基于Moldex3D化学发泡模拟的电池护板成型分析

Molding Analysis of Battery Guard Plate Based on Moldex3D Chemical Foaming Simulation

摘要

在新能源汽车电池领域，电池护板起到缓冲吸收能量的作用，对成型精度和装配的要求较高。但由于聚氨酯化学发泡反应注塑成型工艺的复杂性，化学发泡过程中易产生空腔、困气、密度不均、翘曲变形量过大等缺陷。因此运用Moldex3D软件进行化学发泡过程数值模拟，对聚氨酯泡沫箱体发泡的流动过程进行模拟仿真，以制件的翘曲变形量为研究目标建立响应面模型，通过获取最佳的成型工艺参数组合降低制件的翘曲变形量。结果表明：当熔体温度为32.08 ℃、模具温度为62.35 ℃、注射时间为5.32 s、冷却时间为118.01 s时，制件的翘曲变形量最小，为4.053 mm，较未优化前降低13.658 mm，整体质量显著提升。

Abstract

In the field of new energy vehicle batteries, the protective tray must absorb impact energy while meeting stringent dimensional and assembly tolerances. However, due to the complexity of polyurethane chemical foaming reaction injection molding process, it is easy to produce defects such as cavity, trapped gas, uneven density and excessive warpage deformation during chemical foaming process. Therefore, Moldex3D software was used to conduct numerical simulation of chemical foaming process, and the foaming flow process of polyurethane foam box was simulated. The response surface model was established with the warpage deformation of the workpiece as the research objective, and the warpage deformation of the workpiece was reduced by obtaining a better combination of forming process parameters. The results show that when the melt temperature is 32.08 ℃, the mold temperature is 62.35 ℃, the injection time is 5.32 s, and the cooling time is 118.01 s, the warpage deformation of the workpiece is the smallest, which is 4.053 mm, which is 13.658 mm lower than before optimization, and the overall quality is significantly improved.

Graphical abstract

关键词

响应面试验 / 水发泡聚氨酯 / 化学发泡 / 工艺优化 / Moldex3D

Key words

Rresponse surface test / Water foamed polyurethane / Chemical foaming / Process optimization / Moldex3D

新能源汽车行业的发展对汽车电池保护提出更高的要求。聚氨酯泡沫材料具有轻质、缓冲性能好等特点，能够满足汽车电池护板的使用要求^[1]。水发泡聚氨酯反应注塑可直接成型结构复杂的电池护板，其工艺为：将含预聚体、交联剂、水及其他助剂的混合料注入模腔；水与异氰酸酯发泡反应生成CO₂，使聚氨酯熔体膨胀并填充模腔，同时发生交联固化反应，最终形成轻质、高强的泡沫护板。这个过程是非稳态的，涉及交联固化、发泡反应及黏度变化等，由于聚氨酯化学发泡反应注塑成型工艺的复杂性，化学发泡过程中易产生空腔、困气、密度不均、翘曲变形量过大等缺陷^[2]。为了提高新能源汽车电池护板成型过程中的质量、改善密度不均、提高装配精度、降低产品的翘曲变形量，可利用CAE软件进行数值模拟分析，寻找最优工艺参数组合^[3-5]。

针对密度不均和翘曲变形量大等问题，研究人员对聚氨酯化学发泡反应注塑成型过程及工艺参数的优化进行研究。张谷峰等^[6]建立聚氨酯发泡过程模型，对冰箱门体的发泡过程进行研究，改善了冰箱门体的空腔缺陷。HERSHEY等^[7]利用泡沫起升仪，建立聚氨酯泡沫的材料膨胀模型，预测多个浇口的分布位置和注射顺序对熔接线位置的影响。

本工作以电池护板为研究对象，利用Moldex3D软件建立仿真模型，输出聚氨酯熔体充型发泡中的流动前沿、密度分布和翘曲变形量等结果，设计响应面以探究熔体温度、模具温度、注射时间和冷却时间对制品翘曲变形量的影响，制定最佳成型方案，改善制品翘曲变形、装配困难的情况，为聚氨酯泡沫制品生产提供指导。

1 模型建立与材料属性

1.1 产品结构分析

图1为电池护板的三维模型。从图1可以看出，电池包壳体形状不规则，有较多的孔、凹槽和加强筋，这些结构会阻碍聚氨酯熔体流动。电池护板整体尺寸为1 045.0 mm×677.0 mm×91.0 mm。成型后必须满足以下条件：发泡件开模无开裂，翘曲变形量小，密度均匀，表面无明显的凹痕、流痕，以降低后续装配难度。

1.2 电池后护板材料特性

电池护板选用水发泡聚氨酯材料，其发泡工艺和宏观性能取决于聚氨酯的原料体系，其中多异氰酸酯和多元醇构成聚氨酯泡沫骨架，水和助剂则直接影响聚氨酯的发泡过程^[1]。不同类型的多元醇和异氰酸酯的反应活性差异显著，反应速率决定加工窗口的大小。为了确定聚氨酯材料的加工窗口并用于数值模拟，需要建立包含固化和发泡反应及黏度的耦合模型来描述聚氨酯泡沫的加工时的物理状态。该模型通过发泡小试与试验表征获得关键参数^[8-9]。

化学发泡反应注塑成型过程主要发生交联反应和发泡反应^[10]。交联反应为异氰酸酯基团与多元醇中的羟基反应生产聚氨基甲酸酯，形成聚氨酯交联网络。该反应式为：

\mathrm{R}—\mathrm{N}\mathrm{C}\mathrm{O}+{\mathrm{R}}^{*}—\mathrm{O}\mathrm{H}\to \mathrm{R}—\mathrm{N}\mathrm{H}\mathrm{C}\mathrm{O}\mathrm{O}—{\mathrm{R}}^{*}(1)

发泡反应为异氰酸酯基团与水生成热稳定性差的氨基甲酸，该氨基甲酸会分解产生胺官能团和CO₂。该反应式为：

\mathrm{R}—\mathrm{N}\mathrm{C}\mathrm{O}+{\mathrm{H}}_{\mathrm{2}}\mathrm{O}\to \mathrm{R}\mathrm{N}\mathrm{H}—\mathrm{C}\mathrm{O}\mathrm{O}\mathrm{H}\to\mathrm{R}—\mathrm{N}{\mathrm{H}}_{\mathrm{2}}+\mathrm{C}{\mathrm{O}}_{\mathrm{2}}(2)

利用固化动力学模型描述异氰酸酯和多元醇的交联程度，采用自催化动力学模型进行描述。该模型方程为^[11]：

\frac{\mathrm{d}\alpha }{\mathrm{d}t}=\mathrm{3.97}\times {\mathrm{10}}^{\mathrm{5}}\times \mathrm{e}\mathrm{x}\mathrm{p}(\frac{-\mathrm{47}\mathrm{560}}{RT})\times {\alpha }^{\mathrm{0.12}}\times {(\mathrm{1}-\alpha )}^{\mathrm{1.8}}(3)

通过固化动力学模型进行分析可以得到在某一温度下达到某个固化度的所需时间^[12]，为确定聚氨酯泡沫加工时的固化温度和出模时间提供指导。

发泡动力学描述异氰酸酯和水反应产生CO₂的反应程度，决定了聚氨酯泡沫的膨胀速率，采用n级动力学模型进行建模。该模型方程为^[12]：

\frac{\mathrm{d}{\alpha }_{\mathrm{f}}}{\mathrm{d}{t}_{}}=\mathrm{5.806}\times {\mathrm{10}}^{\mathrm{7}}\times \mathrm{e}\mathrm{x}\mathrm{p}(\frac{-\mathrm{64}\mathrm{432}}{RT})\times {(\mathrm{1}-\alpha )}^{\mathrm{1.576}}(4)

Castro-Macosko黏度模型描述了黏度与交联反应程度和温度间的关系，该模型方程为^[13]：

{\eta }_{\mathrm{c}\mathrm{u}\mathrm{r}\mathrm{e}}=\mathrm{0.46}\mathrm{e}\mathrm{x}\mathrm{p}(\frac{-\mathrm{1}\mathrm{632}}{T}){(\frac{\mathrm{0.32}}{\mathrm{0.32}-\alpha })}^{\mathrm{0.5}+\mathrm{4.8}\alpha }(5)

式(3)~式(5)中：\alpha为交联程度；{\alpha }_{\mathrm{f}}为发泡转化率；R为气体常数，8.314 J/mol；T为温度，K；t为时间，s；{\eta }_{\mathrm{c}\mathrm{u}\mathrm{r}\mathrm{e}}为聚氨酯熔体黏度，Pa·s。

聚氨酯熔体的黏度由异氰酸酯和多元醇的交联程度和熔体温度决定。黏度影响聚氨酯泡沫熔体在模具中的充填流动能力，当黏度过大时，熔体流动困难，难以充填模具型腔。通过Castro-Macosko黏度模型联立固化动力学模型，可以得到在不考虑固化放热、模具冷却等理想条件下的温度对聚氨酯熔体黏度的影响，为熔体初始温度和模具温度的选择提供初始参考。图2为聚氨酯泡沫温度-时间-黏度曲线。

1.3 电池护板初始分析

根据发泡小试和材料模型得出聚氨酯泡沫的乳白时间为15 s，拉丝时间为60 s，上升时间为72 s，从而确定初始工艺参数为：熔体温度30 ℃、模具温度60 ℃、注射时间5 s、冷却时间80 s。然后进行“充填+冷却+翘曲”分析。图3为注射完成时聚氨酯熔体流动波前时间及充填总质量。从图3可以看出，5.551 s为发泡切换时间点，这一时刻聚氨酯熔体注射完成，充填总质量为5 282 g。

图4为成型过程中聚氨酯熔体流动波前时间及填充体积分率。发泡反应中，异氰酸酯基团和水反应产生CO₂，使聚氨酯泡沫不断膨胀直至充满模腔。从图4可以看出，聚氨酯熔体充填末端没有出现短射现象，说明注射量合适。

图5为电池护板的翘曲变形量。从图5可以看出，制件的最大翘曲变形量为17.711 mm，实际生产要求制件的翘曲变形量应小于5.000 mm，因此需要对制件成型工艺参数进行优化分析，从而降低其翘曲变形量，提高成型质量，以满足实际生产需求。

2 响应面法成型工艺参数优化

2.1 响应面设计与模型建立

熔体温度、模具温度、注射时间、冷却时间等对化学发泡件的翘曲变形量有着重要影响^[14]。初始熔体温度和模具温度决定了聚氨酯交联程度、发泡反应速率和熔体黏度。过低的初始熔体温度会导致注射时聚氨酯熔体黏度过大，流动性降低^[15]；模具温度过高会导致注射完成后聚氨酯交联反应速率增加，聚氨酯熔体黏度增加过快，流动能力降低，造成翘曲变形量较大。注射时间与注射流率直接决定聚氨酯熔体注射完成后在模具内的初始分布，进而决定聚氨酯泡沫的密度分布。冷却时间的增加有助于交联反应程度的提高，增强聚氨酯泡沫强度，但会降低生产效率。因此，对于这些参数精确控制对于聚氨酯泡沫制品的质量至关重要。

为了确定熔体温度(A)、模具温度(B)、注射时间(C)、冷却时间(D)的最优组合，采用响应面法设计四因素三水平的试验方案，将翘曲变形量作为响应面的目标值。表1为响应面试验因素水平设计。表2为响应面设计方案及结果。

2.2 响应面模型结果分析

为了将翘曲变形量与工艺参数通过函数关系用多项式表示出来，对表2结果进行最小二乘法拟合^[16]，得到式(6)：

\mathrm{翘曲}\mathrm{变形}\mathrm{量}=\mathrm{10.09}-\mathrm{0.109}A-\mathrm{0.067}B+\mathrm{0.085}C-\mathrm{0.385}D-\mathrm{0.219}AB+\mathrm{0.003}\mathrm{5}AC-\mathrm{0.011}AD+\mathrm{0.025}BC+\mathrm{0.173}BD-\mathrm{0.024}\mathrm{5}CD+\mathrm{0.198}{A}^{\mathrm{2}}+\mathrm{0.184}{B}^{\mathrm{2}}-\mathrm{0.126}{C}^{\mathrm{2}}-\mathrm{0.596}{D}^{\mathrm{2}}(6)

图6为响应面模型诊断。从图6a可以看出，散点分布基本趋于一条直线，认为残差服从正态分布。从图6b可以看出，制品翘曲变形量函数预测值与翘曲模拟实测值趋于一条直线。两者均表示该响应面模型拟合情况较好，可预测最终结果^[17-18]。

根据F值可以得出各个因素对翘曲变形量的影响程度，F值越大，表明影响程度越大^[19]。交互影响作用依次为：AB>BD>BC>CD>AD>AC，单个因素大小依次为D>A>C>B，即冷却时间>熔体温度>注射时间>模具温度。其中AB、AD和CD与制件的翘曲变形量呈现负相关，其他因素与制件的翘曲变形量呈现正相关。

表3为方差分析结果。从表3可以看出，响应面模型的P值小于0.05^[20]，表明该模型的显著性较高，其中D、AB、BD、A^{\mathrm{2}}、B^{\mathrm{2}}的P值均小于0.05，说明这些设计变量具有显著性。R^{\mathrm{2}}=\mathrm{0.935}\mathrm{6}，{R^{\mathrm{2}}}_{\mathrm{A}\mathrm{d}\mathrm{j}}=\mathrm{0.921}\mathrm{9}，均大于0.9，表明该模型拟合效果较好。通常模型信噪比大于4，表明模型分辨能力较好，模型信噪比为7.689，可以进行结果预测^[21]。

三维等高线图及二维等高线图能够反映因素之间的交互作用对翘曲变形量的影响^[21-22]，图像陡峭程度反映各个因素间的交互程度^[23]。图7为响应面模型的三维曲面图和等高线图。

从图7a可以看出，当注射时间和冷却时间恒定时，翘曲程度随着模具温度和熔体温度的增大而先减小后增大，二者交互作用显著。从图7b可以看出，冷却时间和模具温度交互作用显著，延长冷却时间有助于降低翘曲程度，但会降低生产效率，其他因素交互作用不显著。

2.3 最优工艺参数的确定及模拟验证

综合响应面分析进行优化及模拟验证，表4为预测与验证方案的工艺参数及响应值。从表4可以看出，通过响应面预测，电池护板翘曲变形量最小值为4.061 mm。

按照表4的最佳工艺参数组合进行模拟分析，图8为优化后的翘曲变形量。从图8可以看出，优化后的工艺参数对翘曲变形量影响较大。工艺参数优化前，电池护板的翘曲变形量最大值17.711 mm，经过工艺参数优化，初始熔体温度提高，聚氨酯熔体初始流动性提高，改善了其密度均匀性^[24]。同时模具温度和冷却时间的增加使出模时的交联程度提高，改善了聚氨酯的出模强度^[25]，降低了制品的翘曲变形量。在优化的工艺条件下，电池护板的翘曲变形量模拟结果为4.053 mm，与响应面的预测结果4.061 mm之间的相对误差为0.2%，结果较为准确。

2.4 生产验证

根据表4结果，将所优化后的工艺参数取整为熔体温度为32.00 ℃、模具温度为62.50 ℃、注射时间为5.30 s、冷却时间为118.00 s，进行生产验证。图9为产品实物。使用高度游标卡尺将电池护板特征点翘曲变形量的测量值与模拟结果进行对比。图10为优化模拟值与实际值对比。从图10可以看出，翘曲变化趋势基本相同，二者相对误差为9.8%。同时制品最大翘曲变形量相比初始工艺方案的翘曲变形量降低74.5%。因此，模拟结果达到优化效果，提高了成型质量，可为改善化学发泡制品翘曲变形量提供指导。

3 结论

在电池护板化学发泡反应注塑成型中，电池护板的结构阻碍了聚氨酯泡沫熔体的流动，造成密度不均，带来较大的翘曲变形量。调整工艺参数可以优化聚氨酯泡沫熔体的充填膨胀过程，进而改善成型件的翘曲变形。综合运用数值模拟和响应面方法进行优化设计，确定最佳的成型工艺参数为：熔体温度32.08 ℃、模具温度62.35 ℃、注射时间5.32 s、冷却时间118.01 s。这一参数组合可显著降低电池护板的翘曲变形量。初始熔体温度和模具温度的提高可以改善聚氨酯熔体的流动行为和聚氨酯泡沫制品的出模强度，降低出模时制品的翘曲变形量，达到最佳的成型效果。

参考文献

[1] 肖铁民, 何健松, 冯小龙, 等. 聚氨酯材料在汽车领域应用的研究现状与发展趋势[J]. 机电工程技术, 2025, 54(7): 1-6.

[2] CABRERA V H, SANDOVAL P, SILVA M, et al. Improvement of polyurethane foam growth behavior of within an aluminum mold with a comparison between a specialized software and applied tests[J]. Materials Today: Proceedings, 2022, 49: 43-49.

[3] CHUNG C Y, HWANG S S, CHEN S C, et al. Effects of injection molding process parameters on the chemical foaming behavior of polypropylene and polystyrene[J]. Polymers, 2021, 13(14): 2331.

[4] GEIER S, WINKLER C, PIESCHE M. Numerical simulation of mold filling processes with polyurethane foams[J]. Chemical Engineering & Technology: Industrial Chemistry‐Plant Equipment‐Process Engineering-Biotechnology, 2009, 32(9): 1438-1447.

[5] KARIMI M, DROGHETTI H, MARCHISIO D L. PU Foam: A novel open-source CFD solver for the simulation of polyurethane foams[J]. Computer Physics Communications, 2017, 217: 138-148.

[6] 张谷峰, 陈小润, 程旺, 等. 基于Inspire Polyfoam的冰箱发泡工艺研究[C]//2021年中国家用电器技术大会论文集. 合肥: 中国家用电器协会, 2021.

[7] HERSHEY C J, JAYARAMAN K. Numerical simulation of mold filling water blown polyurethane foams: Effects of sequential pour[J]. Journal of Cellular Plastics, 2021, 57(2): 193-209.

[8] RAIMBAULT C, LAURE P, FRANÇOIS G, et al. Foaming parameter identification of polyurethane using FOAMAT® device[J]. Polymer Engineering & Science, 2021, 61(4): 1243-1256.

[9] MONDY L A, RAO R R, SHELDEN B, et al. Experiments to populate and validate a processing model for polyurethane foam. BKC 44306 PMDI-10[R]. Albuquerque, NM (United States): Sandia National Lab (SNL-NM), 2014.

[10] 陈涛, 杜海晶, 米岩, 等. 水用量对全水发泡聚氨酯泡沫形态和力学性能的影响[J]. 高分子材料科学与工程, 2012, 28(7): 67-71.

[11] OU H, SAHLI M, BARRIERE T, et al. Determination of the activation energy of silicone rubbers using different kinetic analysis methods[C]//MATEC Web of Conferences. Troyes, France: EDP Sciences, 2016.

[12] 黄坚龙, 王碧武, 雷炜. 环氧树脂的等温固化动力学及其在覆铜板中的应用[J]. 印制电路信息, 2019, 27(4): 22-27.

[13] 孙军坤. 深冷绝热硬质聚氨酯泡沫材料的制备及其发泡过程的化学流变学研究[D]. 上海: 上海交通大学, 2016.

[14] 丁永峰, 龙婵娟. 阻鼾器下牙套注塑工艺参数优化[J]. 沈阳理工大学学报, 2019(2): 49-53.

[15] 刘亭. 无砟轨道路基沉降发泡聚氨酯浆材修复机制及抬升技术研究[D]. 成都: 西南交通大学, 2020.

[16] 莫壮壮, 刘淑梅, 宋志远, 等. 基于响应面法的地暖锅炉零部件壁厚优化[J]. 轻工机械, 2021, 39(1): 92-97.

[17] 王春华, 贾晓明, 李朕, 等. 基于响应面法的齿轮相关因素对其热弹耦合变形影响分析[J]. 机械传动, 2016, 40(1): 116-118, 123.

[18] 韩聪聪, 于海勇, 何臣, 等. 航空轮胎胎坯均匀性侧向力建模分析[J]. 橡胶工业, 2021, 68(9): 676-681.

[19] 李晖, 辜忠春, 王宵, 等. 基于响应面法优化的竹丝饰面细木工板热压工艺[J]. 中南林业科技大学学报, 2020, 40(9): 156-163.

[20] 高蓉菲, 刘泓滨. 注塑成型工艺参数对PP饭盒盖翘曲变形量的影响研究[J]. 塑料工业, 2020, 48(2): 79-81.

[21] 邱志文, 刘军辉, 曾天文, 等. 薄壁塑件注塑成型翘曲变形的工艺优化分析[J]. 机电工程技术, 2022, 51(2): 170-172.

[22] 胡祚庥, 刘淑梅, 毛欣然, 等. 基于响应面法的汽车接插件翘曲变形优化[J]. 上海工程技术大学学报, 2021, 35(2): 113-117.

[23] 于航, 马秋月, 王海默, 等. 基于响应面设计法的复合酸化剂配方的体外优化研究[J]. 饲料研究, 2022, 45(1): 63-66.

[24] KUO C C, LU Y Q, FAROOQUI A, et al. Technical advancements and applications in predictive modeling of polyurethane foaming height[J]. Polymers, 2025, 17(4): 452.

[25] MALUNJKAR G, MCELROY H, CORONEO M, et al. Improving the quality of rigid polyurethane foam sandwich insulation panels[J]. MRS Advances, 2023, 8(9): 489-493.