HyperMesh 与MoldFlow 联合仿真在解决轿车仪表板翘曲收缩上的应用

zpZGHMdE

1 概述

" ?/ H1 I5 ]' R7 R随着中国汽车工业的快速发展，中国已进入汽车消费时代。汽车工业的竞争也在加剧，迫使企业要不断地降低成本、提高产品质量、缩短新车型的研发和上市时间。在轿车领域，车用塑料件的使用越来越广泛，如保险杠、仪表板、门板等内饰和外饰产品。传统的模具设计方法已无法适应产品的更新换代和提高质量的要求。计算机辅助工程（CAE）技术日益成为解决塑料产品开发、模具设计中的薄弱环节的有效途径。

仪表板是轿车内饰产品中最重要的组成部分，它不仅起到内部装饰的作用，而且是驾驶、娱乐、安全设备的重要载体。轿车仪表板由于结构复杂、局部区域厚度分布不均匀，在注塑过程中易产生翘曲和收缩等问题。moldflow 中面网格模型在模拟流动、冷却、翘曲上具有精度高、计算时间短的优点，但建立复杂产品的中面模型的建模能力有限，比较耗时耗力，因此采用了HyperMesh 与MoldFlow 联合仿真技术，利用HyperMesh 强大的几何处理和网格生成技术，快速提出复杂模型的中面，并产生网格指标优良的有限元模型。

4 [& E. ^6 }" s, Y" L2 仪表板几何处理

3 M) @, J4 R0 h( L  S) D. H轿车仪表板有如下特点：A 面光顺，但在B 面上有很多特征，如起加强作用的加强筋，起连接作用的卡扣和焊接柱，这些特征的存在大大增加了抽取中面的难度和工作量，HyperMesh 具有强大的中面生成能力，从CAD 模型中生成较高质量的中面模型，再辅以offset、trim 等功能对局部细节进行修补，即可完成中面模型。图1 为仪表板CAD 模型，图2 为修补完成的中面模型。
$ G$ o1 w" D+ \! q) i/ Y

对于中面模型，要精确模拟塑料的流动，要在某一特征尺寸变化处分厚度，以反映厚度变化对模流分析的影响，在本文中，每隔一很小值分一个厚度。图3 为仪表板局部区域，蓝色区域比其他区域厚，因此在其连接处分两个厚度，使其均匀过渡。不同厚度值的特征放在不同的component 中，对于复杂模型便于查看和管理，有利于后续的网格生成。
+ L3 B. G/ Q1 X  }

3 有限元网格生成

# M4 l: N+ j/ |1 e# N4 t$ m7 y( K在模流分析中，冷却和翘曲分析对三角形网格质量要求很高，一个厚度至少要多排单元，aspect ratio 的平均值和最大值都有一定的规范值。HyperMesh 能够生成高质量的R-trias 三角形网格，如图4 和图5 所示，加强筋高度与长度相比尺寸很小，蓝色区域的过渡处分了两个厚度，HyperMesh 仍能一次生成符合指标要求的多排网格，大大减少了网格调整的工作。利用smooth、cleanup、equivalence 等网格自动优化功能，大大提高了网格工作的效率和网格质量。
/ _# @' |+ W; Y

4 MoldFlow 模流分析

将生成的网格导入MoldFlow 中，进行模流分析建模。建立热流道和冷流道，采用三个进料口；建立冷却系统，采用8 条水路，进行冷却、流动和翘曲分析，如图6 所示。对于仪表板模具来说，各方面工艺参数需严格控制，否则会引起填充不均衡、冷却不均匀、变形及残余应力大等缺陷。图7 为保压结束后仪表板气囊盖板附件的温度分布，很明显，此处由于较厚，积聚较多热量，如在冷却过程中此处不加强冷却，会出现较大缩痕。图8为冷却结束后得到的翘曲结果，仪表板长度和宽度方向都有很大翘曲，无法满足装配需要。

( r% x" z2 b( s* B. O5 O% R  o

/ Z2 b8 B; m& a( t, G' t
& s8 Z$ h( r. u4 m6 g
很显然，此流动方案虽然合理，但冷却方案有问题，需进行改进。在热量聚集区处增加水井，加强冷却效果，如图9 所示。对比发现，此方案冷却效果较好，制品表面温度分布较均匀，温差下降70％，最大翘曲变形量控制在合理范围内，缩痕也大大减小。

% v# F0 v8 c# f  q' s/ I

5 结论

采用HyperMesh 与MoldFlow 联合仿真，利用HyperMesh 强大的几何处理和网格生成技术，快速产生网格指标优良的模型。在MoldFlow 中对冷却方案进行优化，基本解决了仪表板的翘曲和收缩问题，避免了重新开模带来的成本和时间上的损失。

郭江河

顶顶顶吧！

ruoying_2233

太强悍了，谢谢，学习

happy951280

楼主的发表,确实不错,值得学习,顶

李嘉维

这个不错，要顶上去！

你好胖蝦

哇…樓主實在太厲害了～
4 E" ?8 x( l8 u, B* V, S9 `這網格要修很久吧！

苏杨

顶，有用，学习了

yangjiawei

太强悍了，谢谢，学习