技术领域
[0001] 本
发明涉及手机壳体注塑技术装置领域，具体为一种手机塑料壳体注塑工艺及注塑装置。
背景技术
[0002] 随着信息产业的迅猛发展，模具工业对社会经济发展、人们生产生活的影响越来越显著，而人们五大经济支柱产业的发展都是以模具工业的发展为前提条件的，包括机械、
电子、
汽车、石化和建筑等行业。模具生产技术
水平越高，则说明生产产品的
质量就越高，生产厂家的效益也就越大，具有开发新产品的能
力也就越强，相反，模具生产技术低，则产品质量也就会较差。同时模具制造给人们的学习、生活及出行等都带来了很多便利。塑料因为其低廉的价格、轻便的质量，引起了人们极大的关注，这也就又对塑料的使用性能和质量提出了新的要求。通过
注塑成型技术可以大批量生产质量较高的塑件，满足了人们的出行、生活的需求。因此，注塑成型技术的发展和革新受到了广大研究者的关注。但随着科学技术和人们生活水平的提高，人们对塑件的质量、结构、性能等要求也就越来越严苛，加快新型
注塑模具业的开发就变得极为重要。而我国模具行业起步较晚，发展速度较缓慢，注塑模具中多数仍采用冷流道技术，但这类模具在制造和生产中会出现许多问题，关键技术的优化及发展趋势还有着许多问题亟待解决，需从发达国家引入一些先进的技术与设备来弥补这方面的欠缺，因此大力推动我国模具业发展迫在眉睫。
[0003] 例如，
申请号为201611055423.，
专利名称为一种注塑模具和注塑成型的工艺的发明专利：
[0004] 其结构简单和操作简便，从而提高其使用效率。
[0005] 但是，现有的手机塑料壳体注塑工艺及注塑装置存在以下
缺陷：
[0006] (1)在注射成型熔体填充模腔过程中，在不同的时间和
位置，熔体处于非常复杂的流动状态，
纤维受到剪切、拉伸、冲击等作用，导致不同位置纤维取向不一致，纤维长度和浓度分布不均匀，不仅成本高、生产周期长、效率低而且易出现注塑缺陷；
[0007] (2)目前在注塑成型过程中，其注塑熔体的流动状态又受到熔体
温度、模具表面温度、注射口压力、浇注冷却系统结构、模腔结构等工艺条件和模具结构的影响，因而不同成型条件下注塑成型制品的微观结构和力学性能有很大的差异，同时这种不均匀的纤维分布通常会影响制品冷却过程中的不均匀收缩，增加了制品的收缩
变形。
发明内容
[0008] 为了克服
现有技术方案的不足，本发明提供一种手机塑料壳体注塑工艺及注塑装置，利用
软件模拟注塑技术，根据熔体流动模式确定纤维在模腔中的分布，通过工艺参数和形状结构等因素间接调节来控制熔体的流动状态，以影响产品的微观结构，从而优化机械性能和收缩变形，能有效的解决背景技术提出的问题。
[0009] 本发明解决其技术问题所采用的技术方案是：
[0010] 一种手机塑料壳体注塑装置，包括限位板、热
喷嘴主体和顶出机构，所述限位板的上部设置有注塑模具板，所述注塑模具板的上部通过紧固螺钉与限位板内壁固定连接，所述注塑模具板的
正面通过螺钉
螺纹连接有堵头，所述堵头的正面贯穿连接有热流通道，所述热流通道的上部贯穿连接有进料口，所述热流通道的下部贯穿连接在热喷嘴主体的内部，所述热喷嘴主体的上部固定安装在注塑模具板的下表面上，所述热喷嘴主体的内壁上设置有顶出机构，所述顶出机构的下部连接有热喷嘴芯，所述热喷嘴芯的外壁上设置有热喷嘴套，所述热喷嘴套的两端固定安装在热喷嘴主体的内壁上。
[0011] 本
实施例中，在注射模具当中，热流道浇注系统是由独立热喷嘴或热流道浇口套、热流道板以及加热元件、温控元件、针
阀控制元件等构件及结构元件组成，通过加热装置使通道内的热塑性塑料在注射过程中始终保持熔融状态，本发明采用的热流道系统为尖头式热流道系统。
[0012] 进一步地，所述限位板的两侧下部轴向连接有止转销，所述止转销的上部通过紧固螺钉与堵头内壁贯穿连接，所述限位板的左端还固定安装有
驱动器插座，所述驱动器插座的右侧通过
驱动轴与限位板内壁轴向连接。
[0013] 进一步地，所述顶出机构包括动模板和动模
支架，所述动模板的下部固定安装有动模支架，所述动模支架设置在热喷嘴主体的内壁上，所述动模支架的内壁上设置有滑轨，所述滑轨的内壁上垂直连接有推板，所述推板的上表面设置有推板
固定板，所述推板固定板的内壁上垂直贯穿连接有推动杆，所述推动杆的上部贯穿连接在动模板的内壁上，所述推动杆的上部与限位板外壁相连接。
[0014] 进一步地，包括如下步骤：
[0015] S100、注塑成型过程中塑件数值模拟前处理，利用基本数学理论将塑件数值融合起来，并通过软件预测成型在的潜在缺陷；
[0016] S200、基于
正交的
注塑成型工艺参数设计，利用正交试验分析制定最优的实验方案，减少不必要的甚至是干扰的试验数据，全方位综合寻优，以试验代替大量的重复性或者尝试性实验，得出最佳注塑结果；
[0017] S300、基于神经网络的工艺参数结果预测，以正交实验的数据作为
基础数据，根据实际需求建立了BP神经网络模型，通过对网络模型进行不断的训练，实现其准确预测的功能，并基于预测的数据，实现了对手机壳的注塑成型工艺参数优化；
[0018] S400、根据预测结果设计注塑模型，将实验所选择的已经预
热处理的塑料颗粒装在注塑成型机的加热料筒中进行热
熔化，然后由
柱塞或者往复式螺杆在压力作用下将料流经由浇注系统注入到封闭的模腔中，经过一定时间之后，模具内的冷却系统对其进行冷却，使熔融料流能
凝固成一定的形状后，打开模具，取出塑件。
[0019] 进一步地，所述S100中，还包括：
[0020] 首先，运用Solidwords进行
三维建模，并设置制件公差为±0.95mm，然后导入到Moldflow仿真软件中，进行相关分析；
[0021] 其次，对塑件结构采用双层网格进行划分，设置纵横比为6:1；
[0022] 再者，分析类型设置为填充、保压和
翘曲度，并选择
碳纤维作为塑件增强基，成型参数设置为30°～50°之间；
[0023] 最后，确定浇口最佳位置，并创建浇注系统模型、冷却系统模型。
[0024] 进一步地，所述S200中，还包括：
[0025] 首先，根据步骤S100中填充、流动、翘曲度的分析结果，填充满足要求，而翘曲分析和流动分析不满足要求的，将不满足要求的翘曲变形量、体积收缩率、缩痕指数这三种缺陷作为目标因素进行正交试验，即确定实验目标因素；
[0026] 其次，将保压时间、模具温度、保压压力、熔体温度和注射时间作为试验的影响因素，并通过对实验影响因素的分析确定水平数值的选取；
[0027] 最后，选择合适、适用的正交表。
[0028] 进一步地，所述S300中，还包括：
[0029] 首先，根据正交实验选取的因素与水平，结合实际需要，建立三层BP神经网络模型，选取五个因素作为
输入层神经元，根据公式：
[0030]
[0031] 利用均方误差确定隐含层的神经元的单元个数，(式中：l为隐含层
节点数，m为输入层节点数，n为
输出层节点数，k为调整系数，取1～10之间的常数)，设置输出层单元数为3；
[0032] 其次，从获取的源样本中随机
抽取80％的样本数据，然后导入到训练模型中，对应设定的网络性能目标均方误差为0.0001，训练方法采用LM最速下降法，建立神经网络训练模型；
[0033] 最后，将剩余20％数据的BP神经网络预测结果与Moldflow数值模拟的结果进行一一对比，检测神经网络模型的准确性。
[0034] 进一步地，所述S300中，设置映射函数和综合评价指标公式分别为：
[0035]
[0036]
[0037] 式中：Yij为目标值在映射区内对应的值，Yjmax为对应目标值的最大值，Yjmin为对应目标值的最小值，Yj为当前目标值。
[0038] 根据综合评价值确定工艺参数的最佳工艺因子，分别为30℃的模具温度，215℃的熔体温度，18s的保压时间，9.5s的注射时间，90％的保压压力。
[0039] 与现有技术相比，本发明的有益效果是：
[0040] (1)本发明的手机塑料壳体注塑工艺及注塑装置，利用软件模拟注塑技术，根据熔体流动模式确定纤维在模腔中的分布，通过工艺参数和形状结构等因素间接调节来控制熔体的流动状态，以影响产品的微观结构，从而优化机械性能和收缩变形，提高了注塑件质量，同时缩短了生产周期，降低了成本；
[0041] (2)本发明的手机塑料壳体注塑装置，塑件整体纤维分布较为均匀，塑件质量好，同时塑件的实际翘曲变形量与模流分析得出的变形量相差较小，说明建立的BP神经网络
预测模型预测的结果准确度较高，塑件的整体质量符合实际生产的要求。
附图说明
[0042] 图1为本发明的整体结构示意图；
[0043] 图2为本发明的顶出机构结构示意图；
[0045] 图中标号：
[0046] 1-限位板；2-堵头；3-注塑模具板；4-紧固螺钉；5-止转销；6-热流通道；7-热喷嘴主体；8-顶出机构；9-热喷嘴芯；10-热喷嘴套；11-驱动轴；12-驱动器插座；13-进料口；
[0047] 801-动模支架；802-动模板；803-推板；804-推板固定板；805-推动杆；806-滑轨。
具体实施方式
[0048] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0049] 如图1至图3所示，本发明提供了一种手机塑料壳体注塑装置，包括限位板1、热喷嘴主体7和顶出机构8，所述限位板1的上部设置有注塑模具板3，所述注塑模具板3的上部通过紧固螺钉4与限位板1内壁固定连接，所述注塑模具板3的正面通过螺钉
螺纹连接有堵头2，所述堵头2的正面贯穿连接有热流通道6，所述热流通道6的上部贯穿连接有进料口13，所述热流通道6的下部贯穿连接在热喷嘴主体7的内部，所述热喷嘴主体7的上部固定安装在注塑模具板3的下表面上，所述热喷嘴主体7的内壁上设置有顶出机构8，所述顶出机构8的下部连接有热喷嘴芯9，所述热喷嘴芯9的外壁上设置有热喷嘴套10，所述热喷嘴套10的两端固定安装在热喷嘴主体7的内壁上。
[0050] 所述限位板1的两侧下部轴向连接有止转销5，所述止转销5的上部通过紧固螺钉与堵头2内壁贯穿连接，所述限位板1的左端还固定安装有驱动器插座12，所述驱动器插座12的右侧通过驱动轴11与限位板1内壁轴向连接。
[0051] 所述顶出机构8包括动模板802和动模支架801，所述动模板802的下部固定安装有动模支架801，所述动模支架801设置在热喷嘴主体7的内壁上，所述动模支架801的内壁上设置有滑轨805，所述滑轨805的内壁上垂直连接有推板803，所述推板803的上表面设置有推板固定板804，所述推板固定板804的内壁上垂直贯穿连接有推动杆805，所述推动杆805的上部贯穿连接在动模板802的内壁上，所述推动杆805的上部与限位板1外壁相连接。
[0052] 本实施例中，将顶出机构8设置在热喷嘴主体7的内部，当热喷嘴主体7的内部的喷嘴将热流通道6内部的注塑料喷出时，由于内部气压的变化会推动推板803沿滑轨805上移，从而推动推板固定板804内壁上的推动杆805向上移动，带动注塑模具板3沿限位板1上移，与进料口13平齐，实现物料进料的功能，当热喷嘴主体7内部气压正常时，推动推板803在自身重力下向下移，带动进入到热流通道6的物料下移，为下一次喷射注塑做准备。
[0053] 另外，本发明还设计了一种手机塑料壳体注塑工艺，包括如下步骤：
[0054] S100、注塑成型过程中塑件数值模拟前处理，利用基本数学理论将塑件数值融合起来，并通过软件预测成型在的潜在缺陷；
[0055] S200、基于正交的注塑成型工艺参数设计，利用正交试验分析制定最优的实验方案，减少不必要的甚至是干扰的试验数据，全方位综合寻优，以试验代替大量的重复性或者尝试性实验，得出最佳注塑结果；
[0056] S300、基于神经网络的工艺参数结果预测，以正交实验的数据作为基础数据，根据实际需求建立了BP神经网络模型，通过对网络模型进行不断的训练，实现其准确预测的功能，并基于预测的数据，实现了对手机壳的注塑成型工艺参数优化；
[0057] S400、根据预测结果设计注塑模型，将实验所选择的已经预热处理的塑料颗粒装在注塑成型机的加热料筒中进行热熔化，然后由柱塞或者往复式螺杆在压力作用下将料流经由浇注系统注入到封闭的模腔中，经过一定时间之后，模具内的冷却系统对其进行冷却，使熔融料流能凝固成一定的形状后，打开模具，取出塑件。
[0058] 本实施例中，S100中为了实现注塑成型数值模拟，将质量守恒方程、
能量方程与导热方程、粘性方程、动量守恒方程等融合起来作为其理论研究的基础：
[0059] (1)质量守恒方程设置为：
[0060]
[0061] 其中：p为
密度，u为速度沿x轴的矢量，v为速度沿y轴的矢量，w为速度沿z轴的矢量；
[0062] 当p为定值时，即对于定常不可压缩流动，方程为：
[0063]
[0064] (2)动量守恒方程：由
流体的粘性本构方程得到直
角坐标系下的动量守恒方程如下所示
[0065]
[0066]
[0067]
[0068] (3)能量方程与导热方程：由于在注塑的各个阶段，同步进行着能量的转移与转化，在这种状态下的三维非稳态导热微分方程为：
[0069]
[0070] 其中：c为微元体的
比热容，φ为单位时间单位体积的内热源生成热，t单位时间单位体积的内热源生成时间，λ为导热系数。
[0071] 本实施例中，选用PP-30C料的
碳纤维材料
增强材料，PP料是结晶型高聚物，耐热、具有良好的耐
应力开裂性、较高的抗疲劳性、质量较轻、韧性好，但是
刚度不足，收缩性较严重，易变形，此处加入碳纤维作为增强基，可以保留PP料原有的优点，同时可以改善其刚度不足、收缩性较严重的问题。
[0072] 所述S100中，还包括：
[0073] 首先，运用Solidwords进行三维建模，并设置制件公差为±0.95mm，然后导入到Moldflow仿真软件中，进行相关分析；
[0074] 其次，对塑件结构采用双层网格进行划分，设置纵横比为6:1；
[0075] 再者，分析类型设置为填充、保压和翘曲度，并选择碳纤维作为塑件增强基，成型参数设置为30°～50°之间；
[0076] 最后，确定浇口最佳位置，并创建浇注系统模型、冷却系统模型。
[0077] 本实施例中，浇注系统包括主流道、分流道、冷料穴、浇口这四个部分，其中主流道是塑胶熔体到达型腔必须通过的第一个通道，一般情况下，其与浇口套和
定位环配合使用；分流道是连接主流道和浇口的部分，熔料在进入主流道之后，会经过分流道进入浇口，它的作用是分流，使料流能够在最短时间内，快速充填进入型腔。
[0078] 所述S200中，还包括：
[0079] 首先，根据步骤S100中填充、流动、翘曲度的分析结果，填充满足要求，而翘曲分析和流动分析不满足要求的，将不满足要求的翘曲变形量、体积收缩率、缩痕指数这三种缺陷作为目标因素进行正交试验，即确定实验目标因素；
[0080] 其次，将保压时间、模具温度、保压压力、熔体温度和注射时间作为试验的影响因素，并通过对实验影响因素的分析确定水平数值的选取；
[0081] 最后，选择合适、适用的正交表。
[0082] 本实施例中，利用极差分析方法来实现正交表中试验结果数据的处理，首先对数据的计算，计算出Kij，然后进行主次因子的判断，从而排出不同的影响因子的影响能力的先后顺序，得出最优水平及最优因子组合，其计算公式如下所示：
[0083]
[0084] R＝max(kij)-min(kij)
[0085] 其中：R为极差值，Kij为第i列因素j水平所对应的的指标和。
[0086] 所述S300中，还包括：
[0087] 首先，根据正交实验选取的因素与水平，结合实际需要，建立三层BP神经网络模型，选取五个因素作为输入层神经元，根据公式：
[0088]
[0089] 利用均方误差确定隐含层的神经元的单元个数，(式中：l为隐含层节点数，m为输入层节点数，n为输出层节点数，k为调整系数，取1～10之间的常数)，设置输出层单元数为3；
[0090] 其次，从获取的源样本中随机抽取80％的样本数据，然后导入到训练模型中，对应设定的网络性能目标均方误差为0.0001，训练方法采用LM最速下降法，建立神经网络训练模型；
[0091] 最后，将剩余20％数据的BP神经网络预测结果与Moldflow数值模拟的结果进行一一对比，检测神经网络模型的准确性。
[0092] 所述S300中，设置映射函数和综合评价指标公式分别为：
[0093]
[0094]
[0095] 式中：Yij为目标值在映射区内对应的值，Yjmax为对应目标值的最大值，Yjmin为对应目标值的最小值，Yj为当前目标值。
[0096] 根据综合评价值确定工艺参数的最佳工艺因子，分别为30℃的模具温度，215℃的熔体温度，18s的保压时间，9.5s的注射时间，90％的保压压力。
[0097] 本发明在该注塑工艺下，对选出的最佳浇注系统进行了模流分析，根据仿真结果中的问题，在考虑了注射时间、保压压力、保压时间、熔体温度、模具温度的基础上，进行了正交试验的注塑成型工艺参数优化，由于正交试验效率低，准确性不够，故引进了BP神经网络对注塑成型工艺参数进行优化，并对影响翘曲变形量、体积收缩率、缩痕指数的结果进行分析，最后对手机
外壳进行生产实验验证。
[0098] 本发明以模具温度、熔体温度、注射时间、保压时间、保压压力为影响因子，以翘曲变形量、体积收缩率、缩痕指数为目标因素，设计了5*5的正交试验，对注塑成型工艺参数进行优化，经过正交试验的工艺优化，得出缺陷最少的因子组合分别为30℃的模具温度，215℃的熔体温度，18s的保压时间，9.5s的注射时间，90％的保压压力，且其翘曲变形量0.9472mm小于制造公差值0.95mm，其工艺参数合适。
[0099] 本实施例中，建立了3层的BP神经网络模型，通过对数据的训练和预测，得出模型的误差值在3％以内，以此模型对调整后工艺参数进行线性寻优，得出工艺参数为模具温度30℃，熔体温度215℃，注射时间9.5s，保压时间18s，保压压力90％时，其综合指标最高，此时塑件的翘曲变形量为0.9358mm，相较正交试验减小了0.0339mm，且满足制造公差要求。
[0100] 本实施例中，以BP神经网络模型预测的最佳工艺参数为基准进行生产制造，塑件表面熔接痕较少且表面纤维分布较为均匀，实际测得的总翘曲变形量0.9432mm与优化结果0.9358mm相差不大，且均小于制造公差0.95mm，再次验证了BP神经网络模型的可靠性和准确性，总的来说，塑件质量较好，满足使用要求。
[0101] 对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附
权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
