塑料端子是蓄电池与外部导体连接的部件，目前已经被广泛应用到信号端子、电力端子、连接端子等领域。塑料端子一般采用聚丙烯(PP)材料，PP材料具有较好的耐热性能、电绝缘性和力学性能等，被广泛应用于各个领域[1]。但是由于塑料材料在成型过程受很多因素影响，容易发生翘曲变形，所以制件的翘曲变形问题还有待解决。近些年，很多学者对塑料件的翘曲变形进行研究。郭飞等[2]通过模糊规则网络模型对塑料注塑成型过程工艺参数进行优化，有效改善了制件的成型质量。廖生温等[3]通过Moldflow软件对导管接头进行模流分析，通过极差分析，得到工艺参数对导管接头体积收缩率的影响趋势和最佳工艺参数。邓然等[4]通过建立正交试验，对三相电机连接器成型工艺参数进行优化，有效降低制件的翘曲变形量。丁文敏等[5]以电器连接器为研究对象，通过正交试验分析，获得一组最佳的成型工艺参数组合，有效改善制件的成型质量。王博等[6]基于反向神经网络模型以及遗传算法对雷达罩工艺参数进行优化，验证了神经网络与遗传算法结合的准确性。路小江等[7]提出一种基于粒子群算法的多目标优化方法，实现注塑产品厚度与成型工艺参数的多目标集成优化。韩淑华等[8]改进了粒子群优化算法，结合神经网络算法构建了工艺参数预测模型，有效降低制件的翘曲变形量。刘月云等[9]通过响应面与粒子群算法相结合，对注塑件的体积收缩率进行研究，显著降低塑件体积收缩率。本实验以PLC控制器塑料端子为研究对象，所用材料为PP，通过注塑成型工艺，以模具温度、保压压力、熔体温度以及冷却时间为试验变量，以制件的体积收缩率和翘曲变形量为优化目标，通过最优拉丁超立方获取试验样本，根据样本建立克里金(Kriging)代理模型，结合多目标粒子群算法对制件收缩率以及翘曲变形量进行研究，从而获得最佳的成型工艺参数组合。1模拟仿真1.1建立模型图1为PLC控制器塑料端子制件的模型及尺寸。从图1可以看出，该模型长度为15 mm，宽度为9 mm，高度为14 mm。10.15925/j.cnki.issn1005-3360.2023.05.021.F001图1PLC控制器塑料端子制件的模型及尺寸Fig.1The model and size of plastic terminal parts of PLC controller1.2网格划分通过UG NX 10.0建立塑料端子模型，导入Moldflow模流分析软件中，采用双层面网格划分，图2为塑料端子网格划分。本次划分网格总数为16 083，单个网格长度为0.5 mm。网格的最大纵横比为9.87，平均纵横比为1.67，最大纵横比小于20，网格匹配率为93.6%，其中最大纵横比小于20，平均纵横比小于3，网格匹配率大于90%表示满足要求。10.15925/j.cnki.issn1005-3360.2023.05.021.F002图2塑料端子网格划分Fig.2Grid division of plastic terminal1.3初步模流分析根据技术经验，由于模具温度、熔体温度、保压压力以及冷却时间对制件成型影响较大，以这4个因素为研究变量。一般来说，模具温度要适中，过低会导致填充不足，过高则导致黏模。升高熔体温度有利于增加熔体流动性，但温度过高导致热降解等缺陷。保压时间过长会浪费原料，过短则造成浇口未完全凝固。冷却时间越短，体积收缩机会越大，翘曲变形也越大。表1为PP成型工艺参数。10.15925/j.cnki.issn1005-3360.2023.05.021.T001表1PP成型工艺参数Tab.1PP molding process parameters工艺参数数值模具温度/℃40~80注射压力/MPa70~120保压压力/MPa50~60保压时间/s20~60冷却时间/s15~50熔体温度/℃170~220初步模拟参数为：模具温度60 ℃、熔体温度210 ℃、保压压力50 MPa、冷却时间30 s。图3为塑料端子体积收缩率及翘曲变形初步模拟结果。10.15925/j.cnki.issn1005-3360.2023.05.021.F003图3塑料端子体积收缩率及翘曲变形量初步模拟结果Fig.3Preliminary simulation results of volume shrinkage rate and warpage deformation of plastic terminals从图3可以看出，塑料端子的最大体积收缩率为18.01%，最大翘曲变形量为0.312 7 mm。其中体积收缩率越小越好，收缩不均也会间接导致制件的翘曲变形量增大，从而导致制件成型质量变差，所以根据初步模拟结果可以看出，制件体积收缩率以及制件的翘曲变形量还存在一定的提升空间。一般对于端子类注塑制件其翘曲变形量要小于0.3 mm，但是制件的初步模拟结果大于0.3 mm，不符合实际的生产需要，因此需要对其进行优化。2最优拉丁超立方试验设计最优拉丁超立方是在传统拉丁超立方的基础上进行的改进方法，由于传统的拉丁超立方法取样是在一定空间内随机取样，会降低试验的准确性，最优拉丁超立方克服了此缺点，使得所有的点尽可能均匀分布在空间内，具有优良的空间填充性和均衡性[10-13]。塑料制件的翘曲变形主要是由于制件的冷却不均，从而导致制件体积收缩不均。通过设计最优拉丁超立方试验，以模具温度(A)、熔体温度(B)、保压压力(C)以及冷却时间(D)为变量，以制件的体积收缩率以及翘曲变形量为优化目标，进行正交试验。表2为因素水平设计。表3为最优拉丁超立方试验样本。10.15925/j.cnki.issn1005-3360.2023.05.021.T002表2因素水平设计Tab.2Factor 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）/s15020040202602105030370220604010.15925/j.cnki.issn1005-3360.2023.05.021.T003表3最优拉丁超立方试验样本Tab.3Optimal Latin hypercube test samples试验编号因素体积收缩率（R1）/%翘曲变形量（R2）/mmABCD154.29215.7141.4331.4318.560.3059251.43201.4352.8627.1418.030.3129362.86204.2957.1421.4319.110.3484458.57208.5760.0035.7117.540.3106570.00212.8655.7132.8617.960.2958664.29200.0050.0034.2918.450.3419755.71211.4347.1420.0018.870.3201868.57205.7144.2922.8619.030.2943960.00220.0051.4337.1419.120.30861052.86207.1448.5740.0018.240.31421165.71210.0042.8638.5717.880.32051250.00214.2954.2930.0018.050.29861367.14218.5745.7125.7118.460.30101457.14202.8640.0028.5717.920.31271561.43217.1458.5724.2918.080.31563建立代理模型和MOPSO多目标优化最优拉丁超立方试验需要满足的计算公式为：Y¯(x0)=∑i=1Nλiy(xi) （1）通过式（1）计算得到未响应的目标值。其中λi为待定加权系数，该系数是Kriging插值的关键。对样本数量也有一定要求，至少是2n+1个，其中n为变量个数。本文的变量个数n为4，所以至少要9组样本数量，采取15组样本数量，满足取样要求。通过代理模型，可以有效缩短CAE分析时间，从而提高工作效率。Kriging代理模型所得到的制件体积收缩率以及翘曲变形量的可决系数分别为0.924 3和0.917 4，可决系数越接近1表明代理模型越准确，本次模型结果接近1，表明结果较准确。表4为塑料端子代理模型模拟值与预测值结果。10.15925/j.cnki.issn1005-3360.2023.05.021.T004表4塑料端子代理模型模拟值和预测值Tab.4Simulation value and predicted value of the plastic terminal agent model试验编号因素模拟值预测值ABCDR1/%R2/mmR1/%R2/mm155.71211.4347.142018.870.320118.510.3123254.29215.7141.4331.4318.560.305918.420.3156365.71210.0042.8638.5717.880.320518.020.3145450.00214.2954.2930.0018.050.298618.220.3027564.29200.0050.0034.2918.450.341918.120.3438652.86207.1448.5740.0018.240.314218.030.3169757.14202.8640.0028.5717.920.312717.950.3123860.00220.0051.4337.1419.120.308619.170.3036968.57205.7144.2922.8619.030.294318.970.30661051.43201.4352.8627.1418.030.312918.100.32121161.43217.1458.5724.2918.080.315618.240.31371262.86204.2957.1421.4319.110.348419.080.34261358.57208.5760.0035.7117.540.310617.750.31281467.14218.5745.7125.7118.460.301018.290.31441570.00212.8655.7132.8617.960.295817.850.3023粒子群算法(PSO)与遗传算法有相似之处，均通过众群随机初始化，根据适应值进行复制，如果满足条件则停止，否则继续进行计算，直至最终满足条件[14-17]。但是传统粒子群算法存在一定的缺陷，不能够应用于多目标上，从而导致结果存在一定的误差，多目标粒子群算法(MOPSO)是在传统粒子群的基础上发展的，由于其具有简单、容易实现等优点逐渐取代了传统的粒子群算法[18-21]。通过MOPSO算法进行迭代计算，迭代次数为100次，粒子个数为10，全局增量为0.9，图4为因素迭代1 000次相关性分析。从图4可以看出，保压压力以及熔体温度对于体积收缩率的影响呈现正相关，模具温度以及冷却时间呈现负相关。对制件体积收缩率的影响依次为：熔体温度冷却时间模具温度保压压力。熔体温度、冷却时间、模具温度以及保压压力对制件的翘曲变形量均呈现负相关，对制件翘曲变形量影响依次为：保压压力熔体温度冷却时间模具温度。图5为最终的模拟结果。从图5可以看出，当迭代到第433次时，体积收缩率以及制件的翘曲变形量最小，分别为17.40%和0.268 0 mm，此时的制件保压压力为55.18 MPa，冷却时间为32.91 s，模具温度为50 ℃，熔体温度为208.48 ℃。考虑到实际情况，最终保留整数为保压压力55 MPa，冷却时间为33 s，模具温度为50 ℃，熔体温度为208 ℃。10.15925/j.cnki.issn1005-3360.2023.05.021.F004图4相关性分析Fig.4Correlation analysis10.15925/j.cnki.issn1005-3360.2023.05.021.F005图5最终模拟结果Fig.5Final simulation results4模拟验证在保压压力55 MPa，冷却时间为33 s，模具温度为50 ℃，熔体温度为208 ℃条件下进行模拟验证。图6为优化后塑料端子成型模拟。从图6可以看出，经过优化后制件的体积收缩率为17.44%，翘曲变形量为0.268 4 mm，未优化前制件的体积收缩率为18.01%，最大翘曲变形量为0.312 7 mm，分别减小了0.57%以及0.044 3 mm。10.15925/j.cnki.issn1005-3360.2023.05.021.F006图6优化后模拟验证Fig.6Optimized simulation verification5结论（1）通过设计样本试验，结合代理模型以及采取相应的优化算法能够有效降低制件的收缩率以及翘曲变形量，对后续其他塑料制件工艺优化具有一定的指导意义。（2）通过MOPSO算法对代理模型进行多目标寻优，结果表明：制件保压压力55 MPa，冷却时间为33 s，模具温度为50 ℃，熔体温度为208 ℃，此时制件的体积收缩率以及翘曲变形量最小，制件的成型质量最好，较未优化前体积收缩率以及制件翘曲变形量分别减小了0.57%以及0.044 3 mm。