1005-3360.2023.05.019.F008图8优化后翘曲变形分布Fig.8Optimized warpage deformation distribution5结论（1）利用Kriging代理模型所得到的预测值可以替代大量的CAE分析过程，有效地节约了整个分析时间，提高了分析效率。（2）通过Isight软件，利用多目标遗传算法对制件成型工艺参数进行优化分析，能够有效地获得一组最佳的成型工艺参数，试验结果较为准确。（3）最佳的成型工艺参数组合为模具温度为51 ℃，熔体温度为220 ℃，保压压力为101 MPa，冷却时间为15 s时，翘曲变形量为2.189 mm，优化后制件的翘曲变形量与预测值误差为1.08%，较未优化前相比降低了1.221 mm，制件的翘曲变形量明显下降，制件的性能得到改善。