Penyelidikan tentang kehilangan tekanan suntikan dalam tong mesin pengacuan suntikan

Kata pengantar

Penetapan Parameter Proses Suntikan Parameter adalah bidang pengalaman yang kuat dan teori lemah, dan sukar untuk ditubuhkan [1] untuk model matematik yang tepat, Walaupun teknologi analisis data adalah kaedah untuk mencari pengetahuan dari data sejarah, yang tidak memerlukan pembinaan teoritis yang kompleks, Oleh itu, ia lebih banyak digunakan dalam bidang ini. Sebagai contoh, Zhang Lingli et al. [2] Digunakan analisis regresi berganda untuk menubuhkan model regresi untuk hubungan antara tekanan suntikan dan suhu acuan dan saiz geometri Moldingxie Peiping et al [3] membincangkan hubungan antara tekanan sisa produk dengan mengkaji keluk tekanan rongga jenis bahagian yang berbeza; Shen C y et al [4] mengoptimumkan parameter proses suntikan untuk mengurangkan jumlah pengecutan produk pencetakan, dan [5] mencadangkan kaedah pemantauan proses suntikan melalui model rangkaian, untuk menyedari pemantauan kesalahan dan ramalan kualiti.

Dalam amalan pengeluaran sebelumnya, Jurutera hanya boleh mendapatkan data tekanan suntikan dalam laras mesin pengacuan suntikan, Oleh itu, tekanan suntikan dalam laras sering bersamaan dengan tekanan suntikan di rongga acuan, sementara kehilangan tekanan suntikan di barel tidak diendahkan. Dengan perkembangan teknologi pencetakan suntikan, Lebih banyak dan Moremore dan lebih banyak pengamal menyedari bahawa indeks utama yang mempengaruhi kualiti produk pengacuan suntikan adalah tekanan suntikan rongga acuan dan bukannya maklum balas tekanan suntikan oleh mesin pengacuan suntikan, dan mula memberi perhatian kepada kajian kehilangan tekanan suntikan dalam mesin pengacuan suntikan, Tetapi sedikit data penyelidikan sistematik dan kesimpulan dilaporkan.

Menurut trend pembangunan teknologi dalam bidang pengacuan suntikan plastik, digabungkan dengan status industri, Sekarang dalam penyelidikan kehilangan tekanan suntikan, melalui satu siri ujian untuk mendapatkan data, dan menggunakan teknologi analisis data untuk meneroka corak kehilangan tekanan suntikan, meningkatkan ketepatan ramalan kehilangan tekanan suntikan.

Peralatan dan acuan untuk belajar

Ujian pencetakan suntikan dijalankan pada a 1 200 mesin pencetakan suntikan elektrik KN, yang mengamalkan pemacu motor penuh dan plc, Penukaran kekerapan dan teknologi kawalan servo, dan dapat mencapai kawalan ketepatan yang tinggi. Kawalan mesin pencetakan suntikan untuk kestabilan

Prestasi dapat memastikan kebolehpercayaan dan kestabilan hasil ujian. Acuan yang digunakan untuk penyelidikan adalah acuan dua plat saluran aliran biasa yang dipasang dengan sensor tekanan di pasangan pintu gerbang. Saiz rongga adalah 301 mm 57 mm 2.5 mm. Produk yang terbentuk mempunyai ketebalan seragam dan struktur mudah, yang dapat merealisasikan proses ujian suntikan kos rendah dan kecekapan tinggi.

Untuk memudahkan pemerolehan dan analisis data, comodatacen digunakan te (Sistem Penyimpanan Pusat untuk data proses suntikan R), Koleksi Pusat dan Pemprosesan Tekanan suntikan dan tekanan sensor di pintu acuan, Model ujian suntikan ditunjukkan dalam angka 1.

Kaedah eksperimen

Oleh kerana percubaan kajian direka untuk meneroka faktor -faktor yang mempengaruhi tekanan semasa suntikan, tekanan

Kelajuan suntikan, suhu cair, dan jenis bahan sebagai 3 objek

Pembolehubah kajian, dengan satu titik indeks kelikatan rujukan (Vi) antara 51.6 ~

327.2 (Indeks kelikatan rujukan titik tunggal adalah pada suhu dan kadar ricih yang ditentukan 1 000 / s) Menggunakan kelikatan silang-wlfthe yang dikira oleh model kelikatan dapat mencerminkan ketidakstabilan bahan ke tahap tertentu, melakukan ujian suntikan di bawah keadaan suhu cair yang berbeza pada kelajuan skru 20 ~ 180 mm/s, dan mengumpul tekanan suntikan dan tekanan sensor suntikan di bawah pelbagai ujian suntikan. Senarai bahan ujian penyelidikan ditunjukkan dalam jadual 1.

Pengumpulan data ujian

Melalui satu siri ujian pencetakan suntikan, Tekanan suntikan mesin suntikan dan lengkung tekanan sensor acuan di bawah keadaan proses yang berlainan pelbagai bahan diperolehi, dan lengkung tekanan suntikan v / P ditukar

Nilai tekanan masa pf 1 dan lengkung tekanan sensor mati v / Suis p

Nilai tekanan pembezaan pf 2 memperoleh δ pf dan mencirikan kehilangan tekanan suntikan dalam laras mesin pengacuan suntikan di peringkat pengisian. Seperti yang ditunjukkan dalam angka 2, kehilangan tekanan fasa isi di barel mesin suntikan Δ pf = 1 649-946= 703BAR.

Untuk pengiraan kehilangan tekanan suntikan di peringkat tong, Selepas kehilangan tekanan, Perbezaan antara nilai tekanan pp2 Δ p ialah kehilangan tekanan dalam nilai tekanan dalam laras dan laras adalah kehilangan tekanan dalam laras dan kehilangan tekanan suntikan Δ pp = 999-732 = 267 bar.

Analisis data percubaan

Pengumpulan data ujian

Melalui kaedah di atas, Data ujian setiap kumpulan telah diselesaikan dan jadual data ujian dibina. Sejumlah 132 kumpulan ujian suntikan telah dijalankan 6 bahan. Kerana ruang terhad, polietilena tereftalat 2 only lists some test data.

Linear regression analysis of the trial data

According to the test data, Δ PF and PF 1, Δ PF and Δ PF V, Δ PF, masing-masing, and melt temperature T, seperti yang ditunjukkan dalam Rajah 3 kepada Rajah 5.

Scatter plot is one of the most effective graphical methods [6] to determine whether there are connections, patterns, or trends between 2 numerical variables. Oleh itu, a comparison of the scatter distribution in Figure 3 kepada Rajah 5 shows that there is a strong correlation between Δ PF and PF 1 (the pattern of plotted points leans from bottom left to topright

Obkew, meaning that the PF 1 value increases with Δ PF values, implying a positive correlation [5]), while the injection velocity V and melt temperature T are barely correlated.

The Pearson’s correlation coefficient in natural science is widely used to measure the degree of correlation between two variables, with values between-1 and 1. Peare

The inferior correlation coefficient is usually represented by the letter R, whose value is negative indicates a negative correlation between variables, and being regular indicates a positive correlation, and the greater the absolute value of R, the higher the correlation of the 2 sets of data. Oleh itu, the Pearson correlation coefficient between the Δ PF and PF 1, V, T, dan 3 data sets,

Fang, used to measure the degree of correlation between Δ PF and the 3 variables. R2=0.981, Δ PF and V number for 1 data sets for Δ PF and PF 1

According to R2=0.282 in the set and R2=0.534 in the T data set, the highest correlation was determined between Δ PF and PF 1, and then the number was found by minimizing the sum of squares of the error

Pressure loss coefficient of the segment. Berdasarkan kaedah analisis regresi, Untuk sebilangan besar statistik

Pemprosesan matematik data, Tentukan korelasi antara pembolehubah bergantung dan beberapa pembolehubah bebas, Mewujudkan persamaan regresi korelasi yang baik (ungkapan fungsi) [8], Dibina Suntikan Suntikan Suntikan Suntikan Mod Ramalan Tekanan, dapat mengoptimumkan tetapan tekanan suntikan dalam proses percubaan, untuk membantu juruteknik dengan cepat mencari tekanan dan tekanan suntikan yang lebih munasabah. Kerana keadaan ujian terhad, Koefisien kehilangan tekanan suntikan suntikan tong antara mesin pengacuan suntikan yang berbeza tidak dikaji dan dianalisis, dan tidak jelas antara pekali tekanan tekanan laras suntikan dan parameter peralatan mesin pengacuan suntikan. Dengan mendalamkan penyelidikan, lebih banyak lagi dalam laras

Mengikut teknik pengoptimuman matematik yang sesuai dengan fungsi terbaik [(7]

Kaedah paling kurang persegi),

Faktor yang mempengaruhi yang berkaitan dengan kehilangan tekanan suntikan akan ditambang untuk kesempurnaan

Sesuai dengan fungsi pencocokan terbaik Δ pf dan pf 1 dataset untuk mendapatkan Δ pf mengenai pf 1 ungkapan:

ΔPF = 0.410 1 × PF1 (1）

Formula (1) boleh digunakan sebagai model ramalan untuk kehilangan tekanan suntikan di laras mesin suntikan di peringkat pengisian. Dalam pengeluaran sebenar, Nilai tekanan suntikan dalam laras mesin suntikan mudah diperoleh, Jadi model ini mempunyai kebolehgunaan yang luas.

Begitu juga, Menurut data ujian kajian, Lukiskan plot penyebaran tahap tekanan, seperti yang ditunjukkan dalam Rajah 6, dan sesuai dengan fungsi pencocokan terbaik kehilangan tekanan Δ pp dalam laras dan tekanan tekanan tekanan PP1 ditetapkan dalam tahap tekanan tekanan:

Δpp = 0.258 9 × pp1

Kajian di atas menunjukkan bahawa kehilangan tekanan suntikan tidak dikaitkan dengan kelajuan suntikan dan suhu cair, tetapi sangat dikaitkan dengan tekanan suntikan di laras, dan boleh ditentukan dengan membina (Fx) = kx fungsi kehilangan tekanan, x adalah tekanan suntikan laras mesin pengacuan suntikan, dan k adalah kecekapan tekanan. Tambahan pula, persamaan (1) dan (2) mendedahkan fenomena asas pekali kehilangan tekanan suntikan yang berlainan dalam laras semasa peringkat suntikan yang berbeza (pengisi dan pengekalan tekanan).

tag

Untuk masa yang lama, engineers have no research on the injection pressure loss in the barrel of the injection molding machine. Secara amnya, the flow simulation analysis generally only considers the pressure transfer in the mold, so that the estimation of the injection pressure deviates. A new pattern of injection pressure loss is revealed: Δ P =k P, Δ P =k P; where k k is the filling and pressure preservation stepPressure loss coefficient of the segment. Berdasarkan kaedah analisis regresi, Untuk sebilangan besar statistik

Pemprosesan matematik data, Tentukan korelasi antara pembolehubah bergantung dan beberapa pembolehubah bebas, establish good correlation of regression equation (ungkapan fungsi) [8], the construction of barrel injection pressure loss prediction mode, dapat mengoptimumkan tetapan tekanan suntikan dalam proses percubaan, untuk membantu juruteknik dengan cepat mencari tekanan dan tekanan suntikan yang lebih munasabah. Kerana keadaan ujian terhad, Koefisien kehilangan tekanan suntikan suntikan tong antara mesin pengacuan suntikan yang berbeza tidak dikaji dan dianalisis, dan tidak jelas antara pekali tekanan tekanan laras suntikan dan parameter peralatan mesin pengacuan suntikan. Dengan mendalamkan penyelidikan, more and more are in the barrelThe influencing factors related to the injection pressure loss will be mined for perfectionAnd improve the prediction model of injection pressure loss in the barrel of injection molding machine, dan mempromosikan peningkatan pemecah tekanan perisian analisis simulasi aliran, dan mempromosikan kaedah pengoptimuman proses suntikan automasi dan pintar.

Jika anda mempunyai sebarang soalan mengenai mesin suntikan ,sila berasa bebas untuk bertanya pasukan FLYSE (whatsapp:+86 18958305290）,kami akan memberikan perkhidmatan terbaik untuk anda!