基于Moldflow的ABS智能传输器外壳成型质量分析

Molding Quality Analysis of ABS Intelligent Transmitter Shell Based on Moldflow

摘要

文章聚焦基于Moldflow的ABS智能传输器外壳成型质量分析。首先，利用UG 12.0软件构建外壳三维模型，模型尺寸为582.2 mm×560.5 mm×280.2 mm，再导入Moldflow进行网格化处理，上盖部分由28 268个网格单元组成。初始模拟分析显示，制件最大翘曲变形量达1.389 0 mm，存在气穴和熔接线等缺陷。随后，采用响应面法（RSM）中的中央复合设计（CCD）方法，通过Design Expert 10.0软件建立响应面模型，设计29个组合，确定翘曲变形量与工艺参数间的响应面模型方程。方差分析显示，模型显著性高，相关系数（R²）为0.936 8，表明模型对数据有较强的解释能力。最终通过模拟优化分析，得出最佳工艺参数组合：模具温度221 ℃、熔体温度273 ℃、冷却时间46 s、保压压力19 MPa，优化后翘曲变形量降至0.374 1 mm。实际注塑成型试验验证了优化工艺参数的有效性和可行性，显著提升了智能传输器外壳的成型质量。

Abstract

The article focused on the moulding quality analysis of ABS intelligent transmitter shell based on Moldflow. Firstly, UG 12.0 software was used to construct a three-dimensional model of the shell, whose dimensions were 582.2 mm×560.5 mm×280.2 mm, and then it was imported into Moldflow for meshing, and the upper cover part consisted of 28 268 mesh cells. The initial simulation analysis showed that the maximum warpage deformation of the part reachesd 1.389 0 mm, and there were defects such as gas cavity and fusion lines. Subsequently, the central composite design (CCD) method in response surface methodology (RSM) was adopted to establish the response surface model through Design Expert 10.0 software, and 29 combinations were designed to determine the response surface model equations between the warpage deformation amount and the process parameters. The ANOVA analysis showed that the model was highly significant, and the correlation coefficient (R²) was 0.916 8, which indicated that the model had a stronger interpretation ability of the data. The correlation coefficient R² was 0.936 8, which showed that the model had strong explanation ability for the data. Finally, through the simulation and optimization analysis, the optimum combination of process parameters was obtained: mould temperature was 221 ℃, melt temperature was 273 ℃, cooling time was 46 s, holding pressure was 19 MPa, and the warpage deformation was reduced to 0.374 1 mm after optimization. The actual injection moulding test verified the effectiveness and feasibility of the optimized process parameters, and the moulding quality of the shell of the intelligent transmitter was significantly improved.

Graphical abstract

关键词

智能传输器外壳 / Moldflow / ABS材料 / 响应面法

Key words

Intelligent transmitter shell / Moldflow / ABS material / Response surface methodology

随着电子设备和智能化产品的广泛应用，智能传输器在现代工业生产中扮演着越来越重要的角色。作为智能传输系统的关键组成部分，传输器外壳不仅需要满足结构强度的要求，还要具备优异的电气性能和热稳定性，以确保设备在复杂工作环境下的稳定运行。智能传输器外壳通常由高分子材料制成。丙烯腈-丁二烯-苯乙烯共聚物(ABS)因其优良的机械性能、耐热性、易加工性和电绝缘性，成为广泛应用的材料之一^[1-2]。

在智能传输器外壳的制造过程中，材料的选择和成型工艺对产品的最终质量具有显著影响。ABS材料的成型质量不仅直接影响外壳的结构稳定性和使用寿命，还会影响其电气绝缘性和抗冲击性能。因此，通过合理的成型工艺来优化ABS材料的性能，进而提高智能传输器外壳的整体质量，成为当前研究的一个重要课题^[3]。

利用Moldflow仿真技术可以在实际生产之前对注塑工艺进行虚拟分析和优化，从而减少试模次数，降低生产成本。通过对材料的流动行为、模具的填充均匀性、冷却过程以及制品的应力分布等进行详细分析，可以预测并避免成型过程中可能出现的质量问题^[4-5]。在ABS材料成型过程中，Moldflow能够提供精确的模拟结果，帮助工程师优化注塑条件，提高产品的一致性和可靠性。这对提升智能传输器外壳的整体成型质量、确保产品的性能稳定性和市场竞争力具有重要意义^[6-7]。因此，基于Moldflow的分析方法不仅能够有效提升生产效率，还能为智能传输器外壳的设计和制造提供数据依据和技术支持，是现代制造业中不可或缺的技术手段。

近年来，响应面法(RSM)作为一种系统的试验设计和建模方法，被广泛应用于注塑工艺优化中。通过建立工艺参数与翘曲变形之间的数学模型，能够定量分析各因素的影响程度及其交互作用，为优化工艺参数提供依据^[8-9]。本文以ABS材料为研究对象，采用中央复合设计(CCD)方法，通过Design Expert 10.0软件建立响应面模型，结合Moldflow软件进行模拟分析，系统研究模具温度、熔体温度、冷却时间和保压压力等工艺参数对翘曲变形量的影响，旨在通过优化工艺参数使翘曲变形量最小化，提高产品的成型质量。

1 模拟仿真

在进行智能传输器外壳的三维建模过程中，采用UG 12.0软件作为主要工具确保了模型的几何精度和尺寸完整性，这是模拟仿真工作的重要基础。图1为智能传输器的外壳模型。从图1可以看出，传输器由多个精密组件构成，其设计要求必须考虑到各部分的协同工作和结构的整体性。智能传输器外壳的尺寸为582.2 mm×560.5 mm×280.2 mm。这种精心设计的组合结构，旨在为传输器的核心部件提供最大程度的保护，确保其在恶劣的运行环境中能够稳定运行。

进一步地，利用Moldflow软件对传输器的上盖和下底部分进行深入的注塑模拟分析，旨在验证ABS材料的注塑加工性能。在模拟分析的初期阶段，设计图纸被导入Moldflow进行网格化处理。图2为智能传输器外壳的网格分布。从图2可以看出，原始表面被划分为多个细小的三角形网格单元。上盖部分经过网格化处理后，表面由28 268个网格单元组成，其最大纵横比为21.87，网格匹配率达到91.80%，为后续的模拟分析提供高质量的网格基础。

在注塑成型领域，材料选择对整个生产过程和最终产品的性能具有显著影响。ABS塑料因其较低的比重和较大的热膨胀系数，相比其他材料，在减轻产品质量和节约原材料方面展现出显著优势。然而，这种材料在熔融状态和固态之间的体积变化较大，导致其在冷却过程中容易发生广泛的结晶现象，从而形成更致密的零件结构。这种结晶过程可能会增加塑件不均匀收缩的风险，进而引发表面扭曲或产品变形，特别是在翘曲问题上，这种风险尤为突出。因此，在完成模型的建立和网格划分之后，必须利用Moldflow软件进行详尽的模拟分析，以充分评估和考虑各种工艺参数对零部件翘曲的影响^[10-11]。这种模拟分析对于预测和量化翘曲风险至关重要，有助于在生产前识别潜在问题并制定相应的解决方案^[12-13]。

在注射温度的选择上，基于ABS材料的比热容曲线分析，确定其熔点，在此基础上选择280 ℃作为初始熔体温度，冷却时间为60 s，注射压力为60 MPa，冷却时间为60 s，以确保聚合物熔体具有良好的流动性和低黏度特性^[14]。此外，保压压力的设定通常低于注射压力，以防止熔融聚合物在模具中的过度填充。因此，ABS的保压压力被设定为注射压力的50%，即30 MPa，这一参数的设定有助于实现聚合物在模具中的均匀填充，同时避免过度填充造成的缺陷^[15]。表1为ABS材料的参数。通过这一系列的建模和模拟分析工作，为智能传输器外壳的注塑成型工艺提供数据依据和工艺指导。

图3为初始缺陷分析。从图3可以看出，初始缺陷分析主要包括气穴和熔接线。气穴主要集中在铸件的中部，边缘仅有少量气穴，通常是由于气体未能及时排出或保压不足所致。大量熔接线则均匀分布在铸件的表面，这可能是因为熔融塑料流动汇合不完全，冷却速度过快或注射压力不足。优化注塑参数如熔体温度、注射压力和冷却时间等可以有效减少这些缺陷，提高产品的整体质量^[16]。

图4为智能传输器的初始模拟结果。初始模拟分析结果揭示了智能传输器外壳的翘曲变形情况。从图4可以看出，制件的最大翘曲变形量为1.389 0 mm。制件的翘曲变形非常严重，圆形上接口处注塑效果极差，大部分面积最高温度系数均超过50%，这与制件的几何形状、注塑方向以及材料的固有特性紧密相关。这些关键数据为后续的优化工作提供了重要的参考依据。

在优化过程中，将重点关注注射压力、保压压力、熔体温度和冷却时间等关键工艺参数。通过调整这些参数，可以有效地控制和减少翘曲变形量，从而提升制件的成型质量和尺寸精度。这种多参数综合优化方法不仅能够提高产品的一致性和可靠性，还能够优化生产效率和降低制造成本，对实现高效、高质量的注塑成型生产具有重要的实际意义^[17-18]。

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)优化注塑成型工艺参数，主要研究模具温度、熔体温度、冷却时间和保压压力对翘曲变形量的影响，旨在找到最佳参数组合以减小变形量。利用CCD方法可以深入分析各单一因素对响应变量的作用，同时揭示不同工艺参数之间的交互效应，为工艺优化提供全面的数据依据。表2为因素水平设计。

2.2 响应面样本数据

在试验设计阶段，首先确定4个因素的不同水平，并使用Design Expert 10.0软件设计29个试验组合。这种系统化的设计，能够显著提高数据的可靠性和分析效率。接着，利用Moldflow软件对这些试验组合进行模拟，获得相应的翘曲变形量数据，为后续的响应面模型构建和方差分析奠定基础。表3为DOE试验样本。

2.3 响应面拟合

翘曲变形量(R)与工艺参数之间的响应面模型方程为：

R=+\mathrm{0.90}-\mathrm{3.200}\times {\mathrm{10}}^{-\mathrm{3}}A+\mathrm{0.072}B-\mathrm{0.17}C-\mathrm{0.10}D-\mathrm{0.016}AB-\begin{array}{c}\mathrm{6.725}\times {\mathrm{10}}^{-\mathrm{3}}AC+\mathrm{7.475}\times {\mathrm{10}}^{-\mathrm{3}}AD-\mathrm{0.078}BC-\mathrm{0.019}BD-\\ \mathrm{0.011}CD-\mathrm{0.022}{A}^{\mathrm{2}}-\mathrm{0.039}{B}^{\mathrm{2}}-\mathrm{2.759}\times {\mathrm{10}}^{-\mathrm{3}}{C}^{\mathrm{2}}-\mathrm{0.041}{D}^{\mathrm{2}}\end{array}(1)

通过对该响应面模型方程的分析可知，模具温度(A)、熔体温度(B)、冷却时间(C)和保压压力(D)对翘曲变形量(R)的影响呈现复杂的线性、交互及非线性特征。从主效应项来看，B的线性系数为0.072，在所有主效应中绝对值最大且符号为正，表明熔体温度升高会显著加剧翘曲变形；而C、D和A的线性系数均为负值，说明延长冷却时间、提高保压压力或模具温度均有助于减小翘曲变形量，其中冷却时间的负向调节作用最强，保压压力次之，模具温度的影响最弱。交互作用方面，BC系数为-0.078，绝对值远高于其他交互项，表明当熔体温度与冷却时间同时增加时，二者协同作用能显著抑制翘曲；而AD的正交互效应(7.475×10^-3)则提示模具温度与保压压力的组合可能产生不利影响。二次项中所有参数的系数均为负值，说明各工艺参数对翘曲变形的影响均存在向下开口的抛物特性，即存在使变形量最小的最优参数组合。特别地，D²的二次系数绝对值最大(-0.041)，表明保压压力对翘曲的非线性效应最为显著，当保压压力超过临界值后，其抑制翘曲的效果可能趋于饱和甚至反转。

因此，在工艺优化过程中需要优先控制熔体温度(B)的增幅，同时协同提升冷却时间(C)和保压压力(D)，并注意避免模具温度(A)与保压压力(D)的同步增加。此外，需要结合二次项特征，通过响应面分析法确定各参数的最优工作区间，尤其是保压压力与熔体温度的非线性平衡点，以实现翘曲变形量的全局最小化。

对试验数据进行正态分布图和拟合曲线分析。图5为正态分布与拟合曲线。从图5可以看出，数据点在中心线两侧对称分布，呈现动态对称的特征。这种分布模式表明，试验数据与模型之间具有较高的拟合度^[19]。高拟合度的结果表明，基于响应面法构建的回归模型方程具有良好的预测能力。在预测翘曲变形量时，该模型不仅能够准确地反映数据的变化趋势，而且通过验证试验，进一步确认其可靠性与有效性^[20]。

2.4 数据分析与模型建立

利用Design Expert 10.0软件构建响应面模型，对试验数据进行ANOVA分析，表4为方差分析结果。从表4可以看出，模型整体具有高度显著性(P<0.000 1，R²=0.936 8)，表明所选因素能有效解释93.68%的翘曲变形量变异，且模型预测精度较高(13.999)。在主效应中，冷却时间(C)的F值最高，达到93.56(P<0.000 1)，保压压力(D)次之(F=31.890，P<0.000 1)，熔体温度(B)第三(F=16.420，P=0.001 2)，均表现为极显著影响；而模具温度(A)主效应不显著(P=0.859 5)。交互作用方面，模具温度与熔体温度(AB，F=15.620，P=0.038 4)及熔体温度与冷却时间的交互项(BC，F=6.500，P=0.023 1)均显著，但影响强度远低于主效应，其余交互项和二次项均无统计学意义^[21-22]。从偏差平方和来看，各因素对翘曲变形的贡献度排序为：冷却时间(C，0.350 0)>保压压力(D，0.120 0)>熔体温度(B，0.062 0)>BC(0.025 0)>AB(0.010 1)，其中C的贡献占比高达54.1%，凸显其关键作用。虽然模具温度(A)单独作用不显著，但其与熔体温度的交互作用(AB)仍显著，提示工艺优化需考虑参数间的协同效应^[23-24]。残差分析显示，失拟项不显著(P=0.164 1)，验证了模型可靠性。

图6为交互作用对翘曲变形量的影响。从图6可以看出，翘曲变形量与模具温度-熔体温度交互结果呈负相关，与熔体温度-冷却时间交互结果同样呈负相关。由响应面模型方程(1)可知，交互作用项中，模具温度(A)与熔体温度(B)交互作用的系数为-0.016，熔体温度(B)与冷却时间(C)交互作用的系数为-0.078，是方程中最大的两项，表明这两个组合对翘曲变形量影响最为显著。在后续试验中有针对性地调整这些因素可以最大限度地减少翘曲变形量^[25]。

3 模拟验证

利用Design Expert 10.0软件建立的响应面模型，并结合Moldflow软件进行模拟优化分析，以最小化翘曲变形量为目标，成功地对注塑成型工艺参数进行了优化和验证。表5为模拟优化分析结果。

通过Moldflow软件进行模拟分析，最终确定最佳工艺参数组合。图7为传输器外壳的优化模拟结果。从图7可以看出，优化后的ABS制件翘曲变形量显著降低，从翘曲变形量从1.389 0 mm降低至0.374 1 mm，实现73%的优化幅度。这一结果证明了响应面模型拟合参数在预测翘曲变形方面的有效性，并显著改善了制件的整体质量。

图8为智能传输器外壳的优化后缺陷分析。从图8可以看出，与优化前相比，气穴的数量显著减少，尤其是注塑件中部的气穴得到有效控制，减少了因气体未能及时排出而产生的空洞现象。同时，熔接线的数量也有所减少，虽然仍有少量存在，但相比优化前，熔接线的分布更加均匀，且不再集中在注塑件的关键区域。这表明，通过优化注塑工艺参数，如调整熔体温度和保压压力等，成功改善了气穴和熔接线问题，从而提升了铸件的整体质量与外观。

为了验证优化工艺的可行性，本试验采用了海天注射机和ZH1600腔模具进行实际注塑成型试验。首先，将ABS颗粒在100 ℃下干燥4 h，以确保去除水分并防止成型缺陷。接着，将模具安装到注射机上，并调整位置，确保射嘴与进料口精确对接，避免漏料或偏移。在试验中，设定注塑参数为：模具温度221 ℃、熔体温度273 ℃、冷却时间46 s、保压压力19 MPa。干燥后的ABS颗粒被加入料斗中，料筒温度调整到适宜范围，随后启动注射机进行试模。在整个注塑过程中，密切监控设备运行情况，确保过程稳定。成型后，取出样品并检查外观和尺寸精度。图9为试模样品。从图9可以看出，未发现缺胶、气泡、熔接线等缺陷，表明优化后的工艺参数有效且具有可行性。

4 结论

本研究通过Moldflow软件的模拟分析，确定ABS材料注塑过程中的最佳工艺参数为：模具温度221 ℃、熔体温度273℃、冷却时间46 s、保压压力19 MPa。通过优化工艺参数，翘曲变形量大幅度降低，从1.389 0 mm降低至0.374 1 mm。应面法(RSM)结合Moldflow模拟分析，能够有效研究模具温度、熔体温度、冷却时间和保压压力等工艺参数对翘曲变形量的影响，建立的模型具有较高的预测精度和可靠性，为注塑工艺优化提供了依据。实际注塑成型试验验证了优化工艺参数的可行性，优化后的制件在外观和尺寸精度方面表现良好，无明显缺胶、气泡、熔接线等缺陷，表明该优化方案可有效应用于生产实践，具有重要的实际意义。

参考文献

[1] 黄振华, 周欢, 郑松, 等. 铝合金/PC-ABS GF20嵌件注塑热熔胶膜黏接性能研究[J]. 粘接, 2024, 45(2): 50-53.

[2] 林建铭, 王嘉硕, 肖建华, 等. CF/ABS的3D打印与TPU注射复合成型技术[J]. 塑料, 2023, 52(5): 173-176.

[3] MORTAZAVIAN S, FATEMI A. Fatigue of short fiber thermoplastic composites: A review of recent experimental results and analysis[J]. International Journal of Fatigue, 2017, 102: 171-183.

[4] 黄程. 基于IM与FDM的PETG/ABS材料制备及力学性能研究[D]. 抚州: 东华理工大学, 2021.

[5] 王全, 裴广强. 注塑参数对ABS树脂色差测量影响的研究[J]. 天津化工, 2021, 35(2): 43-45.

[6] DEAN A, GRBIC N, ROLFES R, et al. Macro-mechanical modeling and experimental validation of anisotropic, pressure- and temperature-dependent behavior of short fiber composites[J]. Composite Structures, 2019, 211: 630-643.

[7] 周勰, 李方杰, 沈琴, 等. 基于Moldlfow的透射样品盒注塑模具优化分析[J]. 农业装备与车辆工程, 2023, 61(10): 60-64.

[8] 高洪晨, 薛松, 肖梦曦, 等. 基于正交试验与BP神经网络-遗传算法的空气净化器外壳注塑工艺参数优化[J]. 精密成形工程, 2023, 15(8): 204-210.

[9] 胡光良, 朱立凯, 严胜义, 等. 基于Moldflow的保压优化改善塑料制品的翘曲变形[J]. 汽车电器, 2023(7): 70-73.

[10] 温英兰, 严胜义, 林颖, 等. 基于Moldflow软件的双色塑料零件印痕研究[J]. 汽车电器, 2023(6): 99-101.

[11] MORTAZAVIAN S, FATEMI A. Effects of fiber orientation and anisotropy on tensile strength and elastic modulus of short fiber reinforced polymer composites[J]. Composites Part B: Engineering, 2015, 72: 116-129.

[12] 何璟, 王俊, 郑泓, 等. 汽车低光泽内饰件用无机填料改性ABS材料的研究[J]. 化学推进剂与高分子材料, 2021, 19(4): 54-58.

[13] 王一杰, 孟浩, 张雨薇, 等. 基于Moldflow的轴承塑件分析及优化设计[J]. 科技与创新, 2021(21): 61-62.

[14] 谭安平, 刘克威. 基于Moldflow的PC/ABS汽车后视镜翘曲变形优化分析[J]. 合成树脂及塑料, 2020, 37(1): 67-72.

[15] 苑松, 张雪峰, 闫卫林. 注塑工艺对PC/ABS检测性能影响研究[J]. 橡塑技术与装备, 2023, 49(2): 41-45.

[16] 李六月, 张继祥, 李又兵, 等. 基于Taguchi试验的大型薄壁塑件翘曲工艺优化[J]. 工程塑料应用, 2021, 49(12): 67-71.

[17] TSENG H, CHANG R, HSU C. Comparison of recent fiber orientation models in injection molding simulation of fiber-reinforced composites[J]. Journal of Thermoplastic Composite Materials, 2020, 33(1): 35-52.

[18] 程国飞, 丁立刚, 魏文强, 等. 基于Moldflow的TPE塑件流动平衡优化设计[J]. 机电工程技术, 2020, 49(7): 163-165.

[19] 王志成. PC/ABS擦丝问题机理和解决方案研究[J]. 当代化工研究, 2024(6): 93-95.

[20] LI Y, LI W G, DENG Y, et al. Temperature-dependent longitudinal tensile strength model for short-fiber-reinforced polymer composites considering fiber orientation and fiber length distribution[J]. Journal of Materials Science, 2018, 53(17): 12190-12202.

[21] 宋振彪, 王毅, 许忠林, 等. ABS树脂冲击强度测试的影响因素[J]. 弹性体, 2021, 31(1): 48-52.

[22] 周振. ABS汽车仪表盘加工工艺对其质量影响[J]. 工程塑料应用, 2020, 48(12): 41-45.

[23] 魏梦雄. ABS小型注塑件的超高速成形[J]. 陶瓷, 2020(10): 47-49.

[24] 赵天德. 冷却系统对ABS材质汽车后视镜外壳翘曲变形影响[J]. 工程塑料应用, 2020, 48(7): 75-79.

[25] 王根华, 肖国华, 杨少增. 改性ABS观察孔盖多板模设计[J]. 模具技术, 2023(3): 64-70.