Injektiopainehäviön tutkimus ruiskupuristuskoneen tynnyrissä

Esipuhe

Ruiskuvaluprosessin parametrien asettaminen on vahvan kokemuksen ja heikon teorian ala, ja sen perustaminen on vaikeaa [1] tarkan matemaattisen mallinsa vuoksi, kun taas data-analyysitekniikka on menetelmä tiedon löytämiseen historiallisista tiedoista, joka ei vaadi monimutkaista teoreettista rakentamista, joten sitä käytetään yhä laajemmin tällä alalla. Esimerkiksi, Zhang Lingli et ai. [2] käytti moninkertaista regressioanalyysiä luodakseen regressiomallin ruiskutuspaineen ja muotin lämpötilan sekä valukappaleen geometrisen koon väliselle suhteelle.Xie Peiping et al. [3] käsitteli tuotteen jäännösjännityksen välistä suhdetta tutkimalla eri osien tyyppiontelopainekäyrää; SHEN C Y et ai [4] optimoitu ruiskutusprosessin parametrit vähentääkseen muovaustuotteen tilavuuden kutistumista, ja [5] ehdotti ruiskutusprosessin seurantamenetelmää verkkomallin kautta, vianvalvonnan ja laadun ennustamisen toteuttamiseksi.

Edellisessä tuotantokäytännössä, insinöörit voivat saada vain ruiskutuspainetiedot ruiskuvalukoneen tynnyristä, joten ruiskutuspaine tynnyrissä on usein sama kuin ruiskutuspaine muotin ontelossa, kun taas ruiskutuspainehäviö tynnyrissä jätetään huomiotta. Kehittämällä ruiskuvalu tekniikkaa, Yhä useammat harjoittajat ymmärsivät, että ruiskuvalutuotteiden laatuun vaikuttava avainindeksi oli muottipesän ruiskutuspaine eikä ruiskuvalukoneen ruiskutuspainepalaute., ja alkoi kiinnittää huomiota ruiskuvalukoneen ruiskutuspainehäviön tutkimukseen, mutta vain vähän systemaattista tutkimustietoa ja johtopäätöksiä raportoitiin.

Mukaan muovin ruiskupuristuksen teknologian kehityssuuntauksen mukaan, yhdistettynä toimialan asemaan, nyt ruiskutuspainehäviötutkimuksessa, testisarjan avulla tietojen saamiseksi, ja käyttämällä data-analyysitekniikkaa ruiskutuspainehäviömallin tutkimiseen, parantaa ruiskutuspainehäviön ennustetarkkuutta.

Laitteet ja muotti opiskelua varten

Ruiskuvalukoe suoritetaan a 1 200 kN sähköinen ruiskuvalukone, joka ottaa käyttöön täyden moottorikäytön ja PLC:n, taajuuden muunnos ja servoohjaustekniikka, ja voi saavuttaa korkean tarkkuuden ohjauksen. Ruiskuvalukoneen ohjaus vakauden takaamiseksi

Suorituskyky voi varmistaa testitulosten luotettavuuden ja vakauden. Tutkimukseen käytetty muotti on tavallisen virtauskanavan kaksilevyinen muotti, joka on asennettu paineanturilla porttipariin. Ontelon koko on 301 mm 57 mm 2.5 mm. Muodostetulla tuotteella on tasainen paksuus ja yksinkertainen rakenne, joka voi toteuttaa edullisen ja tehokkaan ruiskutustestiprosessin.

Tiedonkeruun ja -analyysin helpottaminen, ComoDataCenia käytettiin (keskustallennusjärjestelmä r-injektioprosessitiedoille), keskitetty keräys ja käsittely ruiskutuspaine ja anturin paine muotin portilla, ruiskutustestimalli on esitetty kuvassa 1.

kokeellinen menetelmä

Koska tutkimuskoe oli suunniteltu tutkimaan tekijöitä, jotka vaikuttavat paineeseen injektion aikana, paine

Ruiskutusnopeus, sulamislämpötila, ja materiaalityyppi kuten 3 esineitä

Tutkimusmuuttujat, yhdellä referenssipisteen viskositeettiindeksillä (VI) välillä 51,6~

327.2 (yhden pisteen referenssiviskositeettiindeksi on määritetyssä lämpötilassa ja leikkausnopeudessa 1 000 / s) Cross-WLF:n avulla Viskositeettimallilla laskettu viskositeetti voi heijastaa materiaalin juoksevuutta jossain määrin, Suorita ruiskutustestit erilaisissa sulamislämpötilaolosuhteissa ruuvin nopeuksilla 20 ~ 180 mm/s, ja kerää ruiskutuspainetta ja ruiskutusanturin painetta erilaisilla ruiskutustesteillä. Luettelo tutkimustestien materiaaleista on esitetty taulukossa 1.

Testitietojen kerääminen

Ruiskuvalutestien sarjan kautta, saadaan ruiskutuskoneen ruiskutuspaine ja muottianturin painekäyrä eri materiaalien eri prosessiolosuhteissa, ja ruiskutuspainekäyrä V / P on kytketty

Aikapaineen arvo PF 1 ja suulakeanturin painekäyrä V / P-kytkin

PF:n paine-eron arvo 2 saa Δ PF:n ja luonnehtii ruiskutuspainehäviötä ruiskuvalukoneen tynnyrissä täyttövaiheessa. Kuten kuvasta näkyy 2, täyttövaihe Ruiskutuspainehäviö ruiskutuskoneen tynnyrissä Δ PF = 1 649-946= 703 bar.

Ruiskutuspainehäviön laskemiseen tynnyrivaiheessa, painehäviön jälkeen, painearvon PP2 Δ P välinen ero on tynnyrin painearvon painehäviö ja tynnyri on tynnyrin painehäviö ja ruiskutuspainehäviö Δ PP=999-732=267 bar.

Kokeilutietojen analyysi

Testitietojen kerääminen

Yllä olevien menetelmien kautta, kunkin ryhmän testitiedot lajiteltiin ja koetietotaulukko laadittiin. Yhteensä 132 injektiokokeiden ryhmät suoritettiin 6 materiaaleja. Tilan rajallisuuden vuoksi, Pöytä 2 listaa vain joitain testitietoja.

Koetietojen lineaarinen regressioanalyysi

Testitietojen mukaan, Δ PF ja PF 1, Δ PF ja Δ PF V, D PF, vastaavasti, ja sulamislämpötila T, kuten kuvassa näkyy 3 selvittää 5.

Sirontadiagrammi on yksi tehokkaimmista graafisista menetelmistä [6] selvittääkseen, onko yhteyksiä, kuviot, tai välisiä trendejä 2 numeeriset muuttujat. Siksi, kuvan sirontajakauman vertailu 3 selvittää 5 osoittaa, että ΔPF:n ja PF:n välillä on vahva korrelaatio 1 (piirrettyjen pisteiden kuvio kallistuu alhaalta vasemmalle yläoikealle

Obkew, eli PF 1 arvo kasvaa Δ PF -arvoilla, viittaa positiiviseen korrelaatioon [5]), kun taas ruiskutusnopeus V ja sulamislämpötila T korreloivat tuskin.

Pearsonin korrelaatiokerrointa luonnontieteissä käytetään laajasti kahden muuttujan välisen korrelaatioasteen mittaamiseen., arvoilla välillä -1 ja 1. Helmi

Alempi korrelaatiokerroin esitetään yleensä kirjaimella R, jonka arvo on negatiivinen, osoittaa negatiivista korrelaatiota muuttujien välillä, ja säännöllisyys osoittaa positiivista korrelaatiota, ja mitä suurempi on R:n itseisarvo, mitä suurempi korrelaatio 2 tietojoukkoja. Siksi, Pearson-korrelaatiokerroin ΔPF:n ja PF:n välillä 1, V, T, ja 3 tietojoukot,

Fang, käytetään mittaamaan korrelaatioastetta Δ PF:n ja 3 muuttujia. R2 = 0,981, Δ PF ja V numero 1 tietojoukot Δ PF ja PF 1

Mukaan R2=0.282 joukossa ja R2=0.534 T-tietojoukossa, korkein korrelaatio määritettiin ΔPF:n ja PF:n välillä 1, ja sitten luku löydettiin minimoimalla virheen neliösumma

Segmentin painehäviökerroin. Perustuu regressioanalyysimenetelmään, suurelle määrälle tilastoja

Tietojen matemaattinen käsittely, määrittää riippuvien muuttujien ja joidenkin riippumattomien muuttujien välisen korrelaation, muodostaa hyvä korrelaatioregressioyhtälö (funktion ilmaisu) [8], rakensi ruiskutuskoneen tynnyrin ruiskutuspainehäviön ennustustilan, voi optimoida ruiskutuspaineasetuksen koeprosessissa, auttaa teknikoita löytämään nopeasti järkevämpää ruiskutuspainetta ja painetta. Rajoitettujen testiolosuhteiden vuoksi, tynnyriruiskutuksen ruiskutuspainehäviökerrointa eri ruiskuvalukoneiden välillä ei ole tutkittu ja analysoitu, ja se ei ole selvä ruiskusylinterin painehäviökertoimen ja ruiskuvalukoneen laiteparametrien välillä. Tutkimuksen syventymisen myötä, enemmän ja enemmän on tynnyrissä

Parhaan funktion sovituksen matemaattisen optimointitekniikan mukaan [(7]

pienimmän neliösumman menetelmä),

Ruiskutuspainehäviöön liittyvät vaikuttajat louhitaan täydellisyyteen

Sovita Δ PF ja PF parhaiten vastaava funktio 1 tietojoukko saadakseen Δ PF noin PF:stä 1 ilmaisu:

ΔPF =0,410 1 × PF1 (1)

Kaava (1) voidaan käyttää ennustemallina ruiskutuskoneen tynnyrin ruiskutuspainehäviölle täyttövaiheessa. Varsinaisessa tuotannossa, ruiskutuspaineen arvo ruiskutuskoneen tynnyrissä on helppo saada, joten tällä mallilla on laaja käyttömahdollisuus.

samalla lailla, tutkimustestitietojen mukaan, piirrä paineenpitovaiheen hajontakäyrä, kuten kuvassa näkyy 6, ja sovita tynnyrin painehäviön Δ PP ja paineen pitopaineen PP1-tietojoukon parhaiten vastaava funktio.:

ΔPP = 0,258 9 × PP1

Yllä olevat tutkimukset osoittavat, että ruiskutuspaineen menetys ei korreloi ruiskutusnopeuden ja sulamislämpötilan kanssa, mutta se liittyy vahvasti tynnyrissä olevaan ruiskutuspaineeseen, ja se voidaan määrittää rakentamalla (fx) =kx-toiminto Ampumispainehäviö, x on ruiskupuristuskoneen piippuruiskutuspaine, ja k on painehäviön hyötysuhde. Lisäksi, yhtälöt (1) ja (2) paljastaa eri ruiskutuspainehäviökertoimien perusilmiön tynnyrissä eri ruiskutusvaiheiden aikana (täyttö ja paineen säilyttäminen).

tag

Pitkään aikaan, insinööreillä ei ole tutkimusta ruiskuvalukoneen tynnyrin ruiskutuspainehäviöstä. Yleisesti, virtaussimulaatioanalyysi ottaa yleensä huomioon vain paineensiirron muotissa, niin, että arvio ruiskutuspaineesta poikkeaa. Uusi ruiskutuspaineen häviämismalli paljastuu: Δ P = k P, Δ P = k P; jossa k k on segmentin täyttö- ja paineensäilytysvaihe. Painehäviökerroin. Perustuu regressioanalyysimenetelmään, suurelle määrälle tilastoja

Tietojen matemaattinen käsittely, määrittää riippuvien muuttujien ja joidenkin riippumattomien muuttujien välisen korrelaation, muodostaa regressioyhtälön hyvä korrelaatio (funktion ilmaisu) [8], tynnyrin ruiskutuspainehäviön ennustustilan rakentaminen, voi optimoida ruiskutuspaineasetuksen koeprosessissa, auttaa teknikoita löytämään nopeasti järkevämpää ruiskutuspainetta ja painetta. Rajoitettujen testiolosuhteiden vuoksi, tynnyriruiskutuksen ruiskutuspainehäviökerrointa eri ruiskuvalukoneiden välillä ei ole tutkittu ja analysoitu, ja se ei ole selvä ruiskusylinterin painehäviökertoimen ja ruiskuvalukoneen laiteparametrien välillä. Tutkimuksen syventymisen myötä, enemmän ja enemmän on tynnyrissä Ruiskutuspainehäviöihin liittyviä vaikuttavia tekijöitä louhitaan täydellisyyteen ja parannetaan ruiskuvalukoneen tynnyrin ruiskutuspainehäviön ennustemallia, ja edistää virtaussimulaatioanalyysiohjelmiston paineratkaisijan parantamista, sekä edistää ruiskutusprosessin optimointimenetelmän automatisointia ja älykästä kehittämistä.

Jos sinulla on kysyttävää ko ruiskutuskone ,plz kysy rohkeasti FLYSE joukkue (whatsapp:+86 18958305290）,me tarjoamme sinulle parasta palvelua!