基于DOE设计及MOPSO算法的汽车滤清器外壳多目标优化分析

Multi-Objective Optimization Analysis of Automotive Filter Shell Based on DOE Design and MOPSO Algorithm

摘要

为了获取质量良好的汽车滤清器外壳，通过Moldlfow软件对汽车滤清器进行模流分析，并且以滤清器注塑成型过程的模具温度、熔体温度、保压压力以及冷却时间为研究变量，制件最终的翘曲变形量为研究目标，利用DOE设计获取实验样本，根据样本结果建立Kriging模型，最后通过MOPSO算法对最小制件翘曲变形量进行全局寻优，最终得到最佳的成型工艺参数组合。结果表明：当制件的模具温度为43 ℃、熔体温度为230 ℃、保压压力为33 MPa、冷却时间为15 s时，滤清器的翘曲变形量最小为0.620 0 mm，预测值为0.602 7 mm，两者之间误差为3.2%，较未优化前降低了1.242 0 mm，说明通过DOE设计以及MOPSO算法能够有效提升注塑制件成型质量。

关键词

滤清器外壳 / DOE设计 / Kriging模型 / MOPSO算法 / 工艺优化

Key words

Filter shell / DOE design / Kriging model / MOPSO algorithm / Process optimization

汽车滤清器是汽车重要组成部分之一，主要用来去除灰尘和其他颗粒，提高空气质量和驾驶舒适性。玻纤增强聚丙烯(PP)材料具有较好的刚性、耐高温、耐腐蚀以及抗氧化性能，广泛应用于汽车行业^[1]。范希营等^[2]对汽车滤清器上壳体进行了研究，解决了一模两腔模具制造成本高，维修不方便等弊端，有效降低了制造成本。钱志芳^[3]对摩托车的滤清器车芯注塑工艺进行了探讨，主要针对其成型工艺进行了优化分析，以达到提高制件质量的目的。蔡厚道^[4]利用响应面结合灰度关联分析法对汽车滤清器进行了多目标优化，获取一组最佳的参数组合，有效改善了制件的成型缺陷。郑尧刚等^[5]通过正交试验法对滤清器上壳进行了研究，并且对其进行了工艺优化，有效改善了翘曲量以及收缩率。庞广富等^[6]对玻纤增强PP材料制得的滤清器进行了模拟仿真，通过正交试验得到了一组最佳的方案组合，满足实际设计指标。黄盛举等^[7]通过ABAQUS仿真软件对滤清器进行了约束模态分析，为滤清器的结构改进提供了指导意义。本文以汽车滤清器为研究对象，通过最优拉丁超立方法获取实验样本，随后通过样本建立Kriging模型，在模型基础上通过MOPSO算法对制件整体翘曲变形量最小进行全局寻优，从而获得一组最佳的工艺参数组合，提高制件质量。

1 模拟仿真

1.1 建立模型

图1为汽车滤清器外壳模型。从图1可以看出，模型最大长度为250 mm，最大宽度为206 mm。

1.2 网格划分

将滤清器三维模型图导入Moldflow分析软件中进行网格分析，网格划分总单元格数为31 411个，单个网格边长为5 mm，其中最大纵横比为14.08，小于20，平均纵横比为1.85，小于3，满足网格划分要求。图2为汽车滤清器网格。

1.3 浇口及冷却水路分析

对于注塑件浇口位置一般遵循平衡单向填充，选择在壁厚较厚的区域，不能在较薄区域填充，否则会发生喷射现象。同时制件的浇口一般来说稍微多点有利于熔料填充，但是也不能过多，过多会产生较多的熔接痕，影响制件的成型质量。冷却水路也要遵循水道尽量多、界面尺寸尽量大、沿着制件收缩方向排布等原则。图3为本次制件的水路设计。

1.4 初步分析

根据企业以往的试模经验，塑料件在注塑成型过程中工艺参数有一定的要求，其中模具温度不能过高，也不能过低。温度过高会导致熔料黏在上面，形成黏模现象，过低会导致熔料不能完全填充模具^[8]；熔体温度一般稍微高点有利于成型，这是因为温度高有利于熔体流动，但是过高则可能导致熔料发生热降解；保压压力过高会导致炸模，因此要适中；冷却时间也要适中，过低会导致制件翘曲变形概率变大^[9]。在进行初次模拟分析前，首先需要对制件材料特性做出一定的了解，本次所用材料为PP。表1为PP材料特性。

图4为模具温度为50 ℃、熔体温度为240 ℃、保压压力为40 MPa、冷却时间为20 s时的制件模拟翘曲变形量。

从图4可以看出，在上述工艺参数条件下，滤清器最大翘曲变形量为1.862 0 mm，一般对于壳类制件要求要小于1.000 0 mm，该参数条件下未能达到要求，因此需要对其进行优化处理。

2 DOE实验设计

DOE实验设计是质量控制中的一种常用手段，包括正交试验设计、因子实验设计、拉丁超立方设计以及最优拉丁超立方设计等^[10]。其中，最优拉丁超立方是在传统拉丁超立方基础上进行的改进方法，该方法采取的样本数更加随机，准确度更高^[11]。本文采用最优拉丁超立方抽样法进行随机抽样，表2为汽车滤清器的各个因素水平设计。

表3为具体的实验样本。

3 Kriging代理模型

Kriging代理模型是一种在有限区域内对区域化变量进行无偏最优估计的一种方法，可以对上述样本翘曲变形量进行估值，替代大量的CAE分析过程，达到提高效率的目的^[12]。对于Kriging模型样本数有一定的要求，即采取的样本数量不能少于2n+1，其中，n为实验的变量个数，本次实验样本数为20组，满足要求^[13]。

一般用可决系数来判断模型的好坏程度，可决系数越大，越接近于1，表明模型效果较好，能够用来进行实验预测^[14]。图5为本次实验的可决系数拟合曲线。从图5可以看出，所有的散点基本分布在直线的两侧，呈现动态分布，可决系数达到了0.92，这表明整个拟合效果较好，通过该方法可以用来替代CAE分析。

4 MOPSO算法工艺参数优化分析

MOPSO即多目标粒子群优化算法，该算法是由传统粒子群算法演变而来，是一种群智能优化算法，相比传统粒子群算法结果更准确，可以应用于多目标而非单个目标，因此多目标粒子群优化算法也被广泛使用^[15]。

通过MOPSO算法，设置迭代次数为100，粒子个数为10，一共迭代5 000次，图6为粒子迭代过程空间分布。

从图6可以看出，粒子在迭代过程中不断进行收敛，当达到一定值时，不再保持收敛装填，开始进行发散，此时的值即为临界值，即最佳的成型工艺参数值。图7为最终的结果。从图7可以看出，当迭代到213次时，制件达到收敛，此时模具温度为43 ℃、熔体温度为230 ℃、保压压力为33 MPa、冷却时间为15 s，此时制件的最大翘曲变形量最小为0.602 7 mm。

5 模拟验证

当模具温度为43 ℃、熔体温度为230 ℃、保压压力为33 MPa、冷却时间为15 s时，制件的成型效果最好，其翘曲变形量最小。图8为翘曲变形量模拟验证。

从图8可以看出，制件最大翘曲变形量为0.620 0 mm，通过MOPSO算法预测的制件最大翘曲变形量为0.602 7 mm，两者之间误差为3.2%，满足生产要求。未优化前制件最大翘曲变形量为1.862 0 mm，优化后降低了1.242 0 mm，有效提升了成型效果。

图9为在上述条件下制件实际试模样品。

6 结论

利用最优拉丁超立方抽样法建立Kriging模型，最终结合粒子群优化算法对制件的翘曲变形量进行预测，通过该法能够大大提高生产效率。

当模具温度为43 ℃、熔体温度为230 ℃、保压压力为33 MPa、冷却时间为15 s时，制件的翘曲变形量最小为0.620 0 mm，预测值为0.602 7 mm，两者之间误差为3.2%，满足要求。

通过算法对注塑成型工艺进行优化，为后续注塑研究提供了新的思路。

参考文献

[1] 张中伟,何书珩.长玻纤增强PP材料界面行为对其力学性能的影响[J].工程塑料应用,2022(8):114-118.

[2] 范希营,王春能,郭永环,汽车滤清器上壳体注塑模具[J].机床与液压,2016,44(2):1-3.

[3] 钱志芳.摩托车空气滤清器滤芯的注塑成型工艺分析[J].内燃机与配件,2016(11):38-39.

[4] 蔡厚道.基于响应面和灰色关联分析的汽车滤清器盖注塑工艺多目标优化[J].塑料工业,2017(1):48-52.

[5] 郑尧刚,翟豪瑞,熊新,基于Moldex3D和灰色关联理论在空气滤清器上壳的工艺优化[J].工程塑料应用,2018,46(10):72-75, 85.

[6] 庞广富,陶权,余鹏.基于综合加权评分法的空气滤清器注塑成型优化[J].塑料科技,2022(1):103-107.

[7] 黄盛举,王艳.基于ABAQUS某汽车空气滤清器的模态分析及结构优化[J].建模与仿真,2022,11(2):13.

[8] 皮卫,熊建武.基于RBF神经网络断路器注塑成型工艺优化[J].塑料科技,2023,51(6):70-74.

[9] 刘金娥,刘婉慈.自动化传感器外壳注塑成型工艺优化研究[J].塑料科技, 2023,51(5):95-99.

[10] 曹贵崟.汽缸盖护罩外壳注塑模有限元分析与工艺参数优化[J].现代工业经济和信息化,2022(4):44-45, 47.

[11] 魏婷,汪晓洲,张飞.基于DOE设计与MOPSO算法的PVC建筑排水管多目标优化分析[J].塑料科技,2021,49(2):102-105.

[12] 季宁,张卫星,于洋洋,基于Kriging代理模型和MOPSO算法的注塑成型质量多目标优化[J].塑料工业,2020,48(5):67-71.

[13] 刘文娟,王新宇,李征,基于Kriging代理模型的注塑件残余应力优化分析[J].塑料工业,2015,43(1):53-57.

[14] 周香,陈文琳,王晓花,基于Kriging代理模型和遗传算法的注塑件翘曲优化[J].塑性工程学报,2015,22(2):142-147.

[15] 栗雪娟,史加荣,杨春晓.基于IMOPSO方法的注塑件熔接痕质量的多目标优化[J].塑性工程学报,2016,23(4):173-179.

基金资助

广东省珠海城市职业技术学院质量工程项目(ZJLS20230308)

广东省珠海城市职业技术学院科研项目“汽车频拍振动的识别与控制研究”(KY20231216)