廖生溫，王玉勤，王可勝，劉婧

(巢湖學(xué)院機(jī)械工程學(xué)院，安徽巢湖 238000)

近年來，隨著我國(guó)經(jīng)濟(jì)的快速增長(zhǎng)，國(guó)民生活水平的不斷提高，人們對(duì)醫(yī)療健康的消費(fèi)需求也在不斷提升，帶動(dòng)了醫(yī)療器械市場(chǎng)保持持續(xù)增長(zhǎng)的趨勢(shì)[1]。血管介入治療是通過高科技手段將介入導(dǎo)絲、導(dǎo)管等精密醫(yī)療器械抵達(dá)體內(nèi)病變區(qū)域，從而進(jìn)行診斷和局部治療進(jìn)行的一種微創(chuàng)性治療[2]。介入導(dǎo)管關(guān)系到治療的成敗，要求具有良好的生物相容性。導(dǎo)管的結(jié)構(gòu)主要包括導(dǎo)管接頭、導(dǎo)管體及其它組件，導(dǎo)管接頭是與其它設(shè)備相連輸送液體或物質(zhì)到達(dá)介入導(dǎo)管的遠(yuǎn)端，其材料為高分子材料，導(dǎo)管接頭注塑的同時(shí)完成與導(dǎo)管的熔化粘接，注塑工藝對(duì)導(dǎo)管接頭的性能與質(zhì)量有重要的影響[2]。與傳統(tǒng)注塑模具設(shè)計(jì)方法相比，注塑CAE技術(shù)能夠提前對(duì)塑料制品的各種缺陷進(jìn)行準(zhǔn)確控制與預(yù)測(cè)，擺脫模具的反復(fù)試模、修模，從而縮短模具開發(fā)周期，減少修模次數(shù)，提高模具合格率、降低企業(yè)生產(chǎn)成本[3]。

目前，已有眾多學(xué)者對(duì)注塑工藝參數(shù)優(yōu)化做了大量研究，例如，么大鎖等[4]對(duì)檢測(cè)儀外殼注塑進(jìn)行模流仿真分析，建立多輸入-多輸出的BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練與預(yù)測(cè)，采用遺傳算法對(duì)注塑工藝參數(shù)進(jìn)行多目標(biāo)優(yōu)化，以有效控制檢測(cè)儀外殼翹曲變形、體積收縮率和縮痕指數(shù)，進(jìn)行了制件試生產(chǎn)，得到檢測(cè)儀外殼最大翹曲變形量為0.394 mm，外觀表面質(zhì)量較好，無(wú)明顯縮痕。S.Kitayama等[5]使用RBF網(wǎng)絡(luò)多目標(biāo)優(yōu)化設(shè)計(jì)得到熔接痕溫度和夾緊力之間的關(guān)系，解決了熔接痕影響產(chǎn)品外觀的問題，提高了產(chǎn)品質(zhì)量。郭富城[6]選取5個(gè)注塑工藝(模具溫度、熔體溫度、注塑壓力、保壓時(shí)間、保壓壓力)為影響因素，以總翹曲變形量作為實(shí)驗(yàn)?zāi)繕?biāo)，采用Logsig型傳遞函數(shù)，建立汽車前端翼子板翹曲變形量的BP神經(jīng)網(wǎng)絡(luò)模型，并進(jìn)行預(yù)測(cè)與訓(xùn)練，得到汽車前端翼子板翹曲變形量的預(yù)測(cè)值，其與仿真值的誤差在允許范圍之內(nèi)。研究結(jié)果表明，通過建立仿真模型預(yù)測(cè)塑件的體積收縮率、翹曲變形量、縮痕指數(shù)等，能有效控制塑件的質(zhì)量，提高塑件的生產(chǎn)效率。

參考上述文獻(xiàn)，通過Moldflow軟件對(duì)醫(yī)用介入導(dǎo)管接頭的注塑過程進(jìn)行模流分析，通過極差分析確定注塑工藝參數(shù)對(duì)導(dǎo)管接頭縮痕指數(shù)的影響重要程度。同時(shí)建立導(dǎo)管接頭縮痕指數(shù)的BP神經(jīng)網(wǎng)絡(luò)注塑工藝參數(shù)模型進(jìn)行預(yù)測(cè)，并利用遺傳算法優(yōu)化，對(duì)其優(yōu)化后得到的工藝參數(shù)在Moldflow中進(jìn)行仿真驗(yàn)證。

1 注塑件結(jié)構(gòu)及工藝分析

介入導(dǎo)管接頭如圖1所示，其外表面有螺紋和兩側(cè)翼，內(nèi)有嵌件導(dǎo)管和型腔，結(jié)構(gòu)尺寸較小，屬于精密醫(yī)療器械零件，是用于連接輔助介入導(dǎo)管輸送物質(zhì)到導(dǎo)管的遠(yuǎn)端零件。導(dǎo)管接頭要求內(nèi)外表面光滑，不能有毛刺、縮痕、飛邊等缺陷，表面精度要求較高，塑件和嵌件導(dǎo)管需具有很好的粘合性，不能出現(xiàn)脫落和分層現(xiàn)象[7]。塑料是介入導(dǎo)管接頭的主要材料，如聚丙烯(PP)、聚乙烯、尼龍、聚氨酯等[8]。PP材料由于具有密度小、無(wú)毒、無(wú)味、較高的耐熱性、電絕緣性好且不受濕度影響等優(yōu)點(diǎn)而被廣泛地用于各類零件制作，故選擇A Schulman GMBH化學(xué)公司的牌號(hào)為POLYFLAM RIPP 3625 CS1的PP作為塑件材料。

圖1 導(dǎo)管接頭零件圖

2 工藝方案設(shè)計(jì)

2.1 澆注系統(tǒng)設(shè)計(jì)

在導(dǎo)管接頭一模兩腔注塑過程中，采用三板式澆注系統(tǒng)將聚合物熔體與嵌件結(jié)合固化。設(shè)計(jì)主流道為圓錐形，錐角為3°，小端直徑為5 mm；一級(jí)分流道為圓形截面，長(zhǎng)度為40 mm；二級(jí)分流道為圓錐形，錐角為3°；采用點(diǎn)澆口的結(jié)構(gòu)形式澆注，點(diǎn)澆口的小端直徑為2 mm，高度為2 mm，錐度為28°。這樣設(shè)計(jì)有利于增強(qiáng)塑料熔體的流動(dòng)性和充填，增大熔體的流動(dòng)速率。導(dǎo)管接頭的澆注系統(tǒng)如圖2所示。經(jīng)診斷，塑件單元個(gè)體數(shù)與單元數(shù)相同，說明塑料與澆注系統(tǒng)是連通的，從而保證模流計(jì)算分析過程的正確性和有效性。

圖2 導(dǎo)管接頭的澆注系統(tǒng)

2.2 有限元網(wǎng)格劃分

根據(jù)圖1，計(jì)算出塑件本身尺寸與收縮率之和，在UG軟件中建立導(dǎo)管接頭和導(dǎo)管的三維模型并裝配，并以stl格式將文件導(dǎo)入Moldflow軟件中，在導(dǎo)管模型導(dǎo)入前將其屬性設(shè)置為制品嵌件。之后采用雙層網(wǎng)格對(duì)導(dǎo)管接頭進(jìn)行有限元網(wǎng)格劃分，并對(duì)網(wǎng)格狀態(tài)進(jìn)行診斷修復(fù)，最后劃分的網(wǎng)格數(shù)為34 760個(gè)，節(jié)點(diǎn)為17 380個(gè)，最大縱橫比為6.782，單元匹配率為87.2%，符合塑件模流分析的要求，如圖3所示。在導(dǎo)管接頭零件模流分析時(shí)，主要進(jìn)行流動(dòng)+充填+保壓+翹曲分析。

圖3 導(dǎo)管接頭的網(wǎng)格劃分

3 正交實(shí)驗(yàn)設(shè)計(jì)與分析

正交實(shí)驗(yàn)設(shè)計(jì)是在全面實(shí)驗(yàn)中挑選出部分有代表性的點(diǎn)進(jìn)行實(shí)驗(yàn)，是基于實(shí)驗(yàn)多因素多水平組合中尋求最優(yōu)水平組合的一種試驗(yàn)設(shè)計(jì)方法，因此在工程實(shí)踐中應(yīng)用廣泛[9]。正交實(shí)驗(yàn)可以提高效率、縮短實(shí)驗(yàn)周期。

以6個(gè)注塑工藝參數(shù)(熔體溫度、模具溫度、注塑壓力、注塑時(shí)間、保壓壓力、保壓時(shí)間)作為實(shí)驗(yàn)因素，每個(gè)因素選取5個(gè)水平(見表1)，在模流模擬過程中忽略各工藝參數(shù)間交互作用所產(chǎn)生的影響，采用L25(56)正交表，在Moldflow軟件中模擬得到導(dǎo)管接頭縮痕指數(shù)值，見表2。

表1 正交實(shí)驗(yàn)的因素水平

由于導(dǎo)管接頭在成型時(shí)，熔融聚合物與導(dǎo)管外表面產(chǎn)生融合，導(dǎo)致在導(dǎo)管接頭與嵌件結(jié)合處容易產(chǎn)生縮痕，如圖4所示。塑件產(chǎn)生縮痕或縮孔的可能性在Moldflow中常用縮痕指數(shù)大小來表示[10]。通過正交實(shí)驗(yàn)?zāi)M結(jié)果得到導(dǎo)管接頭縮痕指數(shù)的極差分析結(jié)果，見表3。得到影響導(dǎo)管接頭縮痕指數(shù)的注塑工藝參數(shù)重要程度順序?yàn)椋罕簤毫Γ咀⑺軙r(shí)間＞模具溫度＞注塑壓力＞保壓時(shí)間＞熔體溫度。

圖4 導(dǎo)管接頭產(chǎn)生縮痕位置

圖5為各工藝參數(shù)對(duì)導(dǎo)管接頭縮痕指數(shù)的影響趨勢(shì)，從圖5能更直觀地觀察到各工藝參數(shù)的影響程度。通過極差分析得知，取各因素水平的最小值可得到最佳工藝參數(shù)組合A3B4C2D2E5F5，即當(dāng)注塑工藝參數(shù)的熔體溫度為230℃、模具溫度為70℃、注塑壓力為63 MPa、注塑時(shí)間為0.57 s、保壓壓力為28 MPa、保壓時(shí)間為30 s時(shí)導(dǎo)管接頭縮痕指數(shù)數(shù)值最小。在正交實(shí)驗(yàn)表中沒有該組工藝參數(shù)組合，運(yùn)用Moldflow模擬得到縮痕指數(shù)為0.088 0% (如圖6所示)，小于表2中任意一組工藝參數(shù)對(duì)應(yīng)的縮痕指數(shù)，其結(jié)果得到優(yōu)化。

表2 導(dǎo)管接頭注塑正交實(shí)驗(yàn)方案及結(jié)果

表3 各工藝參數(shù)對(duì)縮痕指數(shù)的極差分析表

圖5 正交實(shí)驗(yàn)各因素對(duì)導(dǎo)管接頭縮痕指數(shù)的影響趨勢(shì)

圖6 導(dǎo)管接頭最優(yōu)工藝參數(shù)組合下的縮痕指數(shù)

4 基于BP神經(jīng)網(wǎng)絡(luò)的導(dǎo)管接頭注塑工藝參數(shù)優(yōu)化

4.1 BP神經(jīng)網(wǎng)絡(luò)模型建立

在構(gòu)建BP神經(jīng)網(wǎng)絡(luò)模型時(shí)，以6個(gè)注塑工藝參數(shù)(熔體溫度、模具溫度、注塑壓力、注塑時(shí)間、保壓壓力和保壓時(shí)間)為輸入，以縮痕指數(shù)為輸出，建立6個(gè)輸入、1個(gè)輸出的多輸入-單輸出的BP神經(jīng)網(wǎng)絡(luò)模型，以便在不同注塑工藝參數(shù)下對(duì)導(dǎo)管接頭的縮痕指數(shù)進(jìn)行準(zhǔn)確、快速的訓(xùn)練與預(yù)測(cè)[11]。在BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)中，設(shè)置輸入層的節(jié)點(diǎn)數(shù)為6，輸出層的節(jié)點(diǎn)數(shù)為1，隱含層的層數(shù)為1，其神經(jīng)網(wǎng)絡(luò)拓?fù)渌惴Ｐ腿鐖D7所示。

圖7 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖

通過經(jīng)驗(yàn)公式(1)計(jì)算得到隱含層的節(jié)點(diǎn)數(shù)s為：

式(1)中，R為輸入層的節(jié)點(diǎn)數(shù)；k為輸出層的節(jié)點(diǎn)數(shù)；α為值在1與10之間的常數(shù)。

根據(jù)式(1)可以初步選定s=10，其值可根據(jù)神經(jīng)網(wǎng)絡(luò)在Matlab的實(shí)際訓(xùn)練情況進(jìn)行相應(yīng)的調(diào)整。

4.2 BP神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練與驗(yàn)證

根據(jù)BP神經(jīng)網(wǎng)絡(luò)模型算法的設(shè)定，為使數(shù)據(jù)樣本更好更快收斂，同時(shí)按照精度方面的要求，對(duì)神經(jīng)網(wǎng)絡(luò)訓(xùn)練數(shù)據(jù)樣本作歸一化處理，其取值范圍為：[-1，1]，歸一化公式為：

式 (2)中，xi，，xmax，xmin分別為神經(jīng)網(wǎng)絡(luò)訓(xùn)練的輸入值、輸出值及數(shù)據(jù)樣本的最大值、最小值。

此外，輸入層函數(shù)為非線性傳遞函數(shù)logsig，隱含層函數(shù)為S型正切函數(shù)tansig，輸出層函數(shù)為線性傳遞函數(shù)trainlm。設(shè)置BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)速率為0.01，訓(xùn)練次數(shù)為5 000次，網(wǎng)絡(luò)性能目標(biāo)誤差為0.000 1。在BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程中，當(dāng)訓(xùn)練的誤差小于目標(biāo)值或者訓(xùn)練次數(shù)達(dá)到最大時(shí)，訓(xùn)練終止。最后對(duì)BP神經(jīng)網(wǎng)絡(luò)輸出數(shù)據(jù)作反歸一化處理得到實(shí)際模擬數(shù)據(jù)。

為了驗(yàn)證訓(xùn)練的BP神經(jīng)網(wǎng)絡(luò)的準(zhǔn)確程度，再?gòu)恼粚?shí)驗(yàn)數(shù)據(jù)中隨機(jī)抽取16組數(shù)據(jù)作為檢驗(yàn)樣本，其余9組作為測(cè)試樣本。分別通過BP神經(jīng)網(wǎng)絡(luò)進(jìn)行輸出預(yù)測(cè)和Moldflow軟件進(jìn)行注塑過程數(shù)值分析，得到的結(jié)果見表4。

表4 Moldflow分析結(jié)果與BP神經(jīng)網(wǎng)絡(luò)輸出結(jié)果比較

通過表4分析可知，導(dǎo)管接頭縮痕指數(shù)BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)值與Moldflow仿真值的誤差都小于10%，最大誤差為9.94%。這說明正交實(shí)驗(yàn)的模流分析結(jié)果與神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)結(jié)果比較接近，吻合程度較高，也說明所設(shè)計(jì)的BP神經(jīng)網(wǎng)絡(luò)模型較好，預(yù)測(cè)精度較高[12]。在BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)時(shí)，每次預(yù)測(cè)結(jié)果稍有差異是由于網(wǎng)絡(luò)權(quán)值初始化隨機(jī)性的影響導(dǎo)致，但目標(biāo)誤差都在允許范圍內(nèi)[13]。

4.3 基于遺傳算法注塑工藝參數(shù)優(yōu)化

BP神經(jīng)網(wǎng)絡(luò)模型對(duì)注塑工藝參數(shù)和縮痕指數(shù)預(yù)測(cè)具有一定的局限性，為進(jìn)一步對(duì)導(dǎo)管接頭注塑工藝參數(shù)優(yōu)化，采用遺傳優(yōu)化算法進(jìn)行尋優(yōu)[14]。遺傳算法是由J.Holland在1975年受生物進(jìn)化論啟發(fā)提出的，由編碼與解碼、適應(yīng)函數(shù)、遺傳算子和控制參數(shù)等四個(gè)部分組成[15]。以BP神經(jīng)網(wǎng)絡(luò)模型的縮痕指數(shù)為適度函數(shù)，利用Matlab軟件進(jìn)行優(yōu)化，選取種群個(gè)數(shù)為200，交叉概率為0.8，變異概率為0.7／Lind，優(yōu)化結(jié)果見表5。

表5 Moldflow分析結(jié)果與遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)輸出結(jié)果比較

由表5分析可知，導(dǎo)管接頭縮痕指數(shù)遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)值與Moldflow仿真值最大誤差為8.45%，比BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)值與仿真值的最大誤差小，說明通過使用遺傳算法對(duì)BP神經(jīng)網(wǎng)絡(luò)的優(yōu)化效果較為明顯。將遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的注塑工藝參數(shù)在Moldflow軟件中進(jìn)行模擬來進(jìn)一步驗(yàn)證遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)值是否正確[16]。遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)經(jīng)過160次迭代得到導(dǎo)管接頭縮痕指數(shù)基本維持在0.079 6%，此時(shí)取整其相對(duì)應(yīng)的最佳注塑工藝參數(shù)為：熔體溫度238℃、模具溫度71℃、注塑壓力68 MPa、注塑時(shí)間0.61 s、保壓壓力27 MPa、保壓時(shí)間24 s。在Moldflow中將該組工藝參數(shù)組合進(jìn)行模擬，得到的結(jié)果如圖8所示。

圖8 遺傳算法優(yōu)化BP后的縮痕指數(shù)

由圖8可知，經(jīng)過遺傳算法優(yōu)化后導(dǎo)管接頭縮痕指數(shù)為0.075 2%比正交實(shí)驗(yàn)最優(yōu)結(jié)果的0.088 0%減少了14.5%，說明遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的效果比極差分析法的優(yōu)化效果更好。

通過模具機(jī)加工、安裝和調(diào)試，結(jié)合遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的工藝參數(shù)組合，在相關(guān)企業(yè)進(jìn)行產(chǎn)品試生產(chǎn)。選取產(chǎn)品截開并處理后在顯微鏡下觀察其截面，如圖9所示。由圖9可以觀察到，導(dǎo)管接頭與導(dǎo)管在橫截面處能模糊看到連接痕跡，但在縱向截面上基本看不出連接痕跡，且產(chǎn)品的外觀無(wú)明顯的熔接痕，表面質(zhì)量良好，能夠滿足企業(yè)的設(shè)計(jì)要求。

圖9 導(dǎo)管接頭試模件連接情況

5 結(jié)論

(1)基于塑料成型理論，建立導(dǎo)管接頭嵌件一模兩腔注塑有限元模型，并在Moldflow軟件中進(jìn)行流動(dòng)+充填+保壓+翹曲分析。

(2)設(shè)計(jì)了六因素五水平的正交實(shí)驗(yàn)，在Moldflow中模擬成型過程，記錄縮痕指數(shù)結(jié)果，對(duì)試驗(yàn)結(jié)果進(jìn)行極差分析得到最佳工藝參數(shù)組合及單一評(píng)價(jià)的影響趨勢(shì)。

(3)以注塑工藝參數(shù)為輸入、縮痕指數(shù)為輸出建立BP神經(jīng)網(wǎng)絡(luò)模型，并對(duì)初始樣本進(jìn)行訓(xùn)練并驗(yàn)證，發(fā)現(xiàn)Moldflow模擬值與BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)值之間的誤差小于10%，從相對(duì)誤差可以看出，所構(gòu)建的BP神經(jīng)網(wǎng)絡(luò)模型的預(yù)測(cè)精度較高。

(4)利用遺傳算法進(jìn)行優(yōu)化并仿真驗(yàn)證，得到導(dǎo)管接頭的最佳注塑工藝參數(shù)組合為：熔體溫度238℃、模具溫度71℃、注塑壓力68 MPa、注塑時(shí)間0.61 s、保壓壓力27 MPa、保壓時(shí)間24 s，由此成型的塑件縮痕指數(shù)為0.075 2%，其結(jié)果比極差分析法的優(yōu)化結(jié)果更好。