【技術實現步驟摘要】
本專利技術涉及一種基于材料特性的塑化螺桿智能設計系統及方法，屬于材料加工與成型領域。
技術介紹
1、在現代塑料工業中，注塑成型和擠出成型是塑料制品的主要批量成型方式。注塑機和擠出機的規格、螺桿構型、模具結構、材料屬性以及各種可設定的工藝參數，都會對最終制品質量產生很大影響。塑料成型加工過程的必要條件是塑化，塑料經過料斗加入到注塑機或擠出機的機筒內，主要通過機筒外部加熱器產生并傳到的熱量和機筒內部塑化螺桿的旋轉剪切實現塑料的塑化即塑料由固態轉變為液態。用于塑料塑化的螺桿作為最關鍵的核心零部件之一，極大地影響了塑料成型設備及產品的性能。
2、螺桿塑化能力直接影響塑料加工周期和生產效率。根據材料的流變特性在螺桿與機筒建立的腔體流道中作等溫條件建立流動模型即熔體輸送理論，可用來描述螺桿的塑化能力。螺桿熔體輸送理論模型表明，在工藝條件參數(如機筒溫度、螺桿轉速)一定的條件下，螺桿的塑化能力與材料的可加工特性和螺桿的結構及幾何尺寸有關。根據加工的聚合物材料及其復合材料的熱物理性能、結晶形態和流變特性等特性不同，塑化螺桿應該設計為不同結構及幾何尺寸，進而實現有效的塑化并提供生產效率。塑化螺桿通常在軸向長度上分為三段，即輸送段、壓縮段和計量段，以匹配材料從固態到液態的塑化過程的三個階段。材料在螺桿中的塑化過程是：1)塑料顆粒從料斗加入到注塑機的機筒中，固態塑料顆粒在螺桿的輸送段得到初步的運輸和壓實；2)隨著螺桿的轉動及螺棱軸向力的作用下，塑料逐漸進入螺桿的壓縮段，得到更緊密的壓實；與此同時在機筒外部加熱器傳到的熱量作用下，螺桿的螺槽
3、除通用的三段式螺桿之外，還有許多類型的新型螺桿，如漸變型螺桿、突變型螺桿、無計量段螺桿、波狀螺桿、分流型螺桿和分離型螺桿等，其中漸變型螺桿、突變型螺桿和分離型螺桿三種螺桿結構較為常見。漸變型螺桿的壓縮段較長，一般占總螺紋長度的40％以上，計量段較短一般不超過總螺紋長度的15％。較長的壓縮段，使得螺槽深度緩慢變化，材料的壓力變化和溫度變化平緩，適合加工熱穩定性較差的材料。突變螺桿的特點是壓縮段比較短，占螺桿有效長度的15％左右，加料段比較長，一般占螺桿有效長度的70％，其結構特點就是螺槽深度在較短的壓縮段急劇變化，使得材料被加工時的剪切速率和溫度快速上升，適合加工本身存在突變特性的材料。分離型螺桿的特點是存在副螺紋，能夠在塑化的過程中將聚合物的固相和液相分離出來，可以使得壓縮的塑料顆粒中的氣體排出，有利于氣泡的減少。
4、材料進入模具前的塑化狀態直接影響成型后制品的質量，而且這種影響通常無法通過調整機器參數來平衡，因此螺桿結構及尺寸的精確設計顯得格外重要。螺桿結構對材料相態變化行為的影響具有多變量非線性耦合的特點，然而，傳統的螺桿設計通常基于熔體輸送理論和塑料機械設計手冊進行經驗型設計。隨著塑料工業的不斷發展和新材料的不斷出現，如何根據不同材料的特性進行定制化螺桿設計成為塑料加工與成型領域的迫切需求。
5、隨著工業4.0到來，智能制造進入了各行各業，塑料工業也開啟了新的篇章。塑料制品的精度控制和金屬制品的機加工不同，因為材料的特性，通用型注塑螺桿不可能適配所有類型的材料。以往的注塑螺桿設計方法通常是工程師憑借著經驗且經過大量的試錯試驗來制造一根專用螺桿，而現在隨著計算機輔助技術的成熟，螺桿的設計也慢慢由傳統的經驗試錯的方法，轉成了借助計算機輔助技術來制作。近年來，不少研究都通過計算機輔助技術來指導螺桿的設計，而利用機器學習方法輔助設計螺桿的研究鮮有報道。機器學習方法有著安全可靠、連續性、效率高、精度高等優點，在工程上是諸多工程師青睞的輔助工具。利用機器學習方法數字驅動的優勢，通過計算機輔助設計將螺桿設計中復雜問題數據化，可以實現針對不同材料特性的專用塑化螺桿的設計。
6、專利cn102194033a公開了一種變型設計方法，首先建立產品模型，然后進行產品結構變型設計，包括事物特性關聯關系描述和變型設計過程，在變型設計過程中需要確定基本特性，根據基本特性與派生特性之間的約束關系集，確定或計算派生特性的值，通過事物特性表的基本特性和派生特性驅動cad系統中的三維模型進行變型設計，最后進行工藝變型設計。專利cn109658499a專利技術了一種模型建立方法、裝置及存儲介質，獲取實例對象的目標研制活動需求；獲取所述實例對象的目標類別；根據所述目標研制需求和所述目標類別，從技術譜模型中獲取所述實例對象的具體屬性項；根據所述目標研制活動需求、所述目標類別和所述具體屬性項建立所述實例對象的全信息屬性模型。專利us9959684b2提出利用計算機圖形系統借助變形改變幾何實體模型形狀的方法，其特征在于它用于生成相互配合的幾何實體，因為幾何實體彼此相對且具有配合面，配合面需要以精確的精度(最多10微米)進行制造，例如螺桿壓縮機裝置的齒形螺桿(圓柱形、圓錐形)、齒輪傳動系統、齒輪泵的齒輪以及類似的幾何實體配合對。所提出的方法包括借助第一工具的模型對第一配對實體的半成品模型進行變形，第一工具的表面通過幾個數學定律自動計算，每個數學定律都是多項式，其中至少有一個系數代表定義第二幾何實體表面形狀的幾個特征之一。第二配接實體的半成品模型的變形借助第二工具的模型進行，第二工具代表第一實體的變形目標模型。此外，所述變形根據模仿幾何實體、在使用過程中相互配合的運動規律進行。專利kr20150031652a涉及一種用于注塑機或擠出機的塑化螺桿的設計方法，尤其涉及一種塑化螺桿的三維建模方法，其特征在于可以對螺桿的直徑和螺距值進行可變設置，包括形成二維螺旋線，再應用掃掠形成三維實體，然后形成螺桿軸線，其特征在于螺桿直徑值和螺距值可在所述區間內可變設置，從而提供了一種塑化螺桿的三維建模方法。可在實際操作中提高塑化螺桿的尺寸精度，確保要制造的塑化螺桿的設計自由度，并可相應地實現各種形狀。然而，上述所列的專利技術專利雖然對于某些機械零件的設計具有一定的適用性，但缺乏對于約束參數及條件的數字化過程，特別對于塑化螺桿類與物料特性密切相關的零部件設計，無法建立零件形狀與物料屬性之間的關系。
7、專利cn110809510a公開了螺桿形狀推斷裝置、螺桿形狀推斷方法、螺桿形狀推斷程序，通過獲取模塊獲取包含樹脂物性的輸入信息，并且獲取與混煉后的樹脂或者混煉裝置有關的物理量的要求值作為輸出信息；存儲本文檔來自技高網...
【技術保護點】
1.一種基于材料特性的塑化螺桿智能設計系統，包括材料特性數據庫、螺桿結構參數數據庫、實驗設計模塊、計算機輔助設計模塊、計算機輔助數值模擬模塊、螺桿塑化性能評價模塊、螺桿結構優化模塊、最優螺桿結構機器學習模塊、最優螺桿結構生成模塊，其特征在于：所述材料特性數據庫儲存有n種材料的物性參數數據，計算機輔助設計模塊根據實驗設計模塊建立m組螺桿結構參數數據和對應的m個螺桿模型及機筒流道模型；計算機輔助數值模擬模塊根據n組材料物性參數數據和計算機輔助設計模塊建立的m個螺桿模型，依次開展螺桿塑化過程數值模擬，計算獲得模型流道內的流場參數，通過數值模擬計算可獲得n×m組流場參數數據，其中每1種材料對應m組流場參數數據；螺桿塑化性能評價模塊確定塑化參數及權重比，根據塑化參數及權重計算獲得塑化性能指標值，基于數值模擬計算結果計算得到n×m組塑化性能指標數據，每1種材料對應m個塑化性能指標值；螺桿結構優化模塊對實驗設計模塊建立的m組螺桿結構參數數據和螺桿塑化性能評價模塊得到的m個塑化性能指標值結果進行數據處理，以實驗設計算法和塑化性能指標數據的期望值大小分析獲得能夠使塑化性能指標值最接近期望值的螺桿結
2.如權利要求1所述的一種基于材料特性的塑化螺桿智能設計系統，其特征在于：所述材料特性數據庫的材料物性參數包括材料密度、比熱容、導熱系數、流變參數，對應n種材料具備n組材料物性參數數據；所述螺桿結構參數數據庫包括與螺桿結構類型相關的幾何參數的數據及變動范圍，螺桿結構參數包括螺桿直徑、螺桿長徑比、螺槽深度、螺棱寬度、螺旋角、螺距、壓縮比。
3.如權利要求1所述的一種基于材料特性的塑化螺桿智能設計系統，其特征在于：所述實驗設計模塊包括基于實驗設計法的參數設計部分，根據螺桿結構參數及數據范圍和實驗設計算法建立m種螺桿結構，實驗設計算法包括正交設計法、田口設計法、中心設計法，形成m組螺桿結構參數數據。
4.如權利要求1所述的一種基于材料特性的塑化螺桿智能設計系統，其特征在于：所述計算機輔助數值模擬模塊計算獲得的流場參數包括溫度和黏度；所述螺桿塑化性能評價模塊的塑化參數包括數值模擬計算得到的螺桿前端的溫度差、黏度差和平均黏度。
5.如權利要求1所述的一種基于材料特性的塑化螺桿智能設計系統，其特征在于：所述最優螺桿結構機器學習模塊包括輸入數據接口、輸出數據接口、機器學習模型、超參優化模塊，輸入數據接口輸入n種材料物性參數數據，輸出數據接口輸入與n種材料對應的n組最優螺桿結構參數數據，通過機器學習模型進行機器學習訓練獲得人工智能模型；所述最優螺桿結構生成模塊包括數據輸入模塊、數據輸出模塊和模型輸入模塊，數據輸入模塊為輸入新材料物性參數數據，模型輸入模塊輸入人工智能模型，數據輸出模塊為人工智能模型根據輸入的新材料物性參數數據計算得到對應的新最優螺桿結構參數數據。
6.如權利要求1所述的一種基于材料特性的塑化螺桿智能設計系統，其特征在于：所述螺桿塑化性能評價模塊的塑化性能指標通過塑化準則確定各個塑化參數的權重，所述螺桿結構優化模塊在優化時以塑化性能最優為優化目標，對應的塑化性能指標以塑化參數溫度差、黏度差和平均粘度期望值最小。
7.如權利要求1至6任一項所述的一種基于材料特性的塑化螺桿智能設計系統，其特征在于：所述計算機輔助數值模擬模塊計算的流場參數還包括螺桿轉矩，所述螺桿塑化性能評價模塊的塑化參數還包括螺桿轉矩；所述螺桿塑化性能評價模塊還包括塑化準則和考慮了螺桿轉矩產生能耗的平衡準則和節能準則，塑化準則對應塑化參數權重以溫度差、黏度差和平均粘度的期望值最小進行賦值而得到塑化性能指標值；平衡準則對應塑化參數權重以溫度差、黏度差、平均粘度和螺桿轉矩的期望值最小進行賦值而得到塑化性能指標值；在總權重100％的前提下，平衡準則優選溫度差、黏度差、平均粘度合占50％的權重，螺桿轉矩占50％的權重；節能準則優選溫度差、黏度差、平均粘度合占小于50％的權重，螺桿轉矩占剩余權重。
8.如權利要求1至7任一項所述的一種基于材料特性的塑化螺桿智能設計系統，其特征在于：所述螺桿塑化性能評價模塊確定塑化性能指標值前，對塑化參數數據進行無量綱化處理。
9.如權利要求1所述的一種基于材料特性的塑化螺桿智能設計系統，其特征在于：所述螺桿塑化性能評價模...
【技術特征摘要】
1.一種基于材料特性的塑化螺桿智能設計系統，包括材料特性數據庫、螺桿結構參數數據庫、實驗設計模塊、計算機輔助設計模塊、計算機輔助數值模擬模塊、螺桿塑化性能評價模塊、螺桿結構優化模塊、最優螺桿結構機器學習模塊、最優螺桿結構生成模塊，其特征在于：所述材料特性數據庫儲存有n種材料的物性參數數據，計算機輔助設計模塊根據實驗設計模塊建立m組螺桿結構參數數據和對應的m個螺桿模型及機筒流道模型；計算機輔助數值模擬模塊根據n組材料物性參數數據和計算機輔助設計模塊建立的m個螺桿模型，依次開展螺桿塑化過程數值模擬，計算獲得模型流道內的流場參數，通過數值模擬計算可獲得n×m組流場參數數據，其中每1種材料對應m組流場參數數據；螺桿塑化性能評價模塊確定塑化參數及權重比，根據塑化參數及權重計算獲得塑化性能指標值，基于數值模擬計算結果計算得到n×m組塑化性能指標數據，每1種材料對應m個塑化性能指標值；螺桿結構優化模塊對實驗設計模塊建立的m組螺桿結構參數數據和螺桿塑化性能評價模塊得到的m個塑化性能指標值結果進行數據處理，以實驗設計算法和塑化性能指標數據的期望值大小分析獲得能夠使塑化性能指標值最接近期望值的螺桿結構參數數據，每1種材料對應1組最優螺桿結構參數數據，n種材料對應n組最優螺桿結構參數數據；最優螺桿結構機器學習模塊對n種材料物性參數數據和對應的n組最優螺桿結構參數數據通過機器學習模型進行機器學習訓練獲得人工智能模型；最優螺桿結構生成模塊利用最優螺桿結構機器學習模塊獲得的人工智能模型，根據輸入的新材料物性參數數據計算得到對應的新最優螺桿結構參數數據。
2.如權利要求1所述的一種基于材料特性的塑化螺桿智能設計系統，其特征在于：所述材料特性數據庫的材料物性參數包括材料密度、比熱容、導熱系數、流變參數，對應n種材料具備n組材料物性參數數據；所述螺桿結構參數數據庫包括與螺桿結構類型相關的幾何參數的數據及變動范圍，螺桿結構參數包括螺桿直徑、螺桿長徑比、螺槽深度、螺棱寬度、螺旋角、螺距、壓縮比。
3.如權利要求1所述的一種基于材料特性的塑化螺桿智能設計系統，其特征在于：所述實驗設計模塊包括基于實驗設計法的參數設計部分，根據螺桿結構參數及數據范圍和實驗設計算法建立m種螺桿結構，實驗設計算法包括正交設計法、田口設計法、中心設計法，形成m組螺桿結構參數數據。
4.如權利要求1所述的一種基于材料特性的塑化螺桿智能設計系統，其特征在于：所述計算機輔助數值模擬模塊計算獲得的流場參數包括溫度和黏度；所述螺桿塑化性能評價模塊的塑化參數包括數值模擬計算得到的螺桿前端的溫度差、黏度差和平均黏度。
5.如權利要求1所述的一種基于材料特性的塑化螺桿智能設計系統，其特征在于：所述最優螺桿結構機器學習模塊包括輸入數據接口、輸出數據接口、機器學習模型、超參優化模塊，輸入數據接口輸入n種材料物性參數數據，輸出數據接口輸入與n種材料對應的n組最優螺桿結構參數數據，通過機器學習模型進行機器學習訓練獲得人工智能模型；所述最優螺桿結構生成模塊包括數據輸入模塊、數據輸出模塊和模型輸入模塊，數據輸入模塊為輸入新材料物性參數數據，模型輸入模塊輸入人工智能模型，數據輸出模塊為人工智能模型根據輸入的新材料物性參數數據...
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。