基于CAE辅助成型技术的车用刹车仪表灯罩成型工艺优化

Optimization of Forming Process of Automobile Brake Instrument Lampshade Based on CAE Assisted Forming Technology

摘要

采用CAE技术，借助UG 12.0软件建立刹车仪表灯罩的三维模型，并利用Moldflow软件进行注塑成型工艺的模拟仿真和优化。采用Design Expert 10.0软件设计30组实验组合，模拟不同工艺参数下的制件体积收缩情况。响应面方差分析R²达到0.960 7，表明模型具有良好的预测能力。最佳工艺参数组合为模具温度76 ℃、注射压力104 MPa、熔体温度211 ℃冷却时间31 s，在此条件下制件体积收缩率达到最小化。模拟验证显示，实际体积收缩率较初始值降低68.84%，模型预测值与实际值误差小于3%，验证了优化结果的准确性和可靠性。

Abstract

Using CAE technology and UG 12.0 software, a 3D model of the brake indicator light cover was created, and the Moldflow software was used for the simulation and optimization of the injection molding process. A total of 30 experimental combinations were designed with Design Expert 10.0 software to simulate the volume shrinkage of the parts under different process parameters. The R² of the response surface variance analysis reached 0.960 7, indicating that the model has good predictive capability. The optimal parameter combination was a mold temperature of 76 ℃, an injection pressure of 104 MPa, a melt temperature of 211 ℃, and a cooling time of 31 s, which minimized the volume shrinkage rate of the parts. Simulation validation showed that the actual volume shrinkage rate decreased by 68.84% from the initial value, and the error between the model's predicted and actual values was less than 3%, confirming the accuracy and reliability of the optimization results.

Graphical abstract

关键词

刹车器仪表灯罩 / CAE技术 / 响应面法 / Moldflow / 体积收缩率

Key words

Brake instrumentation lampshade / CAE technique / Response surface method / Moldflow / Volume shrinkage

近年来，随着汽车工业的快速发展和消费者对汽车性能及外观要求的不断提高，车用部件的设计和制造面临着更加严格的技术要求，尤其是刹车仪表灯罩等功能性与装饰性兼备的部件，其注塑成型工艺需要满足高质量外观、优异的光学性能以及复杂的几何设计等多重要求。然而，灯罩类制件通常采用高透明聚合物材料，在注塑成型过程中容易受到流动不均、冷却不当以及收缩变形等因素的影响，从而导致翘曲变形、气纹和应力集中等缺陷^[1]。上述问题不仅影响制件的使用性能，还可能降低其外观质量，进而影响整车的产品竞争力^[2]。因此，如何通过精确控制工艺参数以提高成型质量，已经成为注塑工艺优化的核心研究内容。

传统的工艺优化方法多依赖于经验试错或单因素分析，不仅耗时耗力，而且难以全面揭示多因素交互作用对制件质量的综合影响。叶衔真等^[3]采用CAE注塑成型模拟后，确定以气辅溢流成型法作为模具设计及注塑成型的方案。夏雨等^[4]利用Moldflow解决了塑件因结构复杂导致脱模困难、难以实现自动化注塑生产的实际问题。印磊等^[5]以翘曲变形量和体积收缩率为注塑工艺的多个优化目标，利用计算机模拟得到工艺参数，使注塑件质量得到显著提高。陆伟华^[6]在仿真结果基础上优化了熔体温度、模具温度及其保压时间等工艺参数，最终得到符合要求的成型工艺。这种理论建模与仿真分析相结合的多维优化方法，为复杂制件的注塑成型提供了全新的解决思路。

本文采用计算机辅助工程(CAE)技术，结合UG 12.0软件建立刹车仪表灯罩的三维模型，并利用Moldflow软件进行注塑成型工艺的模拟仿真和优化。采用响应面法和Design Expert 10.0软件设计的实验组合，模拟不同工艺参数下的制件体积收缩情况，以期找到最佳的工艺参数组合，从而最小化制件体积收缩率，提高制件的成型质量和尺寸精度。研究结果不仅能够为刹车仪表灯罩的注塑成型工艺提供优化方案，还能够为类似复杂制件的注塑成型提供参考。

1 模拟仿真

1.1 构建模型

刹车仪表灯罩的建模和数值模拟分析是整个产品开发过程中至关重要的环节^[7]。采用UG 12.0软件建立的三维模型作为起点，详细定义几何形状和尺寸，确保设计的精确性和完整性^[8]。图1为刹车仪表灯罩模型。从图1可以看出，该灯罩的最大长度、宽度和厚度分别为574、321、358 mm。这些尺寸经过严谨的设计考量，旨在确保产品在紧急情况下能够对内置核心电子元件提供有效保护。

1.2 模流分析

Moldflow模流分析是评估工艺可行性和预测潜在缺陷的重要步骤，同时也直接影响分析的可靠性和结果的准确性^[9]。在数值模拟中，网格划分是关键步骤之一，其质量直接关系模拟计算的精度与稳定性。图2为模型网格分布。采用Moldflow对模型进行网格划分，共生成153 560个单元，最大纵横比为16.20，远低于通常要求的20以下，网格匹配率达到93.3%，表明网格质量良好。高质量网格能够确保各向同性计算的稳定性，同时减少数值误差^[10]，为模拟分析提供了坚实基础。此外，网格划分均匀、单元形状合理进一步验证了网格的分布符合模拟需求。通过网格优化设计，能够在保证计算精度的前提下，有效降低计算时间，提高分析效率^[11]。利用高精度建模和合理的网格划分，为后续分析提供保障。网格划分的精细程度及其优异的匹配率支持流动、热传导和体积收缩率的模拟分析，确保模拟结果的可信度。特别是灯罩在紧急情况下对核心电子元件的保护能力，将经多方面参数分析进一步验证。这一系列操作不仅体现建模和网格划分的重要性，还为工艺优化和产品性能预测提供数据支持，确保仿真与实际制造的高度一致性^[12]。

高密高度聚乙烯(HDPE)对许多化学物质具有较高的耐受性，包括酸、碱和有机溶剂，这对于汽车内部可能接触到的各种清洁剂和化学品非常重要。同时HDPE具有较高的韧性和抗冲击性，能够在车辆行驶过程中承受震动和冲击，保护内部的灯泡和电子组件。HDPE具有耐化学性、耐冲击性、光学性能、耐热性、加工便利性、轻量化、成本效益、耐老化性、环境适应性和设计灵活性等优势，成为刹车仪表灯罩的理想材料^[13]。表1为HDPE材料的工艺参数。

1.3 初始体积收缩分析

初始体积收缩分析是确保制件成型质量的重要环节。利用Moldflow软件对注塑成型过程中多种工艺参数对体积收缩的影响进行详细模拟和分析。初始设计模具温度为95 ℃，注射压力为150 MPa，熔体温度为280 ℃，冷却时间为40 s，保压压力均为注射压力的一半，图3为初始模拟结果。从图3可以看出，制件的最大体积收缩率达4.570 0%，不符合低于3.0%收缩率要求，主要集中在边缘位置，这与分路器复杂的几何形状及材料特性密切相关。这些关键数据为后续工艺参数的优化提供明确方向。在后续优化中，调整模具温度、注射压力、熔体温度及冷却时间等参数，可进一步减小体积收缩率，从而提升制件的成型质量和尺寸精度^[14]。

体积收缩率分析的核心价值在于识别出导致问题的关键因素。根据初始数据分析发现，注射压力过高会引起材料在模具内流动不均，导致残余应力分布不平衡，进而引发变形。同理，冷却时间不足会使制件内部应无法充分释放，增加体积收缩的风险。这些数据的深入研究揭示了成型过程中每个工艺参数与体积收缩率的关系，为精准调整工艺提供依据。延长冷却时间、优化熔体流动路径或均衡模具温度分布^[15]，可以有效改善体积收缩的问题。

2 响应面成型工艺参数优化

2.1 建立因素水平

采用中央复合设计(CCD)方法，系统研究注塑成型的4个主要工艺参数：模具温度(A)、注射压力(B)、熔体温度(C)和冷却时间(D)对制件体积收缩(R)的影响，为优化工艺参数组合提供依据。CCD作为一种经典的实验设计方法，能够有效探索多个变量及其交互作用对响应变量的影响^[16]。设置4个不同的因素，确保实验覆盖广泛的变量范围，从而获取全面、可靠的数据。表2为响应面因素水平设计。

2.2 响应面样本数据

利用Design Expert 10.0软件设计30组实验，并借助Moldflow软件模拟每组实验条件下的制件体积收缩。所得数据不仅揭示了不同参数组合对体积收缩率的显著影响，还为构建响应面模型和进一步优化分析提供关键基础。表3为DOE样本数据。从表3可以看出，不同参数组合对体积收缩率的影响存在显著差异。模具温度和冷却时间的增加能够有效减少体积收缩，而注射压力和熔体温度的过高水平则可能引发更大的变形风险。方差分析可以定量评估各因素及其交互作用对体积收缩率的贡献程度。这种系统的分析方式不仅能够识别单一参数的影响，还能揭示复杂工艺条件下多个参数之间的协同或对抗效应，从而为后续的优化策略提供方向性指导^[17]。

响应面模型的建立可以进一步将实验数据转化为数学表达式，量化工艺参数对体积收缩率的具体作用。优化过程中，可以根据模型预测选择最佳参数组合，由此调整模具温度至某个适中水平以均衡熔体流动，同时适当延长冷却时间以释放内应力^[18]。利用模型预测的优化参数组合，模拟结果表明制件体积收缩率可显著降低，制件的尺寸精度和成型质量得到明显改善。

2.3 响应面拟合

采用响应面法对注塑成型工艺参数进行拟合分析，构建体积收缩率R与工艺参数之间的数学模型，为优化工艺参数组合提供依据。该响应面模型方程为：

\begin{array}{c}R=\mathrm{2.11}-\mathrm{0.10}A+\mathrm{0.025}B+\mathrm{0.15}C-\mathrm{0.086}D+\mathrm{0.13}AB+\mathrm{0.25}AC-\mathrm{0.055}AD-\mathrm{0.12}BC+\mathrm{0.15}BD-\mathrm{0.26}CD+\\ \mathrm{0.078}{A}^{\mathrm{2}}+\mathrm{0.12}{B}^{\mathrm{2}}-\mathrm{0.031}{C}^{\mathrm{2}}+\mathrm{0.23}{D}^{\mathrm{2}}\end{array}(1)

响应面模型中的系数反映了各参数及其交互作用对体积收缩率的影响程度。分析发现，D对体积收缩率具有负相关影响，其系数为-0.086，表明适当延长冷却时间可以有效减少变形。同时，C对体积收缩率有显著的正相关影响，其系数为0.15，意味着降低熔体温度有助于改善成型精度^[19]。

模型方程还揭示了各参数之间的交互作用对体积收缩的综合影响。交互作用项中，CD的交互系数为-0.26，是方程中影响最显著的交互作用，表明这两个参数的联合优化能够显著减少变形量。其次是AC的交互项，系数为0.25，说明这两者的协同调控对体积收缩也有较大影响。其他交互项如AB、AD、BC和BD的系数相对较小，但仍然提供了对多参数联合作用的量化指导^[20]。这种方法不仅可以量化单一参数的作用，还能够深入挖掘参数间的复杂交互影响，为优化提供全面的数据支持。优化过程中，可以优先调控对变形影响显著的参数及交互项，因此采取适当降低熔体温度、延长冷却时间，并结合熔体温度与冷却时间的联合优化策略，以达到减小体积收缩率的目的。这种科学化的数据分析为注塑成型工艺的精确控制提供基础，并为制件的高质量成型提供可靠保障。

图4为拟合曲线与正态分布。从图4可以看出，正态分布图、拟合曲线图上的数据点，均大致沿中心直线两侧均匀散布，显示出动态平衡状态。这种分布模式表明模型与数据之间的拟合度较高，因此该模型非常适用于预测实验结果。这表明成功地建立了一个能够准确预测体积收缩率的回归模型方程，并验证其有效性^[21]。

2.4 数据分析与模型建立

对响应面模型实验数据进行方差回归分析，方差分析可以确认模型的显著性。表4为方差分析结果。从表4可以看出，模型的F值为3.41，P值为0.012 3，显著性水平小于0.05，证明模型的预测能力可靠。同时，失拟项的显著性为不显著，表明数据没有明显失拟，响应面模型能够很好地拟合实验数据。这种精确的拟合为优化工艺参数提供了坚实的基础。相关系数R²达到0.960 7，高于0.900 0的标准值，精度为7.767 0，远超4.000 0的基准值，表明模型具有良好的区分度和预测能力^[22]。

观察各个独立因素的影响力，发现因素影响效果的排序为：C>A>D>B，这与前文线性回归模型得到的结论相吻合，进一步验证结果的准确性。在考虑交互作用时，发现AC和CD的交互项表现出显著性。这些交互作用的显著性表明，两个变量的协同或对抗作用在控制体积收缩率方面至关重要^[23]。

3D等高线图可以较为清晰地看出具体而显著的交互影响效果。图5为响应面模型的3D曲面图和等高线图。从图5可以看出，C和D的交互作用最为显著，说明在优化冷却时间时，需要调整C，才能够有效减少体积收缩^[24]。此外，A与C的交互作用也有较大影响，提示在控制A的同时，优化C对提升制件质量有重要作用^[25]。

3 模拟验证

根据Design Expert 10.0软件建立的响应面模型，进行模拟优化分析，以体积收缩率R最小为目标，表5为优化后模拟分析结果。将优化后的最佳工艺参数组合代入Moldflow软件，即模具温度76 ℃、注射压力104 MPa、熔体温度211℃以及冷却时间31 s，以此对制件的体积收缩率进行模拟验证。图6为优化后验证结果。

从图6可以看出，在上述优化条件下，制件的实际体积收缩率为1.424 0%，较初始体积收缩率4.570 0%显著降低了68.84%。同时，模型的预测值为1.444 0%，两者误差为1.39%，远小于3%，表明优化结果的预测能力和可靠性均十分出色。

4 结论

借助UG 12.0软件建立刹车仪表灯罩的3D模型，并利用Moldflow软件进行注塑成型工艺的模拟仿真和优化。模型网格划分产生了153 560个单元，最大纵横比16.20，网格匹配率达93.3%，确保了模拟分析的精度与稳定性。响应面模型的建立揭示了工艺参数与体积收缩率之间的数学关系，表明冷却时间对体积收缩率有负相关影响，而熔体温度有正相关影响。方差分析确认了模型的显著性，R²值达到0.960 7，表明模型具有良好的预测能力。优化分析得到的最佳工艺参数组合为模具温度76 ℃、注射压力104 MPa、熔体温度211 ℃以及冷却时间31 s，模拟验证显示实际体积收缩率较初始值降低了68.84%，模型预测值与实际值误差小于3%，验证了优化结果的准确性和可靠性。

参考文献

[1] 周俊杰,王娟,汤松臻.汽车转向盘注塑模具冷却过程三维模拟[J].低温与超导,2024,52(7):83-88.

[2] 郑跃刚,黄寅.汽车刹车泵体注塑模具优化设计[J].现代塑料加工应用,2024,36(3):35-39.

[3] 叶衔真,荣星,蔡部林,基于气辅成型某汽车把手的注塑模具设计[J].工程塑料应用,2024,52(10):116-123.

[4] 夏雨,高云霄.汽车空调管接头复杂塑件注塑模设计[J].工程塑料应用,2024,52(10):100-108.

[5] 印磊,苏小平,潘杰.基于NCGA的汽车外饰件注塑成型工艺参数多目标优化[J].塑料工业,2024,52(8):95-100.

[6] 陆伟华.汽车门内锁扣注塑工艺仿真分析与优化[J].机械工程与自动化,2024(5):89-91.

[7] MUVUNZI R, DIMITROV D M, MATOPE S, et al. A case study on the design of a hot stamping tool with conformal cooling channels[J]. The International Journal of Advanced Manufacturing Technology, 2021, 114: 1833-1846.

[8] REGGIANI B, TODARO I. Investigation on the design of a novel selective laser melted insert for extrusion dies with conformal cooling channels[J]. The International Journal of Advanced Manufacturing Technology, 2019, 104: 815-830.

[9] 杨兴成.聚丙烯改性对汽车保险杠注塑成型和力学性能的影响[J].上海塑料,2024(2):15-21.

[10] 潘明.汽车零部件注塑模具组装过程中的质量控制[J].汽车画刊,2024(4):65-67.

[11] HANDAL R. An implementation framework for additive manufacturing in supply chains[J]. Journal of Operations & Supply Chain Management, 2017, 10(2): 18-31.

[12] MAZUR M, BRINCAT P, LEARY M, et al. Numerical and experimental evaluation of a conformally cooled H13 steel injection mould manufactured with selective laser melting[J]. The International Journal of Advanced Manufacturing Technology, 2017, 93: 881-900.

[13] PÉREZ M, CAROU D, RUBIO E M, et al. Current advances in additive manufacturing[J]. Procedia CIRP, 2020, 88: 439-444.

[14] 费强,张维合.汽车空调鼓风机左右盖复杂抽芯注塑模设计[J].中国塑料,2024,38(1):112-116.

[15] 张科达.汽车零部件注塑焊接工艺创新与发展方向探讨[C]//2024新技术与新方法学术研讨会论文集.宁波:中国智慧工程研究会,宁波众升汽车部件有限公司,2024.

[16] SAIFULLAH A B M, MASOOD S H. Cycle time reduction in injection moulding with conformal cooling channels[J]. Proceedings of the International Conference on Mechanical Engineering, 2007 (ICME2007), ICME07-AM-42, 2007, Dhaka, Bangladesh: 29-31.

[17] 费强,张维合.汽车B柱上护板热流道大型注塑模设计[J].现代塑料加工应用,2024,36(4):36-39.

[18] 康栋,杜小建,段金海,汽车类注塑零部件成本分析模型[J].商用汽车,2024(3):80-83.

[19] KUO C C, XU J Y, ZHU Y J, et al. Effects of different mold materials and coolant media on the cooling performance of epoxy-based injection molds[J]. Polymers, 2022, 14(2): 280.

[20] KUO C C, YOU Z Y. A simple method for enhancing the flexural strength of epoxybased rapid soft tooling with conformal cooling channels[J]. The International Journal of Advanced Manufacturing Technology, 2022, 121: 1887-1897.

[21] 王一栋,丁宏参,高业汉,汽车内通风道注塑模吹气脱模机构设计及优化[J].专用汽车,2024(4):73-75.

[22] 程佳玮,曹俊哲,谢传颖,基于Moldflow的汽车把手气辅注塑工艺多目标优化[J].工程塑料应用,2024,52(4):89-93.

[23] 周健宁,张栩梓.基于Moldflow技术的汽车保险杠格栅外观缩痕优化研究[J].装备制造技术,2024(2):17-20.

[24] MOHAMMED M T. Mechanical properties of SLM-titanium materials for biomedical applications: A review[J]. 2018, 5(9): 17906-17913.

[25] PARK H S, PHAM N H. Design of conformal cooling channels for an automotive part[J]. International Journal of Automotive Technology, 2009, 10: 87-93.

基金资助

眉山市科技指导性计划项目(2023KJZD089)