汽车仪表盘外壳模外三维覆膜工艺参数组合优化及其6Sigma分析

31卷第5期 2017年5月

中国塑料CHINA PLASTICSVol. 31，No. 5 May，2017

汽车仪表盘外壳模外三维覆膜工艺参数组合优化及其6

李志刚，王业楷，罗强

Sigma

分析

(华东交通大学机电与车辆工程学院，江西南昌330013)

摘要：通过对汽车仪表盘外壳模外三维覆膜工艺成型进行有限元仿真，成型后为使薄膜厚度分布更加均匀并提高其 变形精度采用中心组合设计试验方法对其工艺参数进行了试验设计分析，并通过建立克里格模型，然后采用微粒子群 全局优化算法再组合序列二次规划梯度优化算法对其进行了多目标优化分析，最后采用均值可靠性方法对优化结果进

行了6Sigma可靠性分析。结果表明,优化后薄膜的减薄率增厚了3. 21 在c方向上的最大变形量减少了25. 63 %。

,

在方向上的最大变形量减少了关键词

中图分类号：TQ317. 9

23.47 %;其优化结果具有较高的可靠性。

：模外三维覆膜;仿真;全局优化;梯度优化;可靠性

文献标识码:B

%,:

DOI：10. 19491/j. issn. 1001-9278. 2017. 05. Oil

文章编号= 1001-9278(2017)05-0052-05

Combined Optimization and 6Sigma Analysis of Processing Parameters for Car Dashboard Shells Based on Outside Mold Three-dimensional Filming Technology

(School of Mechatronics &• Vehicle Engineering, East China Jiaotong University, Nanchang 330013, China)

LI Zhigang, WANG Yekai, LUO Qiang

filming technology was simulated so as to make the film thickness distribution more uniform and improve the accuracy of deformation. The process parameters were designed and analyzed by a central composite design method on the basis of the design of experiments analysis and the establishment of Kriging model, and then they are optimized by a multi-objective optimization method combined with the global particle swarm optimization and the gradient sequential quadratic programming optimization. The optimization results were further analyzed by an average reliability method in terms of 6-sigma reliability. The results indicated that, after such optimization, the reduction ratio increased by 3. 21 %, the maximum deformation in the x-direction decreased by 25. 63 %, and the maximum deformation in the ^-direction decreased 23. 47 %• The optimizing results exhibited a high reliability.

Key words outside mold three-dimensional filming technology； simulation； global optimization； gradient optimization； reliability

：

Abstract The forming process of car dashboard shells based on outside mold three-dimensional

：

〇 刖

g

将热塑性塑料薄膜通过加热软化，再利用真空高压技

模外三维覆膜工艺是模内装饰工艺的延伸，是指

收稿日期=2016-12-03

Erchiqui

兀法和Ogden、Mooney-Rivlin超弹性本构模型及 LodgeXhristensen黏弹性本构模型，在假定不可压缩

乙烯共聚物（

术手段，使其变形后黏覆在基材轮廓面之上的一种新 型工艺。等[1]采用总体拉格朗日动态有限单

江西省教育厅科学技术研究项目（学基金项目（

51665016)

GIT14358);国家自然科

和采用膜单元理论条件下，模拟了丙烯腈-丁二烯-苯

联系人，g〇rdon7456@163. com

ABS)薄板盒形零件热压胀型的厚度分 布。Dong[2]米用Mooey-Rivlin超弹性本构模型和自

2017年5月中国塑料• 53 •

适应网格，利用仿真软件对丙烯酸板材半球形零件的 热压胀型和盒形零件经热压成型进行了数值模拟，预

估了疲变速率以及厚度分布的变化情况;等[3]采用

1

成型工艺过程仿真分析

采用非线性有限元分析软件(

Shi

1.1建立仿真有限元模型

神经网络模型构建了工艺参数和翘曲变形之间的关 系，并结合试验设计的方法研究分析了工艺参数对翘 曲形变的影响。等将遗传算法与“模式追随抽

ABAQUS)[7]建立汽 mm

DengW

车仪表盘外壳模外三维覆膜成型工艺过程有限元模

型，如图1所示。贴膜材料为0.2 的聚碳酸酯 (

样”方法相结合，运用这种混合算法来减少塑件的翘曲 变形，最终通过优化浇口位置来提高制品的品质，包括 减少翘曲变形和降低体积收缩率等。李欣欣等[5]采用

正交试验与计算机辅助工程()模拟仿结合的

PC)，采用KDSGZ黏弹性本构模型[8]来反应PC的力

PC

学特性，其各个系数如表1所示，并且设计编写

用户材料子程序，设置各种材料属性。 设置上压边框加载500

CAE

方法优化了注射成型的工艺参数，优化后的翘曲形变

和体积收缩率较未优化前分别减少了 13 %和24. 1 %， 同时还分析得出保压压力以及熔体温度分别是影响制 品翘曲变形与注塑件体积收缩的主要因素。路小江 等[6]等提出了一种基于粒子群算法()的多目标优

PSO

N的起始压边力(F)，薄膜上下

表面同时加载〇. 02 MPa的压强(P1)，薄膜的温度（了) 为423 K，预拉伸时间U1)为0. 01 s，在薄膜的上表面 施加0. 1013 MPa的常压，加压时间U2)为0.01 s，然 后再加载1.0 MPa的高压（P2)，加压时间U3)为0.01 s，以此对其工艺过程进行仿真分析。

ABAQUS

化方案，实现了对注塑件成型工艺参数以及厚度的多 目标集成优化。

本文首先通过对汽车仪表盘外壳模外三维覆膜成 型工艺进行仿真分析，再以成型后薄膜的减薄率和变 形精度最小为目标函数，采用中心组合设计试验方法 对其工艺参数进行抽样，建立克里格模型，并对其精度 进行评估，然后采用微粒子群算法进行全局优化分析， 再组合序列二次规划梯度优化算法做进一步的优化，

最后利用6可靠性分析的手段，对其优化结果进

Slgma

行评估，最后获得最佳、可靠的工艺参数组合。

Fig. 1 Finite element model of outside mold thre^ dimensional film

1 KDSGZ模型系数

c3

1. 27

图1模外三维覆膜成型工艺有限元模型

表

Tab. 1 Coefficient of KDSGZ model

Cl

9. 67注:

c2

0. 63

maK

c4

60

ansd

0. 45218056.

X10-21X10-23

800. 70. 20.0015

G〜C4为材料系数;K为单向压缩比例系数;m为应变速率敏感系数^

为温度常数。

1.2结果分析

通过对汽车仪表盘外壳贴膜的成型过程进行模拟 分析，得到了成型后薄膜厚度分布云图、薄膜在方 向的变形云图，如图2所示。由图2()可知，薄膜经加 热膨胀后最大厚度为〇. 200009 薄膜的厚度为〇. 184658

2

工艺参数优化分析

全局优化算法拥有全局搜索最优的能力，但它的

mm，其减薄率为7. 67 %，其 他区域的薄膜厚度为0.1911 mm;由图2(b)可知，薄膜 在3^方向（U2)的最大变形量约为2. 505 mm，最小变 形量为0. 1534 mm;由图2 (c)可知，薄膜在jt方向 (U1)的最大变形量为2. 419 mm，仪表盘外壳前侧薄 膜的变形量为2. 391 mm，整个薄膜的最小变形量为 0. 001403 mm0

mm，仪表盘外壳两端

a

缺点是优化效率比较低，常常需要花费大量的时间。 梯度优化算法虽然具有高优化效率的特点，但它的缺 点是对于复杂的优化模型往往会陷人局部最优解。为 了最快获得精度较好的全局最优解，将两类算法进行 组合，不但可以发挥全局算法的全局性，还能获得数值 算法的高效性。因此为了减少成型后薄膜的减薄率、 提高其变形精度，并且使薄膜厚度分布更加均勻，在薄 膜上随机均勻地取100个节点，该100个节点能够基 本反应出薄膜厚度的分布情况和变形情况，将它们成

• •

汽车仪表盘外壳模外三维覆膜工艺参数组合优化及其6Sigma分析

(a)你脱\"度分布沄图（b)薄膜在x方丨fij的变形厶|冬丨(c)你膜在3?方丨【|]的变形/^调

图2

薄膜分布云图

Fig. 2 Contour of film distribution

型后的厚度值及其在 方向的变形量输出，并求出 三者的标准偏差(^、^2、；3)。首先基于中心组合设计

l

ij

法，设置其最大迭代次数为50,粒子的个数为10,惯性

t

方法对工艺参数进行抽样，然后根据该试验方法所得 数据构建克里格模型，并对其进行精度分析，如表2所 示为克里格模型的精度，由表2可知，方

和；3的均

CR2)值分别为〇• 97107、0. 99933和0. 9977,都大于 许用值〇. 9,且它们的均方根误差(J?)值都小于许用值

〇. 2,由此说明该克里格模型具有很高的可信度。最后 采用微粒子群算法同时组合序列二次规划算法对其工 艺参数进行多目标优化分析。

t

XCT6,相对步长

为1. 0 X l(Tf，最小绝对it步长位为1. 0X 1(T4，临界罚 值为1. OX 103G，临界目标值为1. 0 X 103°，优化完成后 可以获取工艺参数的Pareto解，并且对Pareto解的品

大循环次数为1〇〇,收殓精度为1.0 1

质进行评价，由此获得最优的工艺参数组合。

优化执行68次后，生成了 4组最优解，由

tmn2则设置为序列=

权重、全局增量以及粒子增量均设置为〇. 9;

Optimiza-

次规划梯度优化算法，设置其最

Pareto图4可知，其Pareto解连续且较为均勻e

优化结果分析

选取

Tab

t丨标函数

表2克里格模型的精度

. 2Precision of Kriging

3

R

0.048740. 007530. #1408

R

2•ul

0.971070.99933

幻30. 9977

Islght的组合优化流程图，其

基本流程为创建Optimizationl和Optimization2两个 模块。Optimizationl用于设置微粒子群全局优化算

如图3所示是基于

Pareto解集中的E点的解作为满意解，此时

F 为 600 N、P1 为 0. 01 MPa、P2 为 0. 8 MPa、了为 418 K、^l 为 0• 015 s、/2 为 0• 005 为 0• 005 s;且 vl 为 0• 0114l7、i；2 为 2. 7101、t；3 为 2. 6757。优化之后薄 膜厚度的分布云图、I和^方向的变形云图如图5所 示。由图5(a)可知，成型后仪表盘外壳表面上的薄膜 最薄为0.191077 mm，其减薄率为4 46 %，较优化之 前的厚度增厚了 3. 21 %;由图5(b)可知，成型后薄膜 在I方向上的最大变形量为1. 79946 mm，较优化前减 少了 25. 63 % ;由图5(c)可知，成型后薄膜在^方向上 的最大变形量为1.91739 mm，较优化之前其减少了

23.47 %。因此优化之后减薄率及变形量等均有所 改善。

4 6Sigma可靠性分析

由于传统的确定性优化并没有考虑过载荷状况，

Fig. 3 Flow chart of combinatorial optimization

based on isight

图3

基于近似模型的组合优化流程图

材料特性、仿真模型的随机性等因素对产品的影响，故 优化结果很可能具有较低的可靠性，如果直接采用确 定性优化得到的设计方案进行生产，则存在很大的品

2017年5月

中国塑料

• 55 •

(a)i;l 与说(b):ml 与 t;3

图4 Pareto二维散点图

Fig. 4 Pareto scatter plot 2D graph

(a)优化■醫脱掙度分布占丨冬丨(b)优化所薄脫在x方叼的变形^丨冬丨（c〇优化F满脱介: >，方向的变形云图

Fig. 5 Contour of film distribution after optimization

质风险，所以需要评价和筛选确定性优化的结果。

6

图5

优化之后薄膜分布云图

Slgma分析M

的目标是对当前设计方案的质量水平进

行评价，对当前设计点给以随机扰动，并在其均值周围 生成一组样本点，之后通过统计分析来估计单一设计

点上的输出响应指标的&水乎、可靠度、百万缺陷

gma

数、失效概率等，同时也统计各响应指标的均值和标 准差。

F600 N)、T(418〜428 K)、P1(0. 01 〜0. 03 MPa)、P2 (0. 8〜1.2 MPa)、d (0.005 〜0.015 s)、泛（0.005 〜 0. 015 s)和〖3(0. 005〜0. 015 s)，假设所有随机因素都

本文涉及的不确定性因素包含设计变量(400〜 服从正态分布，将确定性优化所得到的最佳设计点的 数据设置为随机设计变量的平均值，并且设置随机设 计变量的变异指数，采用均值可靠性方法对组合优化 结果进行6分析，如图6所示为6可靠性

Sigma可靠性分析实现流程

Fig. The realization process of Sigma

reliability analysis

6

6

6

图6

为4. 637水平，也超过了 3个水平，在5个水平附近。 由此说明该

Pareto解具有很高的可靠性。

Sigmaa

Sigma

5

结论

分析的实现流程9

由图7()可知，；的质量水平达到了 8个水平；

tl

由图7()可知，的质量水平为4 713水平，超过3 个水平，接近5个水平；由图7()可知，的质量水平

b

(1) 汽车仪表外壳模外三维覆膜成型后薄膜的最

薄厚度为〇. 18465 ，在方向的最大变形量为

mmx

c

2. 41944 111111，在^方向的最大变形量为2. 50533

mm;

(2) 采用中心组合设计方法对工艺参数进行试验

• 56 •

汽车仪表盘外壳模外三维覆膜工艺参数组合优化及其6Sigma分析

质量:4.637 sigma

平均水平:2.676 标准方差:〇.193

边界:3.3

4.492 sigma

800

质量:8 sigma 平均水平:〇.〇11 标准方差:〇.〇〇1

2.0

质量:4.713 sigma

平均水平:2.71 标准方差:〇.294

边界:4.056

4.57 sigma

3

^

0^,7

0.007

0.012

vl

(a)

0 1 2

v2

(b)

3 4 5

\\ _____i

1

v3

(G)

3.5 4.5

6

Sigma 质量水平:（a)

6

() ;2 ()幻3

btc

Fig. 7 Sigma quality level graph

设计分析，然后建立克里格模型，通过评估可知该模型 具有较离的精度，然后采用微粒子群全局优化再组合 序列二次规划梯度优化算法对其工艺参数进行多目标 优化分析，获得了最佳的工艺参数组合；优化之后薄膜

最薄为0. 191077 ,其减薄傘为4. 46 %，较优化之

_图7 6Sigma质量水乎:圏

I

mm

前増厚了 3. 21优化后薄膜在量:为1. 79946

mm，较优化前减少了 25. 63 %;优化后 薄膜方向.上的最大突擴量为1. 9_173f mm,较优化

之前其减少了 23.47 通过组合优化，薄膜的减薄率及变形量等均有所改善；

(3)目标值的6水平达到8个水乎，1:目标

J

方向上.的最大变形

值和旧的6

Sigma水平都接近5个水平，因此其优

Sigma

化结果具有较高的可靠性&

[1] Erchiqui E, Gakwaya A, Rachik M. Dynamic Finite Ele­ment Analysis of Nonlinear Isotropic Hyperelastic and Viscoelastic Materials for Thermoforming Applications [J ]. Polymer Engineering and Science, 2005，（ 45 ): 125-134.

[2] Shi H Z? Gao Y H, Wang X C. Optimization of Injection

Molding Process Parameters Using Integrated Artificial Neural Network Model and Expected Improvement Func­tion Method[J]. International Journal of Advanced Manu­facturing Technology,2010, (48) ： 955-962.

[3] Dong Y，Lin R J T? Bhattacharyya D. Finite Element

Simulation on Thermoforming Acrylic Sheets Using Dy-

参考文献：

namic Explicit Method [J] . Polymers & Polymer Compo­sites,2006, 14(3)：307-328.

[4] Deng Yimin，Zhang Yong，Yee Cheong Lam，et al. A

Hybrid of Mode-pursuing Sampling Method and Genetic Algorithm for Minimization of Injection Molding Warpage [J]. Materials and Design，2010，（31) : 2118-2123.[5] 李欣欣，黄瑶，王雷刚.薄壁塑件注塑成型工艺参数优

化[J].塑料工业，2009,37(11) :25-27.

Li Xinxin，Huang Yao，Wang Leigang. Process Parame­ter Optimum of Thin-walled Plastic Parts Injection Mol- ding[J]. China Plastics Industry, 2009,37(11) ：25-27.[] 路小江，邓益民.基于粒子群算法的注塑产品厚度与成型

工艺参数的多目标集成优化[J].塑料，2008,37 (1): 92-96.

Lu Xiaojiang, Deng Yimin. Integrated Multiobjective Op­timization of Part Thickness and Injection Molding Process Parameters Based on PSO[J] • Plastics，2008, 37 (1): 92-96,

6

[ij

施建伟,张彦飞，杜瑞奎，等-•.复合材料崖合板三点弯曲分

层损伤有限元模拟[3]].工程纏料威厨，2311:42):.63.

Shi Jianwei，Zhang Yanfei, Du Ruikui, et al. Finite-ele­ment Modelling of the Delaminations Behavior of Compo­site Laminates Under Three-point Bending Load[J]. Engi­neering Plastics Application, 2015? (2) ： 60-63.

[Q

i李5

■.梅..聚酸酸贈板材本构方.鶴幾立的实:验及数值樓拟

_

孥fc.抑©.

研食哈乘滨:哈尔翁3：业大学机_

[CI丨賴宇阳.Mght参戮化理论ij実例.释_[M].北京；北京航

空航天太学出版社，:201.2:34-3.$,

)令。令。令。令。令。令。令。令。令。令。令。令。令。令。令。令。令。令。令。令。令。令。令。令。令。令。令。令。令。令。令。令。令。令。令。令。令。令。令。令0令。令。令。令0•«

戏迎矣注《中

CHINA PLASTICS-ZGSL!

(St

斜》表

4

社歡信公众咢

：