以AI为翼,赴注塑技术之约|在线分享会文字版

点击上方「蓝字」关注我们～

感恩同行·致敬讲师

4月24日，AI赋能注塑件联合仿真技术在线分享会圆满落下帷幕。这场聚焦行业痛点、深耕技术创新的会议，因讲师的倾囊相授而熠熠生辉，因每一位参会者的热忱参与而意义非凡。在此，我们向所有参会嘉宾致以最诚挚的感谢，更向本次会议的分享讲师——仇勇辉先生，致以最衷心的敬意与感恩！

盛会回顾·干货满满

分享会上，仇勇辉老师重点分享了两部分内容：

第一部分内容是人工智能在注塑仿真中的三阶段递进应用体系，主要通过AI优化玻纤取向参数，大幅提升模流分析和热膨胀分析精度；

第二部分内容是用近似的数学模型来代替物理模型，把模流分析相关的参数做为输入条件，如产品的尺寸、塑胶材料的类别、工艺参数等，把产品的变形量做为输出结果。AI学习和分析输入参数和翘曲变形量之间的关系，找到其中的规律后，就可以验证后续工程师输入的方案，包括产品的结构、不同材料及不同保压压力。它可以瞬间分析出成百上千种方案的产品翘曲变形量数据，快速实现强大预测能力。并且由于AI可以分析出各输入参数对输出结果的影响权重大小，这就为优化方案指明了方向和定量的参考。此思路为注塑行业仿真升级提供了可落地的技术路径。

仇老师将AI与仿真的融合应用，梳理为层层进阶的三个阶段，清晰诠释 AI 为仿真带来的价值升级。

阶段 1：提升传统仿真精度

通过AI来标定材料的玻纤取向参数，从而提高玻纤取向的预测精度，准确预测含玻纤材料的各向异性对收缩和强度的影响，改善注塑件的翘曲变形及热膨胀的仿真分析结果。
通过 AI标定一些特定参数，比如结合线的强度衰减系数。

对注塑件的强度分析来说，结合线区域强度跟结合线的对接角度，温度、压力、困气、玻纤取向都有关系。我们可以通过模流得到多组结合线的对接角度、温度、压力和困气，然后打出样条，通过拉伸实验测试强度。输入参数为模流分析中的结合线的对接角度、温度、压力和困气，输出参数为对应的拉伸条的强度，供AI学习。

通过AI学习标定出结合线强度衰减系数。这个系数对结合线区域的强度分析意义重大，可以大大提高仿真精度。

阶段 2：AI替代传统仿真

依托大数据与机器学习建立仿真参数和仿真结果之间的联系后，可以实现数据驱动的AI 仿真替代传统仿真。

阶段 3：AI超越传统仿真

用AI去学习实测的结果，可以避开传统仿真复杂操作，快速获得所需的众多方案的实测数据。这个是AI+仿真的终极目标。

AI提升联合仿真精度的案例分享

项目背景1—注塑件机械仿真结果不准确

示例1：卡扣断裂在门型结构的正中间，但是常规的结构分析时，断裂的风险区域却是在拐角区。

示例2：两边按压的卡扣，实际装配时，都是浇口一侧的区域先断裂。

示例3：卡扣按压按照各向同性的传统仿真来分析，正压力和移位的情况与实际差别蛮大。

分析之后，我们发现机械仿真结果不准确的原因，示例1未考虑熔接线，示例2未考虑玻纤取向，示例3未考虑材料的各向异性。后来我们通过引入模流分析，把熔接线、玻纤取向、材料的各向异性这些因素考虑进去，通过联合仿真，把模流分析的结果导入结构分析，大大提高了机械仿真的精度。

对于注塑件来说，注塑成型所带来的缺陷是不可忽略的，不能使用理想的模型进行结构分析。模流分析是机械结构分析的基础，模流分析会影响结构强度分析、热膨胀分析、振动分析、疲劳寿命分析，因为玻纤取向、残余应力、结合线、气泡、翘曲变形都会影响结构分析的结果与精度。

项目背景2—回流焊产品的热膨胀分析

产品在回流焊过程中，会引起塑件变形导致塑壳装配及金属端子焊接出现问题。

回流焊：注塑成型以后，把它放到高温烤炉里面加热至250、260度再进行焊接，在焊接过程中会引起塑件变形。

注塑成型之后，回流焊之前，产品两侧往里面凹（内凹）

回流焊之后，在加热过程，产品因加热导致变形，回流焊之前是内凹的，回流焊之后变成外凸了，从而影响了后续的装配。

端子的变形，会导致出现虚焊或者漏焊的情况，回流焊产品的这种成型缺陷，有热膨胀分析的需求，传统的热膨胀分析没有引进模流分析，而是采用理想模型去分析，没有考虑玻纤的各向异性。

下图中，Y是垂直玻纤方向，Z方向是厚度方向，在传统分析中，Y和Z方向采用相同的热膨胀系数是不对的，两者的热膨胀系数可相差10倍。

用传统仿真方法计算出来的回流焊产品的变形结果不可靠，没有参考意义。

我们需要创新的仿真方法：

要考虑变形，用模流分析导出的变形后的产品去做热膨胀分析。

要考虑准确的玻纤取向，它的各向异性对产品膨胀性能是有影响的。

要考虑复合材料的性能，XYZ三个方向的热膨胀系数要实际测出来。

材料文件标定

对于仿真分析来说，材料属性的准确性是非常重要的。

在上面回流焊的案例中，第一步要考虑做模流分析，把它的玻纤取向导到结构分析软件里；

第二步要把变形以后的产品模型输入到结构分析软件中，用变形后的模型去做结构热膨胀分析。所以以下2个参数需要做材料标定。

模流分析材料数据（UDB）里面的玻纤取向参数

玻纤取向模型有Ci、D1、D2、D3四个关键参数，决定了我们玻纤取向的模拟结果，进而影响到变形和回流焊后的变形。

复合材料性能-Digimat材料数据（DAF）

回流焊是从常温23度升温到260度，所以需要常温和高温下的应力应变曲线。

还有XYZ三个方向的热膨胀系数都要测出来。在Moldflow里，只有X和Y方向两个热膨胀系数，而在结构分析里面，需要XYZ三个方向的膨胀系数。

这个需要比较专业的知识，因为需要对材料有比较深入的了解，还要有相应的测试设备，一般建议由料商来做材料数据的标定工作。

材料标定—玻纤取向参数

玻纤取向模型Ci、D1、D2、D3四个参数影响了玻纤取向的仿真结果。玻纤取向又影响了机械性能的各向异性，热膨胀、变形，这两个因素又影响了后续的结构仿真。

模流软件中默认的MRD玻纤参数，每个材料它都采用的是默认值，跟实际测试的参数差异还是蛮大的。

用默认值分析的话，会影响到分析的精度。但是手工标定玻纤取向的Ci、D1、D2、D3困难又非常大。

所以需要用AI来预测标定，它可以通过分析参数和结果之间的相互关系，把我们很难把握的一些关系，识别出来，然后进行预测。

借助AI 标定材料参数流程

AI就是大数据和机器学习，喂给AI大量数据，他就可以学习其中的规律。首先给他一个训练集，给它大量的数据来进行训练。比如给他一个X学习集2、3、4、5，给一个对应的Y学习集4、9、16、25，AI学习分析后，得到两者的关系X²=Y，有了这个结论，无论是输入X还是Y，它都能推导出对应的Y和X。

AI经过机器学习，将原因和结果进行参数化或者转化为AI能够识别的一种语言，喂给AI，它就可以找到其中的规律，再输入它的目标参数，它就可以得到对应的目标结果。

接下来对流程图对应的每一个步骤做个介绍：

CT扫描样条的玻纤取向曲线—Y目标

在一个大的样板上取一个5*4mm厚度3mm的小样板，逐层扫描，得到玻纤取向曲线6个方向，这个就是Y的目标。然后现在要找到X的目标就是对应这款材料的四个玻纤参数（Ci、D1、D2、D3）。

学习并预测玻纤参数/ODYSSEE---X学习集

第二步要生成学习集，让AI学习。

在Ci、D1、D2、D3这四个参数的范围内随机均匀分布生成30组参数（参数越多越好）。将每一组参数都导入模流分析去做分析，得到相对应的6个方向的玻纤取向曲线。把得到30组的玻纤取向曲线让AI学习。

AI找到其中的规律以后，然后再输入CT扫描出来的那个样条上的6条曲线，让AI快速预测对应的Ci、D1、D2、D3这四个参数。

每个材料的玻纤参数应该都是不一样的，用标定出来的准确的参数，分析精度会比用默认参数提高很多，包括它的变形和热膨胀性能。

材料标定—热膨胀系数CTE

含玻纤材料的机械性能的各向异性，导致不同方向的热胀冷缩特性有差异。

对于热膨胀分析来说，热膨胀系数是一个关键材料性能，对于含玻纤的材料，在玻纤平行方向，收缩比较小，在垂直于玻纤方向，膨胀比较大。热膨胀性能不一样会导致产品的翘曲变形。我们假设X是流动方向，Y是垂直流动方向，Z是厚度方向。在产品样板中间取一个小样块去测试XYZ三个方向的热膨胀系数。测试的结果是X：2.176E-05，Y：4.135E-05，Z：38.2E-05，所以正常Z方向它的热膨胀系数应该会更大。

传统的仿真分析里面，Z方向和Y方向用相同的热膨胀系数，这会导致分析结果不准确。

联合仿真真实案例

实例验证案例1：

1. 产品信息：

某型SMT连接器壳体:

产品尺寸: 58.1x17.2x9.7mm，基本壁厚: 0.9mm

塑胶材料：Resin B(Ci=0.02126，D1=10.416，D2=7.342， D3=0.6384)，用之前AI标定的材料四个参数做模拟分析，可以得到更准确的玻纤取向的结果。

生产工艺: 回流焊(23℃ ->260 ℃ ->23 ℃)

尺寸要求: 9.40mm<宽度(原始尺寸=9.60mm)< 9.80mm

两次验证产品尺寸：回流焊前（注塑成型后）和回流焊后

2. 联合仿真分析流程

1.AI预测玻纤参数2.两轮模流分析3.复合材料数据卡片4.联合仿真

联合仿真的分析流程：

①第一个：把AI预测的玻纤参数放到UDB文件或直接在软件参数设置中更改参数。

②第二个：两轮模流分析，联合仿真。

第一轮模流分析，输出变形后的模型，进行第二轮模流分析和热膨胀分析

第二轮模流分析，输出变形后的模型的玻纤取向结果

映射玻纤取向结果（变形后的模型）

第一轮模流分析，用AI预测的玻纤参数，会比用默认参数得到更准确的玻纤取向结果。

验证模流分析的产品翘曲变形量

测试了四穴产品注塑成型后的一个宽度变形，AI预测的玻纤参数宽度是9.38mm，与实际偏差率0.21%。

联合仿真

第一轮用原始的模型去做分析，导出变形后的stp文件，用这个stp文件去做热膨胀分析，再用变形后的模型去做第二轮模流分析。

导出变形后的玻纤取向模型，通过DIGMAT的软件映射到结构分析模型上，再调入标定的热膨胀系数，提高热膨胀分析的精度。

在此研究基础上，对传统仿真方法进行改进，使用变形后的模型和正交异性方法做仿真，得到的变形结果是9.48mm。

接下来开始做联合仿真，考虑下图中联合仿真边界条件，如复合材料的机械性能，热膨胀性能，详细的玻纤取向和它的工艺参数（回流焊的温度23-260度）

得到热膨胀分析结果。

由图可见，用默认的玻纤参数计算的热膨胀尺寸是9.58mm，用AI预测的玻纤参数计算的尺寸是9.92，明显是鼓起来了，两者的变形量差值很大。

验证热膨胀分析的产品变形

实测了一个四穴产品回流焊后的尺寸，平均宽度是9.96，显示AI玻纤参数的测试结果与实际测试的最为接近，偏差只有0.4%。

AI 替代模流分析案例

实验验证案例2

产品信息：

系列化连接器Lever产品，它是塑料的，这个产品的问题主要是变形。

针对这一系列的产品，进行参数的分析。因为AI软件不能直接识别3D模型，要用到几个参数来表征这个产品结构，其中弹臂的宽度，弹臂的长度和厚度，是三个关键参数，此外还取玻纤含量和保压压力这两个参数。

每个方案采用相同的浇口位置，冷却水路，冷却时间等，保证在相同条件下，找出影响最大的工艺参数—保压压力。

识别出来5个主要参数，包括三个产品尺寸、塑胶玻纤含量和保压压力，分别设定合理的取值范围。输出结果是X方向的整体变形量。

AI 学习数据

长度方向范围25-27，宽度方向范围12-14，厚度方向范围1.8-2.5，玻纤含量10-55之间，保压压力5-50之间，根据这5个参数不同的范围，用AI软件随机生成了40组参数，用这40组参数去做模流分析，得到模拟结果。输入的5个参数就是AI的学习集，输出结果就是Y学习集，是结果。AI 学习以后就可以分析出来参数的敏感性，可以得出厚度对产品的变形影响是最大的，第二个是长度，第三个是它的玻纤含量，第四个是保压，第5个是它的宽度。

回归系数，敏感性分析

然后对每一个参数，进行一个验证。

1.验证弹臂厚度与变形量的关系：

这个厚度，从1.8-2.5等差分布，其他条件相同。这些结果不是模流算出来的，是AI推算出来的。随着厚度的增加，它这个产品的变形量是逐渐减小的。

2.验证弹臂长度与变形量的关系：

长度在25-27等差分布，随着长度的增加，变形量是增加的，但是长度到了26毫米以后，变形量反而会减小。它是一个像抛物线形状的分布。

3.验证玻纤含量与变形量的关系：玻纤含量10-55等差分布，可以看到玻纤含量20%的时候，它这个产品的变形量是最大的，然后大概的趋势就是到了30%以上，玻纤含量越高，它的变形量是减小的。

4.验证保压压力与变形量的关系：

保压压力在5-50Mpa区间均匀分布，随着保压压力的增加，它的变形量是减小的。

5.验证两弹臂间宽度与变形量的关系：

宽度从12-14，得到一个奇怪的U型结构，宽度在12.4以上，宽度越宽，它的变形量越大。宽度在12.4以下，随着宽度的增加，它的变形量反而减小。

以上5个参数对变形量输出结果的一个影响，AI学习完成后，输入20组方案，秒级得到AI的预测结果。

蓝色的线条是仿真结果，橘色的线是AI预测结果，仿真结果可能一个方案需要花费半小时，AI测20组方案仅需1秒。我们对比了下，数值差异比较大的是13号方案，可能跟材料有关系。仿真产品的平均变形大概是1.64，AI预测的偏差值大概只有0.087，这个精度很高了，可以快速的确定我们的一个优化方案。

通过AI学习在预测方案方面可能颠覆我们的认知，一秒即可得到几百种乃至几千种的方案，精度也还可以。那么这个也是一个发展方向。其它系列化的产品，如果有大量的仿真数据可以供AI学习，也可以快速得到仿真结果。

如果能进一步提高AI预测的精度，把它封装成小程序。在产品设计时，只要输入这几个参数，就立马知道它的变形量是多少，不需要让模流工程师花时间去做复杂的模流分析，然后不断修正，实时的得到最终的设计方案。

这个是用AI替代模流分析的案例。

总结

人工智能应用于注塑仿真的三阶段

第一阶段：AI提升传统仿真的精度——主要的应用方向

第二阶段：AI替代传统仿真，用代理模型，预测仿真结果——主要的研究方向

这块还需要解决2个关键问题：

直接识别3D模型，如Tech Soft 3D

直接识别图片，如材料性能中的粘度曲线，PVT曲线，注塑机界面等

第三阶段：AI超越传统仿真，直接用实测数据来预测——未来的发展方向

第二阶段应用成熟后，可以用AI＋实验替换仿真分析。

展望

AI 是工具，只会放大我们的能力。

工程经验+AI技能=职场精英。

初心不改·聚力前行

此次分享会虽已落幕，但技术探索的脚步永不停歇。未来，我们将继续搭建行业交流平台，传递前沿技术、分享实战经验，携手各位行业同仁，依托AI技术赋能注塑仿真领域，破解行业痛点、推动技术升级，共筑注塑行业高质量发展的新未来！

再次致谢仇勇辉老师的倾囊相授，致谢每一位参会者的信任与支持，我们下次盛会，不见不散！

【线上邀约】AI 赋能注塑件联合仿真技术分享会|泰客诺

向量搜索：仿真工程师的"第二大脑"如何炼成？

AI 重构模流：从仿真工具到企业数字化战略资产探讨

泰客诺获美国BAP公司授权，承接Moldflow官网认可的材料测试业务

关于我们

上海泰客诺信息科技有限公司深耕制造业领域多年，凭借丰富的行业经验与专业技术能力，成为Autodesk、Ansys、Siemens及MSC公司的增值服务代理商，为客户提供覆盖 “设计 - 仿真 - 加工” 全流程的工程软件，并配套提供相关培训、仿真项目咨询、反变形技术咨询及材料测试等服务，助力客户从设计到制造的全过程优化。

更多活动详情，请您关注泰客诺官网：www.teknsoft.com

咨询热线：021-68113100