三维注塑成型的数值模拟与预测优化研究

Injection molding is one of the most widely employed methods in polymer processing. Since polymer melt usually have complex thermorheological properties in polymer processing, and processing parameters have a significant impact on product properties, so it is of great theoretical and realistic significance to study numerically the injection molding and corresponding physical phenomena in injection molding. In this project, firstly the viscoelastic flow model will be established to describe polymer melt flows and the Level Set method is employed to trace the moving interfaces in filling stage of the three dimensional injection molding. Secondly, the three dimensional weldlines in injection molding process are dynamically traced, and the effects of processing parameters on the weldlines and their positions are researched. Lastly, weldlines optimization is implemented by using artificial intelligence optimization algorithm based on processing parameters.

注塑成型是聚合物加工成型的主要方式之一。在成型过程中，聚合物熔体发生了复杂的热流变行为，成型的工艺参数对制品性能有显著影响。因此，研究注塑成型过程及相应的物理现象具有重要的理论和实际意义。本项目首先建立描述聚合物熔体流动的三维粘弹性模型，并运用Level Set方法追踪熔体前沿界面，对三维注塑成型充填过程进行数值模拟研究；其次，对注塑成型中的三维熔接痕进行动态追踪和显示，并讨论工艺参数对熔接痕形成及其位置的影响；最后，基于注塑成型加工工艺参数，运用人工智能优化算法对熔接痕的形态及产生位置进行预测优化研究。

注塑成型是聚合物加工成型的主要方式之一。在成型过程中，聚合物熔体发生了复杂的热流变行为，成型的工艺参数对制品性能有显著影响。因此，研究注塑成型过程及相应的物理现象具有重要的理论和实际意义。在研究过程中，提出了一种改进多目标粒子群优化(IMOPSO)算法，并用于优化注塑成型过程中的熔接痕长度和性能。首先，基于成型工艺参数建立了熔接痕多目标优化模型，同时提出了改进混合神经网络(HNN)作为预测熔接痕长度和性能的代理模型。其中，通过Taguchi方法设计实验，采用Moldflow软件得到了训练改进HNN的样本。随后，基于Pareto占优理论，提出了一种IMOPSO算法，并通过算例验证了其在多目标优化问题中的有效性。最后，采用IMOPSO算法对注塑制品的熔接痕长度和性能进行优化，并将结果和其它优化结果进行比较，最终得到了熔接痕长度和性能都优化的工艺参数。结果表明，IMOPSO算法能有效地改善注塑制品的熔接痕质量。