注塑机料筒注射压力损失研究

前言

注塑工艺参数设定是一个经验强、理论弱的领域, 并且很难成立 [1] 因其精确的数学模型, 而数据分析技术是一种从历史数据中发现知识的方法, 不需要复杂的理论建构, 所以在这个领域的应用越来越广泛. 例如, Zhang Lingli et al. [2] 采用多元回归分析建立注射压力和模具温度与成型件几何尺寸关系的回归模型谢培平等 [3] 通过研究不同部位的型腔压力曲线，探讨了制品残余应力的关系; 沉春玉等 [4] 优化注射工艺参数，降低成型品体积收缩率, 和 [5] 提出了一种通过网络模型进行注入过程监控的方法, 从而实现故障监测和质量预测.

在以往的生产实践中, 工程师只能获取注塑机料筒内的注射压力数据, 所以机筒内的注射压力往往等于模腔内的注射压力, 忽略机筒内的注射压力损失. 随着注塑技术的发展, 越来越多的从业者认识到，影响注塑产品质量的关键指标是模腔注射压力，而不是注塑机反馈的注射压力, 并开始关注注塑机注射压力损失的研究, 但很少有系统的研究数据和结论被报道.

根据塑料注射成型领域的技术发展趋势, 结合行业现状, 现从事注射压力损失研究, 通过一系列的测试得到数据, 并利用数据分析技术探索注入压力损失模式, 提高喷射压力损失预测精度.

学习用设备及模具

注射成型试验是在一个 1 200 kN电动注塑机, 采用全电机驱动和PLC, 变频及伺服控制技术, 并可实现高精度控制. 控制注塑机的稳定性

性能可确保测试结果的可靠性和稳定性. 研究用模具为普通流道双板模具，双浇口安装压力传感器. 空腔尺寸为 301 毫米 57 毫米 2.5 毫米. 成型产品厚度均匀，结构简单, 可实现低成本、高效率的注油试验过程.

便于数据采集和分析, ComoDataCen被利用了te (注射过程数据中央存储系统), 集中采集处理注射压力和模具浇口传感器压力, 注入试验模型如图 1.

实验方法

由于研究试验旨在探索影响注射过程中压力的因素, 压力

注射速度, 模具的温度取决于塑料的结晶度, 和材料类型为 3 对象

研究变量, 具有单点参考粘度指数 (六) 51.6~之间

327.2 (单点参考粘度指数是在指定的温度和剪切速率下 1 000 / 秒) 使用Cross-WLF黏度模型计算出的黏度可以在一定程度上反映物料的流动性, 在不同的熔体温度条件下以螺杆速度进行注射测试 20 ~ 180 毫米/秒, 并收集各种喷射试验下的喷射压力和喷射传感器压力. 研究试验材料清单见表 1.

测试数据采集

通过一系列的注塑测试, 得到各种材料在不同工艺条件下的注射机注射压力和模具传感器压力曲线, 和注射压力曲线V / P被切换

时间压力值PF 1 和模具传感器压力曲线V / P开关

PF的压差值 2 获得ΔPF并表征注塑机机筒在填充阶段的注射压力损失. 如图 2, 注射机料筒内的填充阶段注射压力损失Δ PF = 1 649-946= 703 巴.

用于料筒阶段注射压力损失的计算, 失压后, 压力值PP2的差值ΔP为机筒内压力值与机筒内压力损失为机筒内压力损失与注射压力损失ΔPP=999-732=267 bar.

试验数据分析

测试数据整理

通过以上方法, 整理各组测试数据，构建测试数据表. 总共 132 进行了注射试验组 6 材料. 由于空间有限, 桌子 2 只列出一些测试数据.

试验数据的线性回归分析

根据测试数据, Δ PF 和 PF 1, Δ PF 和 Δ PF V, DPF, 分别, 和熔体温度 T, 如图 3 到图 5.

散点图是最有效的图形方法之一 [6] 判断是否有联系, 模式, 或趋势之间 2 数值变量. 所以, 散点分布对比图 3 到图 5 表明 Δ PF 和 PF 之间存在很强的相关性 1 (绘制点的图案从左下角向右上角倾斜

奥布克, 这意味着 PF 1 值随 Δ PF 值增加, 暗示正相关 [5]), 而注射速度 V 和熔体温度 T 几乎没有相关性.

皮尔逊相关系数在自然科学中广泛用于衡量两个变量之间的相关程度, 值介于 -1 和 1. 珍珠

次相关系数通常用字母 R 表示, 其值为负表示变量之间呈负相关, 并且有规律表示正相关, 且R的绝对值越大, 的相关性越高 2 数据集. 所以, Δ PF 和 PF 之间的 Pearson 相关系数 1, V, 吨, 和 3 数据集,

芳, 用于衡量 Δ PF 与 3 变量. R2=0.981, Δ PF 和 V 数为 1 Δ PF 和 PF 的数据集 1

根据集合中的R2=0.282和T数据集中的R2=0.534, 在 Δ PF 和 PF 之间确定了最高的相关性 1, 然后通过最小化误差的平方和来找到这个数字

管段压力损失系数. 基于回归分析方法, 用于大量统计

数据数学处理, 确定因变量和一些自变量之间的相关性, 建立良好的相关回归方程 (函数表达式) [8], 构建了注射机料筒注射压力损失预测模型, 可在试制过程中优化射出压力设定, 协助技术人员快速找到更合理的注射压力和压力. 由于测试条​​件有限, 未对不同注塑机之间料筒注射的注射压力损失系数进行研究分析, 射料筒压力损失系数与注塑机设备参数之间的关系不明确. 随着研究的深入, 桶里越来越多

根据最佳函数匹配的数学优化技术 [(7]

最小二乘法),

挖掘与注射压力损失相关的影响因素以求完善

拟合ΔPF和PF的最佳匹配函数 1 数据集获取关于 PF 的 Δ PF 1 表达:

ΔPF =0.410 1×PF1 （1）

公式 (1) 可作为注射机料筒在充填阶段注射压力损失的预测模型. 在实际生产中, 轻松获得注射机机筒内的注射压力值, 所以这个模型具有广泛的适用性.

相似地, 根据研究测试数据, 绘制保压阶段的散点图, 如图 6, 并拟合料筒压力损失ΔPP与保压阶段压力注射压力PP1数据集的最佳匹配函数:

ΔPP =0.258 9×PP1

上述研究表明，注射压力的损失与注射速度和熔体温度无关, 但与机筒中的注射压力密切相关, 并且可以通过构建来确定 (外汇) =kx函数射压损失, x为注塑机料筒注射压力, k是压力损失效率. 此外, 方程式 (1) 和 (2) 揭示不同注射阶段机筒内注射压力损失系数不同的基本现象 (填充和保压).

标签

许久, 工程师对注塑机料筒内的注射压力损失没有研究. 一般来说, 流动模拟分析一般只考虑模具内的压力传递, 从而使注射压力的估计出现偏差. 揭示了一种新的注射压力损失模式: Δ P = k P, Δ P = k P; 其中k k为充填保压步骤段的压力损失系数. 基于回归分析方法, 用于大量统计

数据数学处理, 确定因变量和一些自变量之间的相关性, 建立良好的回归方程相关性 (函数表达式) [8], 机筒注射压力损失预测模型的构建, 可在试制过程中优化射出压力设定, 协助技术人员快速找到更合理的注射压力和压力. 由于测试条​​件有限, 未对不同注塑机之间料筒注射的注射压力损失系数进行研究分析, 射料筒压力损失系数与注塑机设备参数之间的关系不明确. 随着研究的深入, 机筒内越来越多的射压损失相关影响因素将被挖掘完善，完善注塑机机筒内射压损失预测模型, 并推动流动模拟分析软件压力求解器的改进, 推动注射工艺优化方法的自动化、智能化发展.

如果您有任何问题 注塑机 ,请随意问 飞思团队 （whatsapp:+86 18958305290）,我们会给您最好的服务！