基于主成分分析结合灰色关联度的PPO/PA翼子板注射成型研究

doi:10.19491/j.issn.1001-9278.2022.05.016

中国塑料 ›› 2022, Vol. 36 ›› Issue (5): 99-103.DOI: 10.19491/j.issn.1001-9278.2022.05.016

基于主成分分析结合灰色关联度的PPO/PA翼子板注射成型研究

欧阳宇(), 刘泓滨()

昆明理工大学机电工程学院，昆明 650500

收稿日期:2021-11-26 出版日期:2022-05-26 发布日期:2022-05-26
通讯作者: 刘泓滨（1961—），男，教授，从事机器人技术，数字化设计与制造，lihhong6696@163.com
E-mail:728994027@qq.com;lihhong6696@163.com
作者简介:欧阳宇（1996—），男，在读硕士研究生，从事数字化设计与制造，728994027@qq.com

Injection molding of PPO/PA fender based on principal component analysis and grey relational analysis

OUYANG Yu(), LIU Hongbin()

Faculty of Mechanical and Electrical Engineering，Kunming University of Science and Technology，Kunming 650500，China

Received:2021-11-26 Online:2022-05-26 Published:2022-05-26
Contact: LIU Hongbin E-mail:728994027@qq.com;lihhong6696@163.com

摘要/Abstract

摘要：

以PPO/PA（聚苯醚/聚酰胺）翼子板为研究对象，在数值模拟基础上提出了一种主成分分析（PCA）结合灰色关联度（GRA）的研究方法，得到第一主成分方程、各项指标贡献度、各工艺参数对综合质量的影响程度及较优工艺参数组合，实现翼子板翘曲变形、体积收缩不均和缩痕等缺陷的优化。结果表明，各工艺参数对综合质量的影响程度为：冷却时间>模具温度>熔体温度>保压时间>保压压力；优化后，最大翘曲变形量、体积收缩率和缩痕长度分别由原来的11.29 mm、16.24 %、0.060 6 mm下降到10.21 mm、14.4 %、0.056 4 mm，分别下降了9.6 %、11.33 %和7 %。

关键词: 翼子板, 主成分分析, 灰色关联度, 多目标

Abstract:

This paper reported an intensive study on the injection molding of polyphenylene ether/polyamide fender. Based on the results from numerical simulation， a research method of principal component analysis combined with grey relational analysis was proposed to obtain the first principal component equation. Then， the contribution degree of each index， the influence degree of each process parameter on the comprehensive quality， and the combination of better process parameters were achieved to optimize the defects such as wing warpage deformation， uneven volume shrinkage and shrinkage mark. The results indicated that the influence degree of each process parameter on the comprehensive quality increased by an order of： cooling time > die temperature > melt temperature > holding time > holding pressure. After optimization， the maximum warpage deformation decreased by 9.6 % from 11.29 to 10.21 mm， volume shrinkage decreased by 11.33 % from 16.24 % to 14.4 %， and shrinkage mark length decreased by 7 % from 0.060 6 to 0.056 4 mm.

Key words: fender, principal component analysis, grey relational analysis, multiple target

中图分类号:

TQ320.66⁺2

欧阳宇, 刘泓滨. 基于主成分分析结合灰色关联度的PPO/PA翼子板注射成型研究[J]. 中国塑料, 2022, 36(5): 99-103.

OUYANG Yu, LIU Hongbin. Injection molding of PPO/PA fender based on principal component analysis and grey relational analysis[J]. China Plastics, 2022, 36(5): 99-103.

图/表 8

图 1 塑件三维模型

Fig.1 Three?dimensional model of the plastic part

图 2 塑件样品

Fig.2 Plastic sample

水平	A/℃	B/℃	C/MPa	D/s	E/s
1	270	115	105	13	16
2	280	125	115	18	18
3	290	135	125	23	20
4	300	145	135	28	22

表 1 因素水平表

Tab.1 Test factor level

序号	试验因素					X₁	S_NR（X₁）	X₂	S_NR （X₂）	X₃	S_NR （X₃）
序号	A/℃	B/℃	C/MPa	D/s	E/s	X₁	S_NR（X₁）	X₂	S_NR （X₂）	X₃	S_NR （X₃）
1	280	125	115	18	16	10.20	-20.17	14.92	-23.48	0.056 0	25.04
2	280	145	125	13	20	10.46	-20.39	14.88	-23.45	0.055 2	25.16
3	270	125	125	28	18	10.45	-20.38	14.34	-23.13	0.058 8	24.61
4	290	135	125	23	16	10.16	-20.14	15.38	-23.74	0.045 1	26.92
5	270	115	105	13	16	10.31	-20.27	14.40	-23.17	0.058 9	24.60
6	270	145	115	23	22	15.13	-23.60	12.16	-21.70	0.057 6	24.79
7	290	115	115	28	20	10.11	-20.10	15.40	-23.75	0.047 2	26.52
8	270	135	135	18	20	10.96	-20.80	14.17	-23.03	0.057 4	24.82
9	300	135	115	13	18	10.02	-20.02	15.85	-24.00	0.042 0	27.54
10	280	135	105	28	22	10.34	-20.29	14.89	-23.46	0.055 4	25.13
11	290	145	105	18	18	10.36	-20.31	15.38	-23.74	0.045 7	26.80
12	280	115	135	23	18	10.23	-20.20	14.93	-23.48	0.056 3	24.99
13	300	115	125	18	22	10.53	-20.45	15.88	-24.02	0.045 1	26.92
14	290	125	135	13	22	10.70	-20.59	15.40	-23.75	0.052 1	25.66
15	300	145	135	28	16	9.86	-19.88	15.86	-24.01	0.039 4	28.09
16	300	125	105	23	20	10.07	-20.06	15.87	-24.01	0.043 3	27.27

表 2 正交试验及结果表

Tab.2 Orthogonal test and results

序号	翘曲变形量			收缩率			缩痕长度			综合质量GRA
序号	S_NR	Y（X_k ）	$ϕ i k$	S_NR	Y（X_k ）	$ϕ i k$	S_NR	Y（X_k ）	$ϕ i k$	综合质量GRA
1	-20.17	0.08	0.92	-23.48	0.77	0.60	25.04	0.85	0.64	0.85
2	-20.39	0.14	0.83	-23.45	0.75	0.62	25.16	0.81	0.69	0.78
3	-20.38	0.13	0.83	-23.13	0.62	0.87	24.61	0.99	0.51	0.83
4	-20.14	0.07	0.94	-23.74	0.88	0.49	26.92	0.29	0.59	0.84
5	-20.27	0.10	0.88	-23.17	0.63	0.83	24.60	1.00	0.50	0.86
6	-23.60	1.00	0.34	-21.70	0	0.35	24.79	0.93	0.56	0.34
7	-20.10	0.06	0.96	-23.75	0.88	0.49	26.52	0.40	0.72	0.86
8	-20.80	0.25	0.70	-23.03	0.57	1.00	24.82	0.92	0.57	0.76
9	-20.02	0.04	1.00	-24.00	0.99	0.41	27.54	0.13	0.47	0.87
10	-20.29	0.11	0.87	-23.46	0.76	0.61	25.13	0.82	0.68	0.81
11	-20.31	0.12	0.86	-23.74	0.88	0.49	26.80	0.32	0.63	0.78
12	-20.20	0.09	0.91	-23.48	0.77	0.60	24.99	0.87	0.62	0.84
13	-20.45	0.15	0.81	-24.02	1.00	0.41	26.92	0.29	0.59	0.72
14	-20.59	0.19	0.76	-23.75	0.88	0.49	25.66	0.65	1.00	0.71
15	-19.88	0	0.95	-24.01	1.00	0.41	28.09	0	0.40	0.83
16	-20.06	0.05	0.98	-24.01	1.00	0.41	27.27	0.20	0.51	0.86

序号	翘曲变形量			收缩率			缩痕长度			综合质量GRA
序号	S_NR	Y（X_k ）	$ϕ i k$	S_NR	Y（X_k ）	$ϕ i k$	S_NR	Y（X_k ）	$ϕ i k$	综合质量GRA
1	-20.17	0.08	0.92	-23.48	0.77	0.60	25.04	0.85	0.64	0.85
2	-20.39	0.14	0.83	-23.45	0.75	0.62	25.16	0.81	0.69	0.78
3	-20.38	0.13	0.83	-23.13	0.62	0.87	24.61	0.99	0.51	0.83
4	-20.14	0.07	0.94	-23.74	0.88	0.49	26.92	0.29	0.59	0.84
5	-20.27	0.10	0.88	-23.17	0.63	0.83	24.60	1.00	0.50	0.86
6	-23.60	1.00	0.34	-21.70	0	0.35	24.79	0.93	0.56	0.34
7	-20.10	0.06	0.96	-23.75	0.88	0.49	26.52	0.40	0.72	0.86
8	-20.80	0.25	0.70	-23.03	0.57	1.00	24.82	0.92	0.57	0.76
9	-20.02	0.04	1.00	-24.00	0.99	0.41	27.54	0.13	0.47	0.87
10	-20.29	0.11	0.87	-23.46	0.76	0.61	25.13	0.82	0.68	0.81
11	-20.31	0.12	0.86	-23.74	0.88	0.49	26.80	0.32	0.63	0.78
12	-20.20	0.09	0.91	-23.48	0.77	0.60	24.99	0.87	0.62	0.84
13	-20.45	0.15	0.81	-24.02	1.00	0.41	26.92	0.29	0.59	0.72
14	-20.59	0.19	0.76	-23.75	0.88	0.49	25.66	0.65	1.00	0.71
15	-19.88	0	0.95	-24.01	1.00	0.41	28.09	0	0.40	0.83
16	-20.06	0.05	0.98	-24.01	1.00	0.41	27.27	0.20	0.51	0.86

表 3 GRA分析结果

Tab.3 Results of grey relational degree analysis

表 3 GRA分析结果

Tab.3 Results of grey relational degree analysis

水平	A	B	C	D	E
1	0.702 5	0.822 5	0.8275	0.8075	0.847 5
2	0.822 5	0.812 5	0.730 0	0.7775	0.832 5
3	0.797 5	0.822 5	0.795 0	0.720 0	0.815 0
4	0.820 0	0.685 0	0.785 0	0.835 0	0.647 5
极差	0.120 0	0.137 5	0.097 5	0.115 0	0.200 0
排序	3	2	5	4	1

表 4 均值极差分析

Tab.4 Mean range analysis

图3 均值GRA的因子水平效应

Fig.3 Factor level effect of mean grey relational analysis

图 4 仿真分析结果

Fig.4 Simulation analysis results

参考文献 8

1	刘成娟，刘成刚，刘艳，等.基于CAE与正交试验法的工艺参数对翘曲变形的影响分析［J］.中国塑料，2018，286（1）：102-107.
	LIU C J， LIU C G， LIU Y， et al. Analysis of effect of injection-molding process parameters on warpage deformation of printer plastic parts based on CAE and orthogonal experiments［J］. China Plastics，2018，286（1）：102-107.
2	梅益，薛茂远，唐芳艳，等.基于极差分析法与GA-ELM的电器连接器壳体注射成型工艺优化［J］.塑料工业，2021，49（1）：75-80.
	MEI Y， XUE M Y， TANG F Y，et al.Optimization of injection molding process of electrical connector shell based on range analysis and GA-ELM［J］.Plastics Industry，2021，49（1）：75-80.
3	黄鹏.基于LM-BP神经网络的汽车AB柱内饰板注塑CAE优化分析［J］.中国塑料，2018，292（7）：137-145.
	HUANG P.CAE optimization design of injection molding of automobile AB column interior trim panel based on LM-BP neural network［J］.China Plastics，2018，292（7）：137-145.
4	刘瑞江，张业旺，闻崇炜，等.正交试验设计和分析方法研究［J］.实验技术与管理，2010，27（9）：52-55.
	LIU R J， ZHANG Y W， WEN C W，et al.Study on the design and analysis methods of orthogonal experiment［J］.Experimental Technology and Management， 2010，27（9）：52-55.
5	段家现，申毅莉，刘兆红.基于层次分析和灰色关联分析的注塑工艺多目标优化［J］.中国塑料，2015，256（7）：80-85.
	DUAN J X， SHEN Y L， LIU Z H. Multi-objective optimization of injection molding process based on AHP and GRA［J］.China Plastics，2015，256（7）：80-85.
6	王海峰，沈鑫华.信噪比灰色关联分析在注塑工艺参数优化中的应用［J］.塑料工业，2019，47（4）：69-72.
	WANG H F， SHEN X H.Application of grey correlation analysis of SNR in injection molding process parameter optimization［J］.Plastics Industry，2019，47（4）：69-72.
7	胡钢，徐翔，张维明，等.基于主成分分析的网络节点重要性指标贡献评价［J］.电子学报，2019，47（2）：358-365.
	HU G， XU X， ZHANG W M，et al.Contribution analysis for assessing node importance indices with principal component analysis［J］.Acta Electronica Sinica，2019，47（2）：358-365.
8	PLANQUE B， ARNEBERG P. Principal component analy⁃ses for integrated ecosystem assessments may primarily ref⁃lect methodological artefacts［J］.ICES Journal of Marine Science，2018，75（3）：1 021-1 028.

[1]	王晓东, 王权, 陈拓, 郑悦. 基于灰色关联分析和熵权法的双色注塑多目标参数优化[J]. 中国塑料, 2022, 36(7): 115-120.
[2]	刘赣华, 唐乃夫, 马瑞伍. 等距螺旋锥齿轮MIM工艺参数多目标优化[J]. 中国塑料, 2022, 36(3): 96-103.
[3]	任立辉, 李富柱, 王匀, 戴亚春, 杨辉, 许桢英. 基于优劣解距离法⁃灰色关联分析的注射成型质量多目标优化[J]. 中国塑料, 2022, 36(2): 96-102.
[4]	田陆川, 姜红, 陈坦之, 王艺霖, 段斌, 刘峰. 差分拉曼光谱结合聚类分析检验电线塑料外皮研究[J]. 中国塑料, 2021, 35(7): 97-102.
[5]	邱薇纶, 周燕舞, 石孟良. 基于PCA⁃LDA的车用保险杠显微激光拉曼光谱模式分类[J]. 中国塑料, 2021, 35(1): 78-83.
[6]	程新龙, 高琳, 李军民, 梅烨. 基于Kriging近似模型的车用散热器支撑骨架结构分析与优化[J]. 中国塑料, 2020, 34(8): 67-70.
[7]	贺圣彦;楚纯朋;邓娇;曹中清. 基于CAE的厚壁塑件注塑工艺参数优化[J]. 中国塑料, 2016, 30(12): 58-62 .
[8]	杜遥雪;石绍伟;张贤宝;李彬;殷小春. 影响因子寻优差异法及其在合模机构优化中应用[J]. 中国塑料, 2016, 30(09): 58-64 .
[9]	姚文龙胡泽豪刘荣亮. 基于响应面模型和遗传算法的注塑工艺多目标优化 [J]. , 2014, 28(09): 0-0.
[10]	胡泽豪卫炜刘娟刘琨. 基于神经网络集的注射成型工艺参数多目标优化[J]. 中国塑料, 2010, 24(08): 64-71 .
[11]	王旭;张慧萍;晏雄. PE-UHMW /PE-LD层合板拉伸破坏声发射信号参数相关性分析[J]. 中国塑料, 2008, 22(7): 92-96 .
[12]	吴成宝;梁基照. 中空玻璃微珠粒度分布与填充聚丙烯力学性能的灰色关联分析 [J]. 中国塑料, 2008, 22(5): 78-82 .
[13]	欧笛声, 周雄新. 注塑机拉杆三角螺纹端卸载槽的多目标优化[J]. 中国塑料, 2007, 21(1): 99-.

基于主成分分析结合灰色关联度的PPO/PA翼子板注射成型研究

Injection molding of PPO/PA fender based on principal component analysis and grey relational analysis

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 8

参考文献 8

相关文章 13

编辑推荐

Metrics

本文评价