基于灰色关联分析和熵权法的双色注塑多目标参数优化

doi:10.19491/j.issn.1001-9278.2022.07.016

中国塑料 ›› 2022, Vol. 36 ›› Issue (7): 115-120.DOI: 10.19491/j.issn.1001-9278.2022.07.016

基于灰色关联分析和熵权法的双色注塑多目标参数优化

王晓东(), 王权(), 陈拓, 郑悦

天津职业技术师范大学，汽车模具智能制造技术国家地方联合工程实验室，天津 300222

收稿日期:2021-11-30 出版日期:2022-07-26 发布日期:2022-07-20
通讯作者: 王权（1977—），男，教授，主要从事注射成型工艺及设备等方面研究，wq2001126@163.com
E-mail:1095488582@qq.com;wq2001126@163.com
作者简介:王晓东（1997—），男，在读硕士研究生，主要从事高分子材料注射成型等方面的研究，1095488582@qq.com
基金资助:
天津市科技特派员项目(20YDTPJC00100)

Optimization of multi⁃objective parameters for double color injection⁃molding based on grey relational analysis and entropy weight method

WANG Xiaodong(), WANG Quan(), CHEN Tuo, ZHENG Yue

National Local Joint Engineering Laboratory of Intelligent Manufacturing Oriented Automobile Die＆Mold，Tianjin University of Technology and Education，Tianjin 300222，China

Received:2021-11-30 Online:2022-07-26 Published:2022-07-20
Contact: WANG Quan E-mail:1095488582@qq.com;wq2001126@163.com

摘要/Abstract

摘要：

以双色塑料碗为例，给出了一种实现多目标优化的分析方法。选定第一射和第二射的模具温度、熔体温度、保压压力为因素变量，第二射的平均体积收缩率和总翘曲量为优化指标，设计了6因素5水平的正交试验，使用Moldflow软件进行模拟分析。利用试验所得指标参数进行信噪比处理，通过熵权法计算出2个优化指标的权重，最终得到灰色关联度，实现了多目标优化到单目标优化的转变。对优化后的工艺参数进行模拟分析，得到的第二射平均体积收缩率最大值为15.67 %，总翘曲变形量最大值为1.964 mm，较原始工艺参数的分析结果分别降低了7.8 %和18.4 %，产品质量得以提升。试验结果表明了正交试验、灰色关联分析和熵权法相结合实现多目标优化在注塑工艺参数寻优中的有效性。

关键词: 双色注塑, 正交试验, 灰色关联分析, 熵权法, 多目标优化

Abstract:

Taking a double color plastic bowl as an example， a multi?objective optimization analysis was carried out in this paper. The mold temperature， melt temperature， and holding time of the first injection and the second injection were selected as factor variables. The average volume?shrinkage and total warpage rates of the second injection were selected as optimization indexes. The orthogonal experiments with six factors and five levels were designed and simulated by means of the Moldflow software. The signal/noise ratio was processed using the index parameters obtained from the experiment， and the weight of two optimization indexes was calculated using an entropy weight method. Finally， the grey relational degree was obtained， and the transformation from the multi?objective optimization to the single?objective optimization was realized. The optimized process parameters were simulated and analyzed. The maximum average volume?shrinkage rate of the second injection and the maximum total warpage rates were determined to be 15.67 % and 1.964 mm， respectively， which decreased by 7.8 % and 18.4 %， respectively， compared to the analysis results of the original process parameters. This resulted in an improvement in product quality. The experimental results indicated that a combination of orthogonal experiment， grey relational analysis and entropy weight method could effectively optimize the injection?molding process parameters.

Key words: double color injection molding, orthogonal experiment, grey relational analysis, entropy weight method, multi?objective optimization

中图分类号:

TQ320.66⁺2

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.

WANG Xiaodong, WANG Quan, CHEN Tuo, ZHENG Yue. Optimization of multi⁃objective parameters for double color injection⁃molding based on grey relational analysis and entropy weight method[J]. China Plastics, 2022, 36(7): 115-120.

图/表 12

图1 双色塑料碗模型

Fig.1 Model of double color plastic bowl

图2 浇口匹配性分析结果

Fig.2 Results of gate matching analysis

图3 浇注系统

Fig.3 Runner system

图4 冷却系统

Fig.4 Cooling system

图5 默认参数分析结果

Fig.5 Analysis result under default parameter

水平	第一射参数			第二射参数
水平	A/℃	B/℃	C/%	D/℃	E/℃	F/%
1	40	250	70	30	215	70
2	45	255	75	35	220	75
3	50	260	80	40	225	80
4	55	265	85	45	230	85
5	60	270	90	50	235	90

表1 正交试验因素水平表

Tab.1 Factor and level of orthogonal test table

序号	A/℃	B/℃	C/%	D/℃	E/℃	F/%	$X$ /%	$Y$ /mm
1	1	1	1	1	1	1	15.84	2.186
2	1	2	2	2	2	2	16.07	2.111
3	1	3	3	3	3	3	16.39	2.086
4	1	4	4	4	4	4	16.48	2.057
5	1	5	5	5	5	5	16.75	2.057
6	2	1	2	3	4	5	16.48	2.114
7	2	2	3	4	5	1	17.10	2.156
8	2	3	4	5	1	2	15.77	2.034
9	2	4	5	1	2	3	15.98	2.060
10	2	5	1	2	3	4	16.19	2.266
11	3	1	3	5	2	4	15.99	2.078
12	3	2	4	1	3	5	16.10	2.072
13	3	3	5	2	4	1	16.72	2.104
14	3	4	1	3	5	2	16.89	2.327
15	3	5	2	4	1	3	15.69	2.225
16	4	1	4	2	5	3	16.97	2.126
17	4	2	5	3	1	4	15.64	2.025
18	4	3	1	4	2	5	15.84	2.240
19	4	4	2	5	3	1	16.55	2.235
20	4	5	3	1	4	2	16.69	2.219
21	5	1	5	4	3	2	16.44	2.093
22	5	2	1	5	4	3	16.72	2.300
23	5	3	2	1	5	4	16.89	2.255
24	5	4	3	2	1	5	15.57	2.184
25	5	5	4	3	2	1	16.23	2.155

序号	A/℃	B/℃	C/%	D/℃	E/℃	F/%	$X$ /%	$Y$ /mm
1	1	1	1	1	1	1	15.84	2.186
2	1	2	2	2	2	2	16.07	2.111
3	1	3	3	3	3	3	16.39	2.086
4	1	4	4	4	4	4	16.48	2.057
5	1	5	5	5	5	5	16.75	2.057
6	2	1	2	3	4	5	16.48	2.114
7	2	2	3	4	5	1	17.10	2.156
8	2	3	4	5	1	2	15.77	2.034
9	2	4	5	1	2	3	15.98	2.060
10	2	5	1	2	3	4	16.19	2.266
11	3	1	3	5	2	4	15.99	2.078
12	3	2	4	1	3	5	16.10	2.072
13	3	3	5	2	4	1	16.72	2.104
14	3	4	1	3	5	2	16.89	2.327
15	3	5	2	4	1	3	15.69	2.225
16	4	1	4	2	5	3	16.97	2.126
17	4	2	5	3	1	4	15.64	2.025
18	4	3	1	4	2	5	15.84	2.240
19	4	4	2	5	3	1	16.55	2.235
20	4	5	3	1	4	2	16.69	2.219
21	5	1	5	4	3	2	16.44	2.093
22	5	2	1	5	4	3	16.72	2.300
23	5	3	2	1	5	4	16.89	2.255
24	5	4	3	2	1	5	15.57	2.184
25	5	5	4	3	2	1	16.23	2.155

表2 正交试验结果

Tab.2 Results of orthogonal test

表2 正交试验结果

Tab.2 Results of orthogonal test

实验次序	信噪比		无量纲化后结果		灰色关联度系数		灰色关联度 $γ i$	排序
实验次序	$η i (X)$	$η i (Y)$	$α i (X)$	$α i (Y)$	$ξ i (X)$	$ξ i (Y)$	灰色关联度 $γ i$	排序
1	-23.995	-6.793	0.817	0.450	0.732	0.476	0.588	12
2	-24.120	-6.490	0.663	0.701	0.597	0.626	0.613	10
3	-24.292	-6.386	0.453	0.787	0.477	0.701	0.604	11
4	-24.339	-6.265	0.394	0.888	0.452	0.816	0.658	7
5	-24.480	-6.265	0.221	0.888	0.391	0.816	0.631	8
6	-24.339	-6.502	0.394	0.691	0.452	0.618	0.546	15
7	-24.660	-6.673	0.000	0.549	0.333	0.526	0.442	20
8	-23.957	-6.167	0.864	0.969	0.786	0.941	0.873	2
9	-24.072	-6.277	0.723	0.877	0.643	0.803	0.733	3
10	-24.185	-7.105	0.584	0.191	0.546	0.382	0.453	19
11	-24.077	-6.353	0.716	0.814	0.638	0.729	0.690	5
12	-24.137	-6.328	0.643	0.835	0.583	0.752	0.679	6
13	-24.465	-6.461	0.240	0.725	0.397	0.645	0.537	16
14	-24.553	-7.336	0.132	0.000	0.365	0.333	0.347	25
15	-23.912	-6.947	0.918	0.323	0.860	0.425	0.614	9
16	-24.594	-6.551	0.082	0.650	0.352	0.588	0.486	18
17	-23.885	-6.129	0.952	1.000	0.913	1.000	0.962	1
18	-23.995	-7.005	0.817	0.274	0.732	0.408	0.549	14
19	-24.376	-6.986	0.349	0.290	0.434	0.413	0.423	21
20	-24.449	-6.923	0.259	0.342	0.403	0.432	0.419	22
21	-24.318	-6.415	0.420	0.763	0.463	0.678	0.584	13
22	-24.465	-7.235	0.240	0.084	0.397	0.353	0.372	24
23	-24.553	-7.063	0.132	0.226	0.365	0.393	0.381	23
24	-23.846	-6.785	1.000	0.456	1.000	0.479	0.706	4
25	-24.206	-6.669	0.557	0.553	0.530	0.528	0.529	17

实验次序	信噪比		无量纲化后结果		灰色关联度系数		灰色关联度 $γ i$	排序
实验次序	$η i (X)$	$η i (Y)$	$α i (X)$	$α i (Y)$	$ξ i (X)$	$ξ i (Y)$	灰色关联度 $γ i$	排序
1	-23.995	-6.793	0.817	0.450	0.732	0.476	0.588	12
2	-24.120	-6.490	0.663	0.701	0.597	0.626	0.613	10
3	-24.292	-6.386	0.453	0.787	0.477	0.701	0.604	11
4	-24.339	-6.265	0.394	0.888	0.452	0.816	0.658	7
5	-24.480	-6.265	0.221	0.888	0.391	0.816	0.631	8
6	-24.339	-6.502	0.394	0.691	0.452	0.618	0.546	15
7	-24.660	-6.673	0.000	0.549	0.333	0.526	0.442	20
8	-23.957	-6.167	0.864	0.969	0.786	0.941	0.873	2
9	-24.072	-6.277	0.723	0.877	0.643	0.803	0.733	3
10	-24.185	-7.105	0.584	0.191	0.546	0.382	0.453	19
11	-24.077	-6.353	0.716	0.814	0.638	0.729	0.690	5
12	-24.137	-6.328	0.643	0.835	0.583	0.752	0.679	6
13	-24.465	-6.461	0.240	0.725	0.397	0.645	0.537	16
14	-24.553	-7.336	0.132	0.000	0.365	0.333	0.347	25
15	-23.912	-6.947	0.918	0.323	0.860	0.425	0.614	9
16	-24.594	-6.551	0.082	0.650	0.352	0.588	0.486	18
17	-23.885	-6.129	0.952	1.000	0.913	1.000	0.962	1
18	-23.995	-7.005	0.817	0.274	0.732	0.408	0.549	14
19	-24.376	-6.986	0.349	0.290	0.434	0.413	0.423	21
20	-24.449	-6.923	0.259	0.342	0.403	0.432	0.419	22
21	-24.318	-6.415	0.420	0.763	0.463	0.678	0.584	13
22	-24.465	-7.235	0.240	0.084	0.397	0.353	0.372	24
23	-24.553	-7.063	0.132	0.226	0.365	0.393	0.381	23
24	-23.846	-6.785	1.000	0.456	1.000	0.479	0.706	4
25	-24.206	-6.669	0.557	0.553	0.530	0.528	0.529	17

表3 各参数的计算结果

Tab.3 Calculation results of each parameter

表3 各参数的计算结果

Tab.3 Calculation results of each parameter

	信息熵 $e j$	信息熵冗余度 $d j$	权重 $ω j$
$X$	0.999 42	0.000 58	43.6 %
$Y$	0.999 25	0.000 75	56.4 %

	信息熵 $e j$	信息熵冗余度 $d j$	权重 $ω j$
$X$	0.999 42	0.000 58	43.6 %
$Y$	0.999 25	0.000 75	56.4 %

表4 各指标信息熵、冗余度、权重

Tab.4 Each indicator’s information entropy， redundancy and weight

表4 各指标信息熵、冗余度、权重

Tab.4 Each indicator’s information entropy， redundancy and weight

水平	A	B	C	D	E	F
1	0.619	0.579	0.462	0.560	0.749	0.504
2	0.610	0.614	0.515	0.559	0.623	0.567
3	0.573	0.589	0.572	0.597	0.549	0.562
4	0.568	0.573	0.645	0.569	0.506	0.629
5	0.514	0.529	0.689	0.598	0.457	0.622
极差	0.105	0.085	0.227	0.039	0.292	0.125
排序	4	5	2	6	1	3

表5 灰色关联度的极差分析

Tab.5 Range analysis of grey relational degree

图6 灰色关联度的趋势图

Fig.6 Trend chart of grey relational degree

图7 优化结果

Fig.7 Optimized result

参考文献 12

1	石晓慧，王守城，王恒冲，等.基于Moldflow及正交实验的双色注塑工艺参数优化［J］.塑料，2015，44（2）：113⁃116.
	SHI X H， WANG S C， WANG H C，et al. Parameters optimization of two⁃colored injection molding process based on moldflow and orthogonal test［J］.Plastics，2015，44（2）：113⁃116.
2	苗盈，晏子翔.双色注塑成型工艺参数多目标优化［J］.塑料工业，2020，48（8）：96⁃99.
	MIAO Y， YAN Z X. Multi⁃objective optimization of bi⁃color injection molding process parameters［J］. China Plastics Industry，2020，48（8）：96⁃99.
3	Kitayama S， Yamazaki Y， Takano M， et al. Numerical and experimental investigation of process parameters optimization in plastic injection molding using multi⁃criteria decision making［J］. Simulation Modelling Practice and Theory， 2018， 85： 95⁃105.
4	谭安平，尹小燕，刘克威. 基于Moldflow的双色成型数值分析及正交法优化［J］.合成树脂及塑料，2020，37（4）：38⁃42.
	TAN A P， YIN X Y， LIU K W. Optimization for data analysis and orthogonal test of double⁃shot molding based on Moldflow［J］ China Synthetic Resin and Plastics，2020，37（4）：38⁃42.
5	李桂金，匡唐清，金凯.基于随形水路技术的带把双色水杯注塑模具设计［J］.中国塑料，2018，32（1）：131⁃136.
	LI G J， KUANG T Q， JIN K. Design of injection molds for a two⁃color cup with handles based on conformal cooling technology［J］.China Plastics，2018，32（1）：131⁃136.
6	杨雪.双色扁长塑件翘曲变形的数值模拟与多目标优化［D］.镇江：江苏大学，2019.
7	林华钊.汽车密封壳体精密双色注塑模具的优化设计研究［D］.广州：华南理工大学，2017.
8	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］.China Plastics and Industry，2019，47（4）：69⁃72.
9	段家现.基于灰色关联分析的注塑工艺参数优化［J］.塑料，2017，46（4）：88⁃92.
	DUAN J X. Optimization of injection molding process parameters based on grey relational analysis［J］. Plastics，2017，46（4）：88⁃92.
10	赵永刚，于珍.基于熵权⁃变异法对不同汽车品牌满意度影响因素评价研究［J］.中国汽车，2021（10）：4⁃9.
	ZHAO Y G， YU Z.Research on evaluation of factors influencing satisfaction of different automobile brands based on entropy weight⁃variation method［J］.China Auto，2021（10）：4⁃9.
11	秦欣，苏小平，陈相宇.基于熵权法的汽车进气歧管上盖注塑方案多目标优化［J］塑料科技，2019，47（3）：70⁃75.
	QIN X， SU X P， CHEN X Y. Multi⁃objective optimization of injection moulding scheme for upper cover of automobile intake manifold based on entropy weight method［J］.Plastics Science and Technology，2019，47（3）：70⁃75.
12	蒋荣超，刘大维，王登峰.基于熵权TOPSIS方法的整车动力学性能多目标优化［J］.机械工程学报，2018，54（2）：150⁃158.
	JIANG R C， LIU D W， WANG D F. Multi⁃objective optimization of vehicle dynamics performance based on entropy weighted TOPSIS method［J］.Journal of Mechanical Engineering，2018，54（2）：150⁃158.

[1]	谭磊, 黄兴元, 王涵, 潘留雯. 热风熔融废旧塑料造粒机熔融室温度场分析[J]. 中国塑料, 2022, 36(4): 149-157.
[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]	陈洪土, 张维合. 车载探测雷达固定架双色注塑模设计[J]. 中国塑料, 2021, 35(6): 106-110.
[5]	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.
[6]	刘良先, 冯志华, 呼春雪, 葛嵇南. 基于正交试验的PET瓶拉伸吹塑优化设计[J]. 中国塑料, 2020, 34(6): 73-79.
[7]	李永华魏丽娟王益波. 低气味/低VOC含量绿色环保ABS树脂制备[J]. 中国塑料, 2019, 33(6): 24-30.
[8]	陈晓春. A 柱内饰件“一模两腔”注塑工艺参数优化[J]. 中国塑料, 2019, 33(6): 112-116，126.
[9]	汪传生张伟江瑞马亚标边慧光晁宇琦. 基于螺杆挤出式工业陶瓷3D打印技术的最佳成型工艺研究[J]. 中国塑料, 2019, 33(11): 64-70.
[10]	黄可, 殷春云, 刘江, 高建国. 车窗内饰件热流道注塑工艺参数优化[J]. 中国塑料, 2019, 33(10): 72-77.
[11]	刘鑫, 郭恒亚, 黄明. 汽车挡风玻璃装饰条对射式双色注塑模具设计[J]. 中国塑料, 2019, 33(10): 100-104.
[12]	梁旭卜继玲王凤陈国栋王月明陈颜. 某轻量化稳定杆吊杆注射成型方案优化设计[J]. 中国塑料, 2018, 32(04): 132-137.
[13]	邹耀邦俞文骥王燕张梅赵军胜. 环保醋酸纤维素在3D打印材料中的应用[J]. 中国塑料, 2017, 31(10): 73-77.
[14]	周大路. 气体辅助注射成型中溢料井对翘曲的影响[J]. 中国塑料, 2017, 31(1): 66-69 .
[15]	傅建钢;黄建芳. 一模两腔不对称薄壁塑件工艺参数对收缩的影响研究[J]. 中国塑料, 2016, 30(12): 70-74 .

基于灰色关联分析和熵权法的双色注塑多目标参数优化

Optimization of multi⁃objective parameters for double color injection⁃molding based on grey relational analysis and entropy weight method

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 12

参考文献 12

相关文章 15

编辑推荐

Metrics

本文评价