英语原文共 11 页，剩余内容已隐藏，支付完成后下载完整资料
基于田口，方差分析和人工神经网络方法的生物可降解聚合物塑料勺子注塑成型工艺的翘曲和收缩优化
Erfan Oliaei , Behzad Shiroud Heidari ,Seyed Mohammad Davachi , Mozhgan Bahrami , Saeed Davoodi , Iman Hejazi , Javad Seyfi
关键词：注塑成型模拟 田口 人工神经网络 生物可降解聚合物 一次性勺子
在本研究中，我们试图对三种自行准备的聚合物进行注射过程的分析。这项研究介绍了材料分析、注塑模拟、实验设计并且考虑了各种参数对绿色生物可降解聚合物的影响，这些聚合物包括聚乳酸(PLA)、聚乳酸热塑性聚氨酯(PLA-TP U)和聚乳酸热塑性淀粉(PLA-TPS)。实验是利用注射成型模拟软件 Autodesk Moldf low进行，以最大程度的减小上述聚合物制品的翘曲和体积收缩缺陷。我们通过改变五个重要的参数进行分析，包括冷却剂温度、保压时间、保压压力、模具温度以及熔体温度。田口方法中选择L27（35）正交阵列作为一种有效的模拟设计方法，用以考虑参数的相互作用并且减少模拟的误差。与此同时，人工神经网络（ANN）也通过修改处理条件从而用于模式识别以及优化。田口方差分析方法和ANN分析是决定每个参数最佳值的两种完全不同的方法。结果表明，熔体温度、冷却剂温度和保压时间对收缩和翘曲有很大的影响。并且通过两种方法得到的减少收缩和翘曲的最佳参数有良好的一致性。通过观察，与其他所研究的化合物相比，PLA-TPU表现出了最强的抗皱性和抗收缩性。
1.介绍
注塑工艺是塑料制品中最常用的加工工艺。短时间内注塑工艺在复杂热塑性聚合物制品的加工过程中被广泛应用[1]。想要通过这种技术生产出有价值产品，就必须充分了解模具设计，聚合物材料，特别是聚合物流变学以及许多其他的参数特性。然而，许多注塑产品制造商很可能会在生产新产品的开始就经受试验和错误的考验。合适的模具设计对新产品来说非常重要，他对产品的外形美观、机械性能的优良也有很大的影响[2]。这些试验和错误会被用来优化成形过程中的各种条件从而获得翘曲、收缩、残余应力、不均衡、气孔、焊缝等等缺陷较少的产品。然而，这些试验和错误通常会提高成本和耗时。长远考虑，这将损失制造方的竞争力。
幸运的是，在开始生产之前和模具设计阶段，注射成形模拟（IMS）软件，如Autodesk Moldflow，Moldex3D和C-MOLD[3-5]，可以预测和解决注塑成型问题。IMS对设计出合适的模具起着很重要的作用。除此之外，IMS还有助于确定最佳的加工参数[1]。用Autodesk Moldflow这种软件进行的模拟也伴随着一些简化如（1）假设熔融态聚合物在无限大的平板上流动，（2）忽略热量损失和流动阻力以及（3）假设熔融态聚合物在流道中均匀对称流动[1]。这些假设不会对结果产生影响，因此，用户可以对流动模式、表层分子取向、填充时间、焊缝、凝固层系数、气孔、收缩、保压和冷却过程做出精确的模拟[6]。
计算机辅助模拟仿真可以避免困难复杂并且巨大的人工计算过程和因试验和错误造成的损失。Imihezri等人[7]使用Autodesk Moldflow来分析以含30%玻璃纤维的聚酰胺6,6为材料的汽车离合器踏板的设计。他们比较了两种不同的加强筋以找出哪一种质量更轻，注射压力和制造成本更低[7]。Rahman等人[8]使用Autodesk Moldflow来计算天然纤维复合材料制成的窗框生产中，中空和实心设计哪一种利润更高。他们指出，与实心设计相比，空心窗框更加合适，因为他的造价低了40%，尽管他也有着最大注射压力和最大夹紧力过高的缺点[8]。另外，Tang等人[9]用C-MOLD软件来预测薄板件的翘曲用来同Huang和Tai[10]的模拟实验结果进行比较。结果表明，熔体温度是避免翘曲的最重要因素。保压压力和时间对产品外观也有一定的影响。在C-MOLD仿真的帮助下，Huang和Tai发现保压压力、熔体温度和保压时间是最重要的影响因素，而浇口位置、浇口尺寸和填充时间在研究中对翘曲的影响是最低的[10]。此外，Ozcelik and Sonat[11]试图找到合适的条件生产由聚碳酸酯/丙烯腈丁二烯苯乙烯热塑性材料制成的手机外壳。他们报告说保压压力对产品的翘曲缺陷有很大的影响[11]。Chen等人[12]进行了一项类似的研究，他们用Moldflow和统计技术来减少耐热聚酰胺的翘曲。结果同样表明，熔体温度和保压压力是影响薄壳件翘曲的最重要参数[12]。在另一项工作中，Sin[1]等人用Moldflow比较了不同成分的聚乙烯醇-淀粉化合物的可加工性。结果表明聚乙烯醇/淀粉含量比为40/60时，所需的注射压力和体积收缩比50/50比例要小。田口方法主要强调实验的设计，结合了产品质量和控制因素，换言之，决定了输入和输出之间的关系。田口将分形设计的概念和线形图表知识结合在一起，从而减少了获得最适宜参数的实验数量[13]。
田口方法与方差分析不仅是缩短时间和成本的有效方法，而且在注射成型性能的统计分析中也很受欢迎[14]。田口正交阵列被应用于研究工艺参数和几何形状[15,16]对焊缝强度和塑料部件外观的影响。Chang和Faison[17]用田口方法和方差分析，研究了聚苯乙烯、高密度聚乙烯和丙烯腈-丁二烯-苯乙烯的收缩优化问题。模具和熔体温度是影响收缩的最重要因素。Huang和Tai[10]用田口方法将一种薄壳零件的翘曲控制到了最小。薄板件的翘曲问题被Shuaib等人[18]用田口方法进行了研究和优化，从而找到了最重要的影响因素，即型腔温度。田口方法也用于其他的一些研究以找出对翘曲和收缩影响最大的因素[9,19]。
人工神经网络（ANN）是一种由许多连接的神经元组成的进行信息处理的数学结构，他对每一个输入都可用修改权、阈值和传递函数进行反应[20]。ANN可被用于许多不同领域如科学、商业、工程等方面的研究[21]。Kenig等人[22]用神经网络在短时间内准确掌握并预测了注射成型过程中的一些力学性能如拉伸模量。Shi等人[23]用综合人工神经网络模型对模具温度、熔体温度、注射时间、保压压力、保压时间、冷却时间等注塑工艺参数进行了优化。他们将ANN和实验设计（DOE）结合在一起，在翘曲缺陷和工艺参数之间建立了一个近似的函数关系从而取代了优化迭代中昂贵的模拟分析[23]。此外，研究者们还通过神经网络方法对工艺参数进行了优化，预测并减少了注塑产品的翘曲和收缩缺陷[24-28]。
现在，石化聚合物正被生物降解的聚合物如聚乳酸(PLA)、热塑性聚氨酯(TPU)和热塑性淀粉(TPS)所取代，这些聚合物具有生物可降解性、生物相容性和环保性等优点。在之前的研究中PLA与TPS[29]和TPU[30]混合在一起。研究者们对PLA-TPU和PLA-TPS的许多特性进行了研究，以找出他们各自的优点。结果发现，75-25比例的PLA-TPU和50-50比例的PLA-TPS具有最好的性能，他们被称为纯正PLA-TPU和PLA-TPS。
纯正PLA、PLA-TPU和PLA-TPS被选为一次性塑料勺子的注射成型工艺的三种不同材料。在Moldflow的帮助下，我们对不同的冷却剂温度、保压时间、保压压力、模具温度、熔体温度下的产品翘曲和最大体积收缩进行了模拟和数据记录。为了减少实验次数，研究者选择了田口L27正交阵列来排列相关因素和缺陷等级并利用方差分析技术计算了所有单因素和二元因素的作用程度百分比。通过对田口方法信噪比的比较，我们得到了使每种材料翘曲和收缩最小的参数。此外，全部27个实验组都可以精确安装ANN从而对每个因素的影响程度作出预测。由上述两种方法得出的最佳参数是不同的，所以它们也会产生不同程度的翘曲的收缩，从而可以看出每种方法在最佳参数选择过程中的优劣。两种方法综合使用也是一种非常有效的减少收缩和翘曲的方法。
这项研究介绍了材料分析、注塑模拟、实验设计，考虑了各种参数的影响并且减少了实验误差。新颖之处是我们对三种自备的聚合物的注射性能进行了研究。这将帮助每一位研究者用他们准备的材料对注塑成型过程进行优化。
2.理论和过程
我们用SolidWorks软件绘制了一个普通塑料勺子的3D模型，并将其模型导入到Autodesk Moldflow中用于注射分析。聚乳酸(PLA)是用L-丙交酯通过反应挤出法合成的[31-33]。本研究中还采用了工业级玉米淀粉，其含水量大约为12%，测量方法是将它在炉中加热到105℃长达24小时。TPU (LARIPURreg; LPR 9020T)是从意大利的COIM购得，在之前的研究中我们得知，75/25比例的PLA/TPU[30]和50/50比例的PLA/TPS[29]具有最为优良的机械加工性能。这些材料的压力-温度曲线（PVT）和流变性能分别用SWO PVT 100装置（中国）和Anton Paar Physica MCR102（格拉茨，奥地利）测得。这些数据进一步被数据化输入到Autodesk Moldflow数据库中。
2.1 PVT数据拟合
化合物的PVT行为是由随着温度和压力变化的比体积（1/密度）的变化导致的，这一反应是确定热塑性聚合物材料可压缩性的诀窍。注塑聚合物的收缩可以看做是PVT行为的直接作用。两种包含了13个系数的泰特PVT模型需要进行数据拟合，其中V(m3/kg)代表比体积，T(K)代表温度，Tt（K）代表转换温度，P(Pa)则是压力。b1m到b4m，b1s到b4s以及b5到b9是系数。
V(T,P)=V0(t)[1-0.0894times;ln（1 P/B(T)）] Vt(T,P) (1)
当T＞Tt，Vt(T,P)=0 (2)
V0=b1m b2m (T-b5) ，B(T)=b3mexp[-b4m(T-b5)]
当T＜Tt (3)
V0=b1s b2s(T-b5) ，B(T)=b3sexp[-b4s(T-b5)]
Vt(T,P)=b7exp[(b8(T-b5)-b9P)]
Tt(P)=b5 b6P
广义简约梯度算法（GRG）被用于将PVT数据拟合到模型中。R2，一种判定系数，也被定义给了每种材料。这种判定系数介于0到1之间；数据拟合越准确，模型系数也就越精确[1]。泰特PVT模型数据和系数可见图1和表1。
图1 三种材料的PVT模型曲线
表1 拟合系数
2.2 流变数据模型拟合
熔融材料的黏性剪切率可用于预测因受剪切力而产生的流变行为。在这一节中，我们确定了熔融热塑性材料的流变特性并且用GRC非线性回归方法对数据进行拟合从而将其导入到交叉WLF模型中。公式（4）和（5）中的PLA、PLA-TPU、PLA-TPS的七个拟合系数也可在表1中查的。最后，通过该模型获得的系数被转移到Autodesk Moldflow中进行注塑模拟。相关材料的流变数据的交叉WLF模型见图2。
eta;=eta;0/[1 (eta;times;gamma;/Gamma;)(1-n)] （4）
eta;<s
全文共15603字，剩余内容已隐藏，支付完成后下载完整资料</s
资料编号：[9482]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
