基于灰色关联分析的汽车散热器导风板注塑成型工艺优化

Optimization of Injection Molding Process of Automobile Radiator Air Deflector Based on Grey Correlation Analysis

摘要

以某型号汽车的散热器导风板为研究对象，为了得到其最优工艺参数，将Z方向翘曲变形量与塑件的体积收缩率作为待优化的指标，将熔体温度、模具温度、保压时间、保压压力和冷却时间作为优化的变量，建立L₁₆（4⁵）正交试验，采用Moldex 3D软件进行仿真分析，得出不同工艺参数组合下对应的目标值，并基于灰色关联分析理论对成型工艺参数进行优化。灰色关联度值极差分析结果表明：各个参数影响程度排序为熔体温度>冷却时间>保压时间>保压压力>模具温度。对应的优化参数分别为：熔体温度 210 ℃、冷却时间18 s、保压时间12 s，保压压力150 MPa、模具温度35 ℃。与默认参数相比，优化后的Z方向翘曲变形量降低28.234 mm，体积收缩率降低1.344%。将最优工艺组合进行实际试模验证，结果表明：灰色关联分析相较于正交试验设计具有更显著的优化作用，通过灰色关联分析理论优化的工艺参数可以有效提高产品的成型质量，生产产品符合客户需求。

Abstract

The radiator air deflector of a certain vehicle model was selected as the research object. To obtain its optimal process parameters, the Z-direction warpage deformation and volumetric shrinkage of the plastic part were taken as the optimization targets, while melt temperature, mold temperature, holding time, holding pressure, and cooling time were selected as the optimization variables. An L₁₆(4⁵) orthogonal test was established, and Moldex 3D software was employed for simulation analysis to obtain the corresponding target values under different process parameter combinations. The molding process parameters were then optimized based on grey relational analysis theory. The range analysis results of grey relational degree values indicated that the ranking of parameter influence degrees was melt temperature>cooling time>holding time>holding pressure>mold temperature. The corresponding optimal parameters were melt temperature of 210 ℃, cooling time of 18 s, holding time of 12 s, holding pressure of 150 MPa, and mold temperature of 35 ℃. Compared with the default parameters, the optimized Z-direction warpage deformation was reduced by 28.234 mm, and the volumetric shrinkage was decreased by 1.344%. The optimal process combination was subsequently verified through actual trial molding. The results demonstrated that grey relational analysis exhibited a more significant optimization effect compared with orthogonal test design, and the process parameters optimized through grey relational analysis theory could effectively improve the molding quality of the product, with the manufactured parts meeting customer requirements.

Graphical abstract

关键词

汽车散热器导风板 / 正交试验 / 灰色关联分析 / 工艺优化 / 翘曲变形

Key words

Automobile radiator air deflector / Orthogonal test / Grey correlation analysis / Process optimization / Warpage deformation

目前，汽车已成为不可或缺的交通工具，为实现车身轻量化目标，其装饰件大部分采用塑料材质。散热器导风板是汽车前保险杠上本体与下本体的重要连接件，也是前保总成中的关键零件之一，兼具安装定位与散热双重功能。导风板的产品质量直接影响前保险杠的安装质量，进而影响汽车行驶安全，因此对配合精度和使用性能要求极高。然而在实际注塑成型过程中，由于壁厚不均且工艺参数复杂，塑件易出现变形、毛边等缺陷，给生产带来极大困难^[1]，故选择合理的工艺参数至关重要。截至目前，国内外研究人员已提出多种注塑成型工艺参数优化方法^[2]。孟小林等^[3]以某汽车B柱外饰板为研究对象，选取厚度比、保压压力、保压时间和熔体温度为因素，采用拟水平法建立正交试验表，结合Moldflow软件进行模流分析，通过极差分析与方差分析确定最佳双色注塑工艺方案。张君等^[4]以某汽车贯穿灯LOGO塑件为研究对象，运用正交试验、计算机辅助工程(CAE)软件及径向基函数(RBF)神经网络优化注塑工艺参数，经生产验证获得了满足质量要求的产品。XIN等^[5]以CD-ROM托盘为研究对象，在Moldflow中进行模流分析，将气体注射时间等5个参数作为优化变量，开展32因子实验设计，最终确定最佳工艺参数。吴俊超等^[6]针对多目标优化问题，采用熵值法将多目标转化为综合优化目标，通过正交试验获得综合目标及各工艺参数的合理取值，使产品合格率由65.35%提升至85.87%，有效避免报废，降低生产成本。

本文以汽车散热器导风板为研究对象，使用Moldex3D软件进行模流分析，将Z方向翘曲变形量与塑件的体积收缩率作为待优化指标，将熔体温度、模具温度、保压时间、保压压力和冷却时间作为优化变量，利用正交试验和灰色关联分析^[7-8]，研究单一工艺参数对单目标指标的优化程度，并因此建立多目标优化模型。基于该模型确定能够使各质量指标同步优化的最佳工艺参数组合，最终使塑件成型质量获得显著提升。具体而言，本研究创新性地将正交试验的均衡性与灰色关联分析的综合性相结合，通过对比分析单因素对多质量目标的关联作用，实现工艺参数的多目标协同优化。

1 汽车散热器导风板初始分析

1.1 产品的结构分析

图1为汽车散热器导风板三维模型。其单件外形尺寸为177 mm×526 mm×433 mm，体积为699 cm³，平均壁厚2.5 mm。零件整体结构不规则，具有较多的孔和凸台。由于尺寸较大且零件的4个角作为最后的填充区域^[9]，后期容易发生翘曲变形问题。为防止零件出现较大的翘曲变形和体积收缩而影响前保上下的本体装配和整车散热通风，企业要求塑件的体积收缩率要小于11%，Z方向(装配方向)翘曲变形量小于2 mm。

1.2 产品的材料特性

根据塑件的工作环境温度条件和其具有的抗冲击性^[10]综合考虑，选用牌号为COSMOPLENE AV161的聚丙烯(PP)塑料，其由TPC制造商生产。

图2为PP材料的黏度曲线和比容曲线，表1为PP材料推荐的工艺参数。

1.3 网格的划分

将汽车散热器导风板的三维模型导入Moldex 3D软件中。将全局边长设置为2 mm，进行双层面网格划分^[11]，随后对网格进行诊断并在CAD doctor中修复有错误且影响模流分析的部分网格，最终得到塑件和流道实体网格数目为1 614 469个。图3为汽车散热器导风板网格划分模型。

1.4 浇注系统与冷却系统建立

设计合理的浇注系统方案，既能提升塑件的成型质量，又可以缩短产品的开发周期^[12]。设置合理的冷却系统则可以更大程度地缩短塑件成型时间，减少其翘曲变形量。图4为汽车散热器导风板的浇注系统和冷却系统。从图4可以看出，模具为一模一腔的结构，热主流道的直径为Φ22 mm；冷流道的尺寸为12 mm×10 mm；浇口形状为扇形，扇形浇口的前后端尺寸分别为前端20 mm，后端12 mm，厚度1.5 mm。为了缩短塑件的冷却时间，提高模具的冷却效率，冷却系统由直通式水路+隔板式水路组成，数量分别为3条和8条，所有水路直径均为Φ15 mm，与塑件间距均为25 mm。

1.5 默认工艺参数模拟分析

首先在Moldex 3D软件中利用其推荐的工艺参数：熔体温度230 ℃、模具温度35 ℃、保压时间10 s、保压压力140 MPa、冷却时间16 s。对塑件进行“填充+保压+翘曲”的模流分析^[13-14]，图5为默认分析结果。从图5a可以看出，在4.036 s时塑料可以填充完全，没有短射和滞留等问题，因此可以说明浇注系统较为合理。从图5b可以看出，在产品非外观区域有少量熔接线产生，但是均在安装孔结构处，不可避免。从图5c可以看出，体积收缩率为11.888%。根据客户要求，体积收缩率必须低于11%，以免影响组装，因此需要进行优化，故将体积收缩率作为第一个优化指标。从图5d~图5f可以看出，塑件在3个坐标轴方向的最大变形量存在显著差异，X方向12.155 mm，Y方向3.543 mm，而Z方向位移高达30.195 mm，约占整体变形的65.8%，成为影响成型精度的主导因素。因为汽车散热器导风板需要在Z方向上安装到前保险杠上，所以要求Z方向上的翘曲变形量应当小于2 mm。故将Z方向翘曲变形量作为本试验的第二个优化指标，并对其进行优化。

2 正交试验因素设计与结果分析

2.1 正交试验设计

建立5因素、4水平的正交试验，表2为L₁₆(4⁵)正交试验因素水平设计。5个因素分别为熔体温度(A)、模具温度(B)、保压时间(C)、冷却时间(D)和保压压力(E)。

2.2 正交试验结果分析

在Moldex3D软件中对正交试验因素组合进行模流分析，表3为L₁₆(4⁵)正交试验结果。从表3可以看出，5个因素中，对Z方向翘曲变形影响程度由大到小排序为：冷却时间>保压时间>熔体温度>保压压力>模具温度，最优组合为A₂B₃C₄D₄E₃；5个因素中，对体积收缩率影响程度由大到小排序为：熔体温度>冷却时间>保压时间>保压压力>模具温度，最优组合为A₁B₁C₃D₄E₁。

研究结果表明，不同质量指标对各工艺参数的敏感性存在显著差异，其中冷却时间和熔体温度分别对翘曲变形和体积收缩率起主导作用。

本试验旨在将塑件体积收缩率和翘曲变形量两个目标利用同一组工艺参数进行优化，但事实证明单一工艺参数无法让二者同时达到最优。所以需要将多目标优化问题转变为单目标优化问题，以便让二者同时达到最优，故需要采用灰色关联分析法计算指标权重。

3 灰色关联分析

灰色关联分析是根据多个单一因素发展趋势的相似度大小进而判断多因素间关联程度大小的一种分析方法^[16-17]。为了更好地优化汽车散热器导风板的产品质量，本研究采用灰色关联分析法对两个待优化指标的灰色关联度值进行计算，以此将多目标优化问题转化为单一综合指标的优化问题。基于极差分析结果，定量评估各工艺参数对两个质量指标的影响权重，并确定关键因素的主次顺序。首先计算信噪比，信噪比是衡量某一输出特性稳定性程度的指标。信噪比越大，塑件质量越好^[18]。信噪比的计算可以分为望目、望大和望小，由于该试验中希望因素得到较小的值，因此两个目标值均为望小特性。其计算公式为：

\eta =-\mathrm{10}\mathrm{l}\mathrm{g}(\frac{\mathrm{1}}{n}{\sum }_{i=\mathrm{1}}^n{x}_i^{\mathrm{2}})(1)

式(1)中：\eta为每一组试验要重复的次数；x_i 为第i次试验对应的试验值。

将信噪比进行无量纲化处理^[19]，其计算公式为：

y_i=\frac{{\eta }_{i,\mathrm{m}\mathrm{a}\mathrm{x}}-{\eta }_i}{{\eta }_{i,\mathrm{m}\mathrm{a}\mathrm{x}}-{\eta }_{i,\mathrm{m}\mathrm{i}\mathrm{n}}}(2)

式(2)中：η_i 为第i次试验数值转化后的信噪比；{\eta }_i_，max和{\eta }_i_，min分别为根据试验得到的信噪比的最大值和最小值；y_i 为η_i 无量纲化后的数值。

后对灰色关联系数({\xi }_i)进行计算。灰色关联系数^[20]为理想数据与无量纲化数据二者的对应关系，其计算公式为：

{\xi }_i=\frac{|y_i^{\mathrm{0}}-y_i{|}_{\mathrm{m}\mathrm{i}\mathrm{n}}+\rho |y_i^{\mathrm{0}}-y_i{|}_{\mathrm{m}\mathrm{a}\mathrm{x}}}{|y_i^{\mathrm{0}}-y_i|+\rho |y_i^{\mathrm{0}}-y_i{|}_{\mathrm{m}\mathrm{a}\mathrm{x}}}(3)

式(3)中：y_i^{\mathrm{0}}为第i个无量纲化理想数据，一般取0；ρ为分辨系数，一般取0.5。

灰色关联度({\gamma }_i)指的是灰色关联系数的加权总和，其计算公式为：

{\gamma }_i=\frac{\mathrm{1}}{m}{\sum }_{i=\mathrm{1}}^m{\xi }_i(i=\mathrm{1,2},\dots \mathrm{16})(4)

式(4)中：m为优化目标个数。

基于上面各式，可以得到正交试验的16组Z方向翘曲变形量和体积收缩率的灰色关联系数和灰色关联度^[21-22]。表4为正交试验的灰色关联数据。

表5为灰色关联度极差分析。由灰色关联理论可知，工艺水平对应的均值与该水平对灰色关联度的影响程度呈正相关^[23-25]，即如果工艺水平对应的均值越大，此工艺水平对其灰色关联度值的影响程度就越大；反之，如果工艺水平对应的均值越小，此工艺水平对其灰色关联度值的影响程度就越小。从表5可以看出，汽车散热器导风板注塑时的最优工艺组合为：熔体温度210 ℃、模具温度35 ℃、保压时间12 s、冷却时间18 s、保压压力150 MPa。

4 最优工艺参数组合验证

基于最优工艺参数组合，再次在Moldex 3D软件中对其进行模流分析。表6为工艺组合结果对比，图6为灰色关联分析优化结果。

从表6及图6可以看出，优化后的Z方向翘曲变形量和体积收缩率分别为1.961 mm和10.544%，与初始工艺参数的30.195 mm和11.888%相比，二者分别降低28.234 mm和1.344%，说明其优化效果显著。

将最优工艺参数输入到注塑机台系统里进行实际试模验证，图7为汽车散热器导风板模具样品。从图7可以看出，塑件没有明显质量上的缺陷，且在装配方向(Z方向)上的翘曲变形量结果合格，可以正常进行装配。

图8为汽车散热器导风板检具测量。从图8可以看出，汽车散热器导风板在检具上测量效果良好，面差和间隙均符合2D图纸要求。因此，灰色关联分析方法优化获得的工艺参数组合可以用于汽车散热器导风板实际注塑生产，满足客户需求和装车要求。

5 结论

利用Moldex 3D软件对汽车散热器导风板进行网格划分，对其浇注系统和冷却系统进行设计，再根据默认参数对塑件进行模流分析，可以得到默认工艺参数下塑件的Z方向体积收缩率为11.888%，翘曲变形量为30.195 mm。为对工艺参数进行优化，设置5因素4水平的正交试验，得到16组正交试验结果，并获得两组工艺参数，使体积收缩率和Z方向翘曲变形量分别达到最佳水平。对这两组参数分别进行模流分析，可以得到Z方向翘曲变形量最小为2.037 mm，体积收缩率最小为10.730%，与Z方向最小翘曲变形量对应的体积收缩率为11.160%；与最小体积收缩率对应的Z方向翘曲变形量为1.887 mm。结果表明，使二者达到最优水平的两组工艺参数并不完全相同。由于两个指标的参数影响程度排序和对应的工艺参数组合并不完全相同，为此拟采用灰色关联分析方法对工艺参数实施优化改进。最终得到可以使两个指标均达到最优的一组工艺参数为：熔体温度210 ℃，模具温度35 ℃，保压时间12 s、冷却时间18 s、保压压力150 MPa。此时Z方向翘曲变形量为1.961 mm，体积收缩率为10.544%。对比分析表明，灰色关联分析相较于正交试验设计具有更显著的优化效果。与默认工艺模流分析结果对比，灰色关联分析优化后的Z方向翘曲变形量和体积收缩率分别降低28.234 mm与1.344%。基于注塑机台的实际生产验证，灰色关联分析理论对汽车散热器导风板注塑成型工艺参数的优化效果符合实际生产需求，生产产品符合客户需求，满足装车要求。

参考文献

[1] 卢惠亲, 翟建广, 竺宇洋, 等. 汽车内饰件注塑成型工艺参数的分析与优化[J]. 农业装备与车辆工程, 2022, 60(1): 138-141.

[2] 周纪委, 王明伟, 翟剑敏, 等. 基于Moldflow的车身后护板微孔发泡注塑工艺多目标优化[J]. 合成树脂及塑料, 2024, 41(3): 44-49.

[3] 孟小林, 张继祥, 李又兵, 等. 汽车B柱外饰板双色注塑翘曲变形分析及工艺优化[J]. 工程塑料应用, 2023, 51(2): 54-59.

[4] 张君, 黄瑶, 周甫芝, 等. 基于RBF神经网络的双色LOGO塑件成型工艺优化[J]. 现代塑料加工应用, 2023, 35(3): 48-51.

[5] XIN L L, SHARIF S, SAAD R M. Gas-assisted injection molding: Case study on process optimization of CD-Rom tray manufacturing[J]. Procedia Manufacturing, 2015, 2: 538-542.

[6] 吴俊超, 邵海军, 陈爱霞, 等. 基于CAE分析和熵值法的轿车前保险杠注塑工艺多响应优化[J]. 工程塑料应用, 2023, 51(2): 74-83.

[7] 张庆, 葛东东, 何也能. 基于灰色关联和Kriging模型的汽车饰件注塑工艺优化[J]. 塑料, 2023, 52(1): 180-186.

[8] 谭波. ABS自动化设备电子元器件外壳注塑成型工艺优化研究[J]. 塑料科技, 2023, 51(6): 75-79.

[9] CHEN J P, CUI Y M, LIU Y P, et al. Design and parametric optimization of the injection molding process using statistical analysis and numerical simulation[J]. Processes, 2023, 11(2): 414.

[10] 王瑞. 用于聚丙烯的大分子阻燃剂的制备及其耐湿热改性研究[D]. 北京: 北京化工大学, 2025.

[11] 江丽珍, 杨建荣, 黄凌森, 等. 基于CAE的座椅托板注塑模具设计及成型工艺优化[J]. 合成树脂及塑料, 2025, 42(1): 59-63.

[12] LIU F, PANG J J, XU Z W. Multi-objective optimization of injection molding process parameters for moderately thick plane lens based on PSO-BPNN, OMOPSO, and TOPSIS[J]. Processes, 2024, 12(1): 36.

[13] 方明月, 张宇, 王彻, 等. 汽车仪表内饰件注塑成型工艺的多目标优化[J]. 工程塑料应用, 2023, 51(9): 83-89.

[14] 李兴俊, 张英本, 余健, 等. 基于Moldflow及正交试验的箱包下底盘注塑工艺参数优化[J]. 模具技术, 2024(5): 64-69.

[15] 刘长城, 刘泓滨. 基于Critic权重法的车灯灯框注塑成型工艺参数的多目标优化实验[J]. 塑料科技, 2023, 51(1): 101-104.

[16] 王一栋, 丁宏参, 高业汉, 等. 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.

[17] 詹友基, 章蒙蒙, 郑天清, 等. 基于灰色关联分析的高性能三元乙丙橡胶多目标配方优化研究[J]. 塑料科技, 2024, 52(10): 108-113.

[18] 龙泉, 戴宇, 欧阳波, 等. 某汽车注塑件熔接缺陷仿真分析及设计优化[J]. 汽车实用技术, 2024, 49(15): 97-101.

[19] 周纪委, 王明伟, 张文超, 等. 基于响应面法和灰色关联分析的汽车雾灯灯罩注塑工艺多目标优化[J]. 塑料, 2023, 52(6): 122-129.

[20] 黄关山, 朱金婷. 基于响应面代理模型及遗传算法的汽车引擎盖注塑成型工艺优化[J]. 塑料科技, 2024, 52(12): 125-128.

[21] 卜俊洁. Cox模型与灰色关联分析法下隆平高科财务风险评价及防范研究[D]. 泰安: 山东农业大学, 2025.

[22] 周纪委, 王明伟, 张文超, 等. 基于灰色关联分析的汽车雾灯灯罩注塑成型工艺优化[J]. 塑料科技, 2022, 50(12): 74-79.

[23] 陈晓宇. 基于灰色关联度和随机森林的水电站发电调度规则研究[D]. 武汉: 华中科技大学, 2025.

[24] 马桂潮. 基于参数计算的杯托注塑模具设计与工艺优化[J]. 智能城市, 2023, 9(11): 114-116.

[25] 刘昕宇, 黄瑶. 基于顺序注塑的大型双色注塑件翘曲研究[J]. 现代塑料加工应用, 2024, 36(4): 40-43.

基金资助

辽宁省教育厅基础研究项目(JYTMS20230430)