模拟和优化Short-Fiber-Reinforced复合短纤维圆周方向的溢出水辅助注射模制管

文摘

水辅助注射模制管的机械性能可以提高短纤维增强的圆周方向(SFCO)。因此,通过实验验证了数值方法用于模拟SFCO分布溢出水辅助注塑(OWAIM),与短纤维取向的机理进行了分析。的影响参数(充填时间、熔体温度、模具温度、延迟时间、水压力、水和温度)对SFCO探索范围分析和方差分析的正交实验方案。此外,人工神经网络(ANN)和遗传算法(GA)用于模型和优化工艺参数。结果表明,熔体温度、延迟时间和水压力主要参数。SFCO随进化的熔化温度和水压力的增加,而延迟时间的变化相反。最大的价值SFCO张量0.234 GA优化得到的发现。

1。介绍

注塑过程的主要用于生产塑料制品(1,2]。水辅助注塑(WAIM),类似于气辅注塑(GAIM),填补了高温融化之后,注入高压水经过短暂的延迟时间与空心通道最后形成一个塑料零件。由于不可压缩性,高导热系数、高的热容中水,WAIM具有薄残余壁厚的特点(RWT)和高生产效率,具有明显的技术优势在制备空心形状的塑料零件。目前的研究主要集中在影响因素(如工艺参数和材料属性)在主要的渗透,二次渗透,和RWT塑料部件的分布3- - - - - -6]。

Short-fiber-reinforced复合材料(10)可以有效地提高水辅助注塑件的机械性能(7]。刘等人。8)用短纤增强聚丙烯为原料水辅助注塑不足(SWAIM)。结果表明,短纤维在面向RWT主要沿着熔体流动方向。与此同时,poly-butylene-terephthalate复合材料含15%玻璃纤维的方向已经被刘研究et al。9]。他们发现模具表面附近的短纤维排列主要是沿着熔体流动方向,而方向逐渐降低了随着厚度的增加。为了进一步探索短纤维的取向分布特征在SWAIM,黄等。10]提出短纤维取向的熔体流动方向高压水入口附近的截面与增加厚度逐渐减少。

配筋的力学性能是短纤维的取向密切相关,和加固效果主要是由短纤维排列方向控制(11- - - - - -13]。实验研究表明,RWT的短纤维WAIM沿轴向方向主要面向和弱的周向和径向方向。这意味着部分在圆周方向上的力学性能远远低于轴向方向。为了提高压力阻力、摩擦阻力、水辅助注射成型管和抗老化性,需要有更多的短纤维取向的圆周方向。一般来说,短纤维的取向分布可以调节改变熔体流动压力和速度场分布WAIM通过适当的工艺参数(14- - - - - -16]。

据我们所知,由于难以进行定量的评估实验表征,不同的研究集中在定性观察的短纤维取向使用扫描电子显微镜(SEM)。定量描述RWT的短纤维取向,是至关重要的为WAIM进行有效的数值模拟。因此,基于改进的各向异性旋转扩散模型和制动主要利率模型(iARD-RPR)曾提出的17- - - - - -19),短纤维取向分布的数值模拟溢流水辅助注塑(OWAIM)实现。的有效性短纤维取向的模型和机理进行了分析。为此,设计正交实验方案获得示例数据。与此同时,一个人工神经网络(ANN)是用于映射过程参数之间的非线性关系和短纤维圆周方向(SFCO)。此外,遗传算法(GA)使用ANN模型的适应度函数,从而优化工艺参数的最大圆周方向。

2。方法

2.1。相关的数学模型

OWAIM短纤维取向的数值模拟是基于纤维取向张量的演化方程和流体力学控制方程。根据纤维取向理论,单个纤维通常被看作刚性圆柱棒。如图1,单纤维的取向可以所描述的单位向量(20.]。 P是纤维的方向;θ和φP和坐标轴之间的角度。

取向张量的定义简洁地描述大量的短纤维的取向17]。 在哪里ψ(P)的概率密度分布函数是面向整个空间;是一个对称矩阵,当= I / 3,它代表了各向同性取向状态,我是一个单位矩阵。一个对角线组件₁₁,一个₂₂和一个₃₃代表取向张量的轴向、周向和径向方向,分别。

曾提出了iARD-RPR纤维取向预测模型由三部分组成,比如水动力模型 ,提高各向异性旋转扩散模型(20.),和延迟主要利率模型(21]。 在哪里有效包含两个参数:interfiber互动因素 和fiber-matrix交互因素 ; 包含一个参数α(0 <α< 1),用于减缓纤维取向的反应速度。W是涡张量;D是应变率张量;ξ是一个无量纲数。四阶取向张量是由高阶多项式近似的二阶张量;是斜张量物质导数及其上标是内在取向动力学假设;是第i个对角线组成部分 ;R是一个旋转矩阵;矩阵的特征值是( )。

在注射成型过程中,纤维取向张量的初始条件是入口处设置为各向同性状态。短纤维在聚合物熔体的流动是一个瞬态,非牛顿和非等温过程。在数值模拟中,融化被视为不可压缩,层流,惯性项被忽略。瞬态的基本控制方程和非等温融化在OWAIM运动包括以下(17]: 在哪里ρ熔体密度;u是速度矢量;t是;总应力张量;重力加速度;η粘度;P是压力;比热容;T是温度;热导率;是剪切速率。

的seven-parameter Cross-WLF粘度模型的本构方程,它可以描述聚合物熔体粘度之间的非线性关系,温度和剪切(18]。 在哪里η粘度;是零剪切粘度;是剪切速率;是材料常数;幂律指数在高剪切率;T熔体温度;玻璃化转变温度; , , , ,和与所选材料有关的常数。

2.2。几何模型和工艺参数

(图的几何模型2)由两部分组成:一个溢出腔和一个塑料部分长度280毫米,直径20毫米。结合三维实体模型是建立在Moldex设计师使用Pro / E和网状。网格节点和网格元素的总数是205056和2208359年,分别。三维实体网状模型导入到商业软件Moldex3D材料选择和工艺参数设置。人民党(Fiberfil J-68/30 / E)含30%短玻璃纤维与纤维长宽比20 OWAIM用作材料在模拟。首先,熔体注入模腔的塑料部分。第二,经过短暂的延迟时间,高压水注入到融化和穿透流动阻力最少的位置,并把融入溢出腔形成一个塑料中空截面的一部分。本研究的工艺参数被认为是如表所示1。

2.3。实验验证

OWAIM的实验是在实验室中使用相同的工艺参数进行仿真来验证预测结果的短纤维取向分布。平台包括注射成型机、高压水喷射系统,模具温度控制系统,水温控制系统。注塑机是创科实业- 250英尺自动注塑机由东华机械有限公司有限公司高压注水系统由一个控制系统,高压泵,注水喷嘴。最大注水压力是20 MPa。原材料是short-fiber-reinforced聚丙烯(PP / GH43短玻璃纤维质量分数30%)由韩国三星总有限公司有限公司

如图3,一段中间的塑料部分沿轴向方向。短纤维的取向分布是由扫描电镜观察(Nova NanoSEM 450)的加速电压5 kv。样品第一次沉浸在液氮和cryofractured后两个小时。之前准备的标本是gold-sputtered观察。

2.4。正交试验设计

在注塑过程中,熔体剪切和拉伸周围融化由于粘度梯度差异,压力,速度场分布。剪切作用使短纤维沿着熔体流动方向保持一致,并拉伸效应诱发短纤维东方拉伸方向。OWAIM考虑本研究的工艺参数包括灌装时间、熔体温度、模具温度、延迟时间、水压和水温。每个工艺参数设置的范围值基于软件的推荐选择的材料。为了减少实验和全面调查SFCO工艺参数的影响,正交试验设计(L₂₅(5⁶与六因素五水平)安排,如表所示2- - - - - -3。目标一₂₂代表了纤维取向在圆周方向上的管道。周向取向张量的分量的值被18岁RWT沿着厚度方向不同的点,和一个₂₂这些点的平均值。

2.5。人工神经网络(ANN)

安受生物神经系统是一个计算模型用于地图因素之间的线性或非线性关系和响应。安可以作为人类大脑建立样本模型从信息处理的角度来看,未经信息或启发式的假设。ANN模型包括三个部分:一个输入层、一个或多个隐藏层,和一个输出层。在输入和输出层神经元的数量取决于数量的因素和响应,分别。一般来说,隐层神经元的数量与由试验和错误决定。因素和响应之间的关系可以描述如下: 在哪里我_我表示我- - - - - -th因素输入层,w_霁表示之间的重量我- - - - - -在输入层和th神经元j -在隐层神经元,w_kj表示之间的重量j -隐藏层和k -输出层,b_j和b_k表示偏差分配j -隐层神经元和k -在输出层神经元,分别f_h表示传递函数用于隐藏层,f_o表示使用的传递函数在输出层,和O_k表示k -反应在输出层。

根据柯尔莫哥洛夫定理(22),一个ANN模型用一个隐层有能力任何复杂的非线性映射关系的因素和响应。在这项研究中,一个ANN模型与一个隐层用于建模的周向取向张量的分量。隐层和输出层传递函数中使用的是“Tansig”和“Purelin,分别”。Levenberg-Marquardt算法被用来训练ANN模型和安可以用更少的迭代收敛。通过改变隐层神经元的数目从5到15,6-13-1的安拓扑结构是决定根据最小均方误差和目标之间的输出,表明有六个神经元在输入层、13个隐层神经元,神经元在输出层(图4)。

2.6。遗传算法(GA)

遗传算法是基于自然选择和生存的健身是一种全局搜索算法,广泛应用于优化、模式识别、机器人、和预测(23]。与其他优化方法相比,它有许多优点,包括不容易被困到局部最小值,需要小的信息搜索目标之前,和容易识别的最适条件复杂的搜索空间。

遗传算法的流程图如图5。遗传算法的主要操作进行了总结如下。(1)选择:个人选择基于他们的健身,这样更好的个人有更大的几率被选择。(2)交叉:交换两个家长的信息生成一个新的个人根据交叉概率。(3)突变:随机改变每个染色体的信息根据突变概率。在预定义的进化代或最终的解决方案是满意,遗传算法停止。

3所示。结果与讨论

3.1。短纤维在RWT圆周方向分布

仿真完成后,截面提取模型用于观察中间短纤维取向分布。如图6SFCO分布RWT的管具有明显的分层结构。外层有小SFCO分布和取向张量约0.15的一个组成部分。SFCO分布在水附近的内层通道显著增加。取向张量的分量在该地区附近的水通道约为0.33,表明短纤维往往是自由的。

图7是一个典型的短纤维取向分布在OWAIM RWT的状态。RWT可以分为两个区域根据短纤维取向分布的特点。模壁附近的地区短纤维排列主要沿轴向方向,而这些水通道附近的不规则排列。图7(a)是一个放大的视图区域选择的内层,其中有密集的漏洞造成的cryofractured过程,表明许多面向短纤维在圆周方向上。图7(b)是一个放大的视图的选择从RWT的外层,现有的短纤维有一个定期安排在轴向方向上。洞外层的数量显著减少,和许多细长的空缺平行于轴向方向的照片,揭示了短纤维在外层主要安排在轴向方向,很少短纤维取向在圆周方向上。从图可以推断出一个结论7的价值₂₂里面那层大于外层。相比之下,获得的结果图6,它可以发现iARD-RPR模型是适合短纤维取向在OWAIM预测。

3.2。短纤维的取向机理分析

OWAIM包括熔体充填过程阶段和高压水充填阶段。图8显示了组件位置取向张量的RWT坐落在两个填充阶段。OWAIM的熔体充填阶段类似传统的注塑、大型剪切应力和速度梯度变化之间存在模穴附近的薄层。这使短纤维高度沿轴向方向东方由于剪切作用。很少有短纤维在圆周方向保持一致₂₂小在整个RWT融化后充填阶段。延迟时间后,模具型腔的受低温的影响,表面融化的温度降低,形成高粘度层,其中短纤维取向是凝固的。在高压水的渗透过程中,水体处于紊流状态,因为注射时间短。残余熔体挤出,摩擦的水柱在融化和水之间的界面列。此外,流动熔体由于水柱延伸剩余融化。的短纤维层附近的水通道,这是最初的沿着轴向方向,调整方向的姿势,这一个₁₁减少和₂₂增加。

3.3。工艺参数的敏感性分析

表3显示的值₂₂在正交试验方案。区间分析的结果列在表中4,在这的总和值吗₂₂每个因素的水平。根据R,范围的大小顺序的敏感性₂₂六个过程参数确定如下:水压力,延迟时间、熔体温度、充填时间、水温度,模具温度。最优工艺参数组合A4B3C5D1E4F3推荐的范围分析,也就是说,灌装时间3 s融化,融化温度240°C,模具温度为80°C,延迟时间2 s,水压7.5 mpa,水温30°C。从方差分析(表5),得出熔融温度、延迟时间,和水压力的主要因素F值为7.782,12.875和21.231,分别同时灌装时间、模具温度、水温度没有明显影响₂₂F值为1.918、0.938和1.061,分别。

3.4。使用ANN建模过程参数

实验数据(表3),从正交实验设计,获得随机分为三个数据集。19的25分安被用来训练模型,和其他点(3 + 3)被用于验证和测试这个模型,分别。经过训练的神经网络用于预测的值₂₂在正交试验方案。在图所示的预测值9非常符合期望值,表明神经网络建立了一个非线性参数和过程之间的关系₂₂。

3.5。效果SFCO上的重要因素

图10显示效果的一个重要参数₂₂预测的ANN模型。它显示的值₂₂增加随着熔体温度和水压力的增加,虽然₂₂与延迟时间的反向关系。正如上面提到的,高压水柱的干扰与RWT的内层导致增加₂₂。熔体温度和水压力越大,越高干扰内层,导致在增加₂₂。延迟时间越长,固化层厚度大,和融化的薄厚度被高压水,导致的减少₂₂。

数据11- - - - - -13响应面轮廓的交互影响指示两个重要过程参数对吗₂₂。图11显示了熔体温度和延迟时间的相互影响。的价值₂₂的范围内变化 ,和最大的₂₂获得与延迟时间2 s和熔体温度260°C。图12显示了交互延迟时间和水压力的影响。的价值₂₂不同的范围内(0.185,0.215),和最大的一个₂₂出现延迟时间2 s和水8 mpa的压力。如图13的价值₂₂不同的范围内(0.182,0.204)的相互影响熔体温度和水压力,和最大的一个₂₂与熔体温度有260°C和水8 mpa的压力。

3.6。圆周方向的优化和验证

训练有素的ANN模型作为适应度函数,优化₂₂进行了使用“遗传算法,遗传算法的解算器在MATLAB优化工具箱R2015b原则“越大越好。“遗传算法的参数被设置为:人口规模50,最初的范围 ,0.01交叉分数0.8,变异函数,代100。优化的进化过程记录在图中14。100代后,优化的一个₂₂发现是0.234。相应的工艺参数是灌装时间3.5秒,熔体温度260°C,模具温度80°C,延迟时间2 s,水压力8 mpa,分别和水温36°C。这个值的₂₂大于任何一组正交试验方案的实验结果。仿真实验中使用的最优参数组合推荐由Moldex3D GA和范围进行了分析,获得了₂₂分别是0.233和0.228。SFCO分布结果表明,改进的两种方法,和安和遗传算法的结合比范围分析的正交试验方案。

4所示。结论

在这个研究中,在OWAIM RWT的短纤维取向分布模拟使用iARD-RPR模型。与SEM显微图相比,仿真结果表明,该模型是适合OWAIM。仿真结果表明,的价值₂₂在外层很小,内层显著增加。此外,仿真表明,水的渗透列调整短纤维的取向状态,提高短纤维的圆周方向RWT的内层。通过分析和方差分析,发现熔体温度、延迟时间、水压力是重要的因素。的值₂₂增加随着熔体温度和水压力的增加,而随延迟时间增加。最大的一个₂₂0.234在安和GA的优化与组合。与范围分析相比,安和遗传算法的结合导致了更好的优化结果。这项研究将有助于进一步了解OWAIM短纤维的取向机理。

数据可用性

使用的数据来支持本研究的发现可以从相应的作者。

的利益冲突

作者宣称没有利益冲突有关的出版。

确认

本文的工作是由中国国家自然科学基金资助(批准号21664002,批准号51563010)和江西省关键技术研发项目(批准号20161 bbe50073)。作者想表达诚挚的感谢那些评论在这篇文章中提出的变化。

引用

1. p . j . Zhang赵,y赵,j .黄n .夏和j .傅”在线测量腔压力通过超声波在注塑系杆的调查,“传感器和执行器:物理卷,285年,第126 - 118页,2019年。视图:出版商的网站|谷歌学术搜索
2. p .赵w·m·杨x m . Wang j·g . Li Yan,和j . z .傅”程度的预测方法的一种新型结晶度在注塑包装阶段,“美国机械工程师学会学报》上,B部分:工程制造》杂志上,卷233,不。1,第214 - 204页,2019。视图:出版商的网站|谷歌学术搜索
3. t .问:旷,b . p .徐g . f .周和l . s . Turng”的残余厚度数值模拟管道水辅助共注塑成型弯曲的部分,“应用聚合物科学杂志》上,卷132,不。34岁,1 - 10,2015页。视图:出版商的网站|谷歌学术搜索
4. n, p .赵、旷t、y赵,j . Zhang和j .傅“无损层厚度的测量水辅助coinjection-molded产品通过超声波技术,”应用聚合物科学杂志》上,卷135,不。33岁的2 - 9,2018页。视图:谷歌学术搜索
5. 蔡博富。周旷,k, L.-X。吴,G.-F。周,L.-S。Turng”,试验研究渗透接口管道不同截面的溢出水辅助coinjection成型,”应用聚合物科学杂志》上,卷133,不。1,1 - 8,2016页。视图:谷歌学术搜索
6. S.-J。刘和S.-P。林,”指法的形成影响因素在水辅助射出成型热塑性塑料,”聚合物技术的进步,25卷,不。2、98 - 108年,2006页。视图:出版商的网站|谷歌学术搜索
7. 问:江、h·刘问:小,周,a .熊和h聂,“总翘曲变形的三维数值模拟short-glass-fiber-reinforced聚丙烯复合射出成型零件使用耦合的有限元法,“聚合物工程杂志,38卷,不。5,493 - 502年,2017页。视图:出版商的网站|谷歌学术搜索
8. 刘和y陈”,热塑性复合材料零件的制造水辅助注射成型技术,”复合材料:应用科学和制造业,35卷,不。2、171 - 180年,2004页。视图:出版商的网站|谷歌学术搜索
9. 林·m·j·s . j . Liu, y . c .吴”的实验研究水辅助注射成型的玻璃纤维填充poly-butylene-terephthalate (PBT)复合材料,”复合材料科学与技术,卷67,不。7 - 8,1415 - 1424年,2007页。视图:出版商的网站|谷歌学术搜索
10. 黄h . r .周、杨和c”纤维取向推动高压水渗透水辅助注射成型纤维增强热塑性塑料部分,“复合材料学报卷,47号2、183 - 190年,2012页。视图:出版商的网站|谷歌学术搜索
11. 即Fiebig诉Schoeppner”因素影响焊接的纤维取向纤维增强热塑性塑料,”世界上焊接,卷62,不。5,997 - 1012年,2018页。视图:出版商的网站|谷歌学术搜索
12. r . Taktak: Guermazi, t . k . Kallel“e玻璃纤维和厚度方向对玻璃钢复合材料的力学行为用于压力管道,”国际先进制造技术杂志》上,卷92,不。5 - 8,1741 - 1749年,2017页。视图:出版商的网站|谷歌学术搜索
13. 美国Mortazavian和a。法特米”,纤维取向和各向异性对拉伸强度的影响和短纤维增强聚合物复合材料的弹性模量,”复合材料B部分:工程卷,72年,第129 - 116页,2015年。视图:出版商的网站|谷歌学术搜索
14. deply和g·费舍尔,“模具填充应承担的条件对纤维分布的影响注射成型应承担的磁盘和磁盘等的机械性能,”聚合物技术的进步,5卷,不。1,19-26,1985页。视图:出版商的网站|谷歌学术搜索
15. s .李·d·杨,j . Ko, j .梦想”压缩性的影响流场和纤维取向在注射成型的充填阶段,“材料加工技术杂志》上,卷70,不。1 - 3、83 - 92年,1997页。视图:出版商的网站|谷歌学术搜索
16. s . k . Li Yan, w·潘,g .赵”优化纤维取向分布在纤维增强复合材料注塑口、反向传播神经网络和遗传algorithm-particle群优化,“机械工程的发展,9卷,不。9日,1 - 11,2017页。视图:出版商的网站|谷歌学术搜索
17. h .曾、r . Chang和c .许”数值预测短/长玻璃纤维取向和机械性能和碳纤维增强复合材料,”复合材料科学与技术卷。144年,51-56,2017页。视图:出版商的网站|谷歌学术搜索
18. h .曾、r . Chang和c .许”包装阶段对纤维取向的影响纤维增强复合材料的注塑仿真”热塑性复合材料杂志》上没有,卷。31日。9日,第1218 - 1204页,2017年。视图:出版商的网站|谷歌学术搜索
19. h .曾、r . Chang和c .许“客观预测各向异性张量纤维取向在集中悬浮液,”流变学杂志》,60卷,不。2、215 - 224年,2016页。视图:出版商的网站|谷歌学术搜索
20. s . g .阿德瓦尼和c·l·塔克,”使用张量来描述和预测短纤维复合材料的纤维取向,“流变学杂志》没有,卷。31日。8,751 - 784年,1987页。视图:出版商的网站|谷歌学术搜索
21. b . o . Agboola d . a .杰克,和s . Montgomery-Smith”最近fiber-interaction扩散模型的有效性方向和部分注塑短纤增强复合材料刚度预测,“复合材料:应用科学和制造业,43卷,不。11日,第1970 - 1959页,2012年。视图:出版商的网站|谷歌学术搜索
22. 诉Kůrkova”,柯尔莫哥洛夫定理和多层神经网络。”神经网络,5卷,不。3、501 - 506年,1992页。视图:出版商的网站|谷歌学术搜索
23. s . k . Li Yan, w·潘,g .赵”的纤维增强复合材料注塑翘曲优化反向传播神经网络和遗传算法相结合,“国际先进制造技术杂志》上,卷90,不。1 - 4、963 - 970年,2017页。视图:出版商的网站|谷歌学术搜索

版权

版权©2019海鹰周et al。这是一个开放的访问分布在条知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。