国际模具网注塑模具因其可一次成形多个结构复杂、尺寸精密、内在质量好的塑件，在塑料制品生产中获得了广泛的应用。但注塑模具的设计制造过程很复杂，影响因素也很多。浇注系统是注塑模具结构设计中的一个重要组成部分，也是塑料熔体进入模具型腔的唯一通道。它的几何形状及结构尺寸设计的合理与否，直接影响到聚合物熔体在模具通道中的流变特性及填充效果，进而影响到最终塑件的成型质量与模具整体结构设计的复杂程度。生产实践表明，塑件成型过程中的许多缺陷, 如喷射流、翘曲变形、熔接痕及欠注等的产生都与浇注系统设计有着密切的关系。
然而，以往的注塑模具设计中，大多都是凭借模具设计人员的知识和经验积累，确定浇注系统的类型和结构尺寸，设计的合理与否只能根据试模结果进行评价。显然这种设计方法已不能适应瞬息万变的现代产品市场对成型模具的短周期与高质量要求。目前，虽有部分企业采用了CAE分析工具对浇注系统设计进行了流动模拟，但由于塑件结构与材料的多样性及浇注系统与塑件材料流变性能匹配的复杂性，设计时要快速找出适应特定塑件结构及材料流变特性的最佳浇注系统尺寸参数，仍需做大量工作。
基于上述分析，本文将人工智能技术引入注塑模具设计过程，采用基于特征的Object ARX实体造型与参数化建模和面向对象的专家知识与数据库技术，应用RBR和CBR相结合的方法，针对注射模具设计的实际特点，进行了注射模具浇注系统智能化设计的实现技术与方法的研究。通过将浇注系统设计的相关知识和经验总结提炼成设计规则，将以往成功的设计和典型结构整理成事例，构建有效的推理机制，建立注塑模具浇注系统设计的智能化系统，力求在模具设计中尽量准确、合理地给出浇注系统设计方案，以减少设计失误和数值模拟及物理试模的次数，提高模具设计的成功率，缩短模具制造周期。
1 塑件与浇注系统特征分类
塑件几何模型是模具设计的唯一依据，也是浇注系统设计的重要信息来源。采用基于特征的建模技术，把塑件的几何特征作为塑件模型中的基本单元进行有机组合，可使特征成为CAD/CAM集成系统中的有效信息载体，充分满足模具设计制造各阶段对塑件信息的需求，并保证塑件信息在整个模具设计制造过程中的准确性和一致性。
构成塑件几何模型的特征可分为以下几种类型：形状特征、精度特征、材料特征、技术特征和分析特征。本文重点研究形状特征和材料特征，因形状特征表示了组成塑件结构各几何元素的准确形状，具有特定的属性，它对浇注系统的结构设计和类型选择有着直接的关系。不同的形状特征在构造零件的几何形状、满足零件的功能要求和制造过程中所起的作用是不同的。有的形状特征用于构造零件的主要形体结构，而有的只是用于修饰零件的局部细微结构。可见塑件的形状特征具有层次关系的属性。因此可将形状特征分为主形状特征(基特征)和辅助形状特征(辅特征)。主特征用于描述塑件的基本几何形状，是一个独立的几何形体；辅特征是依附于主特征上的尺寸较小的局部几何结构或是对主特征的局部修饰。塑料制品的结构复杂，形状各异，种类繁多，性能差别较大。采用特征的分类方法，有助于智能化设计过程中的信息表示和提取。
以塑件主要结构形状和材料的流动性能相似为原则，可把塑件分为以下几种类型：常规几何形状塑件、大型厚壁长流程塑件、大面积薄壁塑件、外观质量要求严格的塑件等。其中常规形状塑件又可包含回转体形状和非回转体形状。根据常用塑料材料的流动性能，可将材料分为流动性好的、流动性中等和流动性差的三种类型。对流动性好的材料，流道设计时其截面尺寸可取相对较小的值；流动性差的材料流道设计时，截面尺寸应取较大值；流动性中等的材料，流道截面尺寸介于前两者之间。模具设计时通过识别塑件几何模型的形状特征，可初步确定出浇注系统的基本类型和浇口形式，再通过塑件尺寸和材料特征确定分流道的截面形状。其中主流道形状不管何种结构或材料的塑件，均以常用的直锥型结构为首选。
根据浇注系统的组成及结构特点，浇注系统的特征可分为主流道特征、分流道特征、浇口特征、冷料井特征和流道布局特征，如图1所示。
2 浇注系统智能化设计系统的结构
浇注系统智能化设计系统的主要功能模块包括：输入模块、智能化设计模块和输出模块。
1）输入模块
该模块是系统与用户进行信息交互的接口，也是RBR推理过程的动态知识来源。它把用户输入的信息如塑件材料性能参数、注塑机参数、塑件几何模型、模架参数等传递给智能化设计模块，以便进行下一步的设计推理判断。
2）智能化设计模块
智能化设计模块是系统的主模块。主要包含RBR推理子模块、CBR推理子模块及相关的设计知识与规则库。其中RBR子模块主要是根据输入模块的信息，智能化的推出符合给定条件的浇注系统设计方案。由于塑件结构的复杂性与多样性，完全基于规则来推理出所有塑件的模具浇注系统设计方案是不现实的。因此，对于应用RBR推理无法得到适合的浇注系统设计方案时，系统采用CBR的方法来实现复杂或特殊塑件的浇注系统设计。这样可使智能化设计系统更加灵活和全面。
3）输出模块
该模块主要完成设计推理过程的错误信息提示和浇注系统设计结果的显示。
智能化设计模块，将浇注系统设计分为初始设计、优化设计和详细设计三个阶段。其中初始设计阶段主要进行流道的布局形式和浇口数目的确定，这可通过输入模块的信息，经推理判断和计算获得。浇口类型与塑件的外观要求、几何形状有直接的关系，如外观质量要求高的塑件最好选用点浇口或潜伏式浇口，一般壳体类塑件可选用侧浇口、点浇口等，大型桶、盆、罩类件最好选用直浇口，而大型平板型塑件最好选用扇形浇口或护耳浇口等。这些知识被整理成规则存储于系统规则库，设计时根据塑件类型、材料特性及外观质量要求等输入信息，系统可自动推理出相应的浇口类型。浇口位置的确定影响塑件的成形质量。浇口位置不合理将导致模具排气不良、塑件熔接痕及残余应力等。设计推理时，首先将塑件上的孔、槽、倒角等不宜设置浇口的辅助特征排除，然后根据各主特征的几何结构和空间位置，以及主特征上不适合设置浇口的限制边、限制点等约束条件，按照前一步推出的浇口类型对主特征进行逐一的匹配。最后参照塑件外观要求及可能产生的缺陷等限制条件，即可对匹配成功的主特征进行浇口位置计算。优化设计主要是对初始设计的流道布局进行平衡分析与计算及对浇口位置与数量等进行优化；详细设计主要是根据优化设计的结果，进行浇注系统三维结构模型的生成。智能化设计系统的总体结构如图2所示。
3 浇注系统智能化设计的关键技术
1）规则推理技术
浇注系统设计时不仅涉及的知识丰富，内容较多，而且结构形式灵活多变。因此浇注系统设计的规则库结构相对复杂并且分支较多，整体结构属于树状分布，适合于正向推理。因此，本系统采用正向推理策略。正向推理的特点是从已知信息出发，选择合适的知识，逐步递进求解待解的问题。
在RBR推理过程中，关键的问题是规则的提炼和运用。浇注系统设计的知识规则有很多，规则的总结、提炼及合理组织是系统推理成功的重要前提。本系统的规则提炼主要是通过对浇注系统设计的基本知识和专家经验的详细总结、分类整理完成的。规则的运用就是把提炼出来的规则以字符串的形式存储起来，然后通过系统设定的指针变量搜索来完成规则的提取与匹配。
在浇注系统设计中，主要涉及两类知识。一是待分析的注塑制品的设计特征；二是浇注系统的设计规则。注塑制品的设计特征需要从制品的几何模型中提取。浇注系统的设计规则来自于规则库，而规则库本身就是一个类，如同树状结构的树干，浇注系统的各组成部分就是树杈，每个树杈又可有不同的树枝，如分流道部分就具有三个不同的树枝，分别是流道布局形式、流道尺寸、流道截面形状。此外，位于每个分枝下面的规则还分很多层。各个层又通过链表指针和自己的兄弟节点相连接。这样便形成了总体的树状结构和具有层次关系的规则体系，以方便系统推理时的信息检索与查询。系统的规则表示模式如下：
class CRulel:public Cruner-Rule
{
Protected:
UINT m_ nRn1eID; //规则序列号
CString m_strRuleName; //规则名称
BOOL m_bStatus; //规则匹配后的状态,缺省
IF (输入主流道信息==库存信息)；
THEN D.Czhuliudao() //输出主流道图形
IF (输入分流道形式信息==库存信息)
THEN
{IF （输入的材料信息==库存信息）
THEN D.fenliudao() //输出分流道图形
}
. . .
ELSE 提示错误信息
}
知识库中运用的规则均以IF—THEN的形式进行组建。系统运行过程中各环节紧密相关，内部形成复杂的推理网络，设计知识在推理网络中快速传递，并进行相应的分析判断和匹配，最终推出合理的浇注系统设计方案。
2）事例推理技术
当塑件结构复杂，应用RBR方法不能有效地推理出浇注系统设计方案时，系统可采用CBR方法进行推理设计。当然，对于应用RBR方法能够推出合理的设计结果时，也可采用CBR和RBR相结合的方法进行设计。CBR方法的最大优点在于能够通过增量学习不断增加知识的事例库。在CBR中，Case库模拟了人脑的记忆功能，其中存储了大量具有各类塑件形状特征的典型浇注系统设计实例，这些事例是以基于塑件特征的层次关系进行组织与存放的，设计时能够快速从Case库中检索出相近事例。当检索到与新设计相匹配的事例后，系统即将匹配成功的结果输出给用户，再通过相应的交互修改与完善即可成为新的设计方案，新的设计结果也将被存入事例库中。同时新的Case索引也将被建立和存储，这样可不断地丰富系统的事例知识库。
事例推理的关键在于事例的提取和描述。事例的描述是通过特征表示完成的，并将特征以代码的形式进行存储，推理时采用指针提取代码来获得事例的关键信息，实现设计推理。
推理时首先需进行事例的检索，检索是基于一定的索引方式和相似度定义通过特征识别实现的，检索到相近事例后还需进行相似算法的匹配，即计算两个事例的相似度。计算模型为
式中，i表示第i个匹配的特征；
相似度[i]表示事例间第i个特征的相似度；
权重[i]表示第i个特性的权重因子。
当特征值相等时，相似度[i]=权重[i]；特征值不等时，相似度[i] =0。
系统运行时是通过识别塑件主特征来检索出最相似的事例，但具有相同主特征的事例可能有多个，为此需要通过辅助特征来进一步筛选出最相近的事例。相似度[i]的计算主要依据特征的属性，不同属性的特征对应的值不同。CBR中的每个事例都有一组特定的属性{a1,a2,a3…ai…an}，属性ai的权值可通过公式（2）进行计算，其中Pi是与新事例相关的事例库中的事例属性ai出现的概率，qi是与新事例无关的事例库中的事例属性ai出现的概率。
计算出相似度[i]和权重[i]后，通过公式（1）就可以得出事例库中每个事例与新事例的相似度，相似度最高的被评定为最相似事例，然后系统会根据相似度最高的事例来设计新的浇注系统。如果经过计算得出的相似度低于75％，则认为事例库中没有相近的事例。此时可选取一个比较相近的事例为基础，进行人工交互设计，设计结果经过验证合理后，也将被作为新的事例存入事例库。
对系统推理设计出的浇注系统设计方案，认为满意后即可直接输出，也可通过MoldFlow分析软件作进一步的模流分析验证，对不满足设计要求的结果，则需返回系统重新进行设计。
4 系统实现的实例
图3为某报警器壳体塑件，材料为ABS，塑件外形尺寸为高 52mm，直径为60mm，塑件壁厚1.5mm，设计要求为一模八腔。塑件外观不允许有明显的浇口痕迹。
塑件的几何形状属一端封闭的圆筒形，结构不很规则。圆筒上部有16条筋与顶部圆弧面连接，下部圆柱面上沿底部圆周外壁不均匀地分布有4个凸起结构，圆柱部分底面为平面。内形为阶梯形圆柱孔。该塑件不需用侧向抽芯的模具结构即可成形。其主要特征为圆筒形和圆弧顶面，辅助特征为连接筋和局部凸起结构。应用智能化设计系统进行浇注系统设计的过程如下：
1）获取信息
进入智能化设计系统后，首先对塑件进行特征识别，然后通过图4所示的对话框，来获得塑件的半径、高度和模板厚度及型腔数量与位置分布等信息。同时系统根据塑件材料参数及尺寸进行体积与质量计算。
2）进入RBR引导的智能化设计模块
首先系统进行初始化设计，以确定流道的布局形式、浇口的类型、数目和位置。其中流道的布局形式信息是通过系统对话框窗口获得的。浇口的数目由系统运行内部规则知识库经过计算来确定。浇口类型和位置设计的推理过程如下：
IF 外观质量要求＝外观无明显痕迹
AND 材料＝ABS AND 主特征＝圆筒形和圆弧顶面 AND 辅助特征＝连接筋 AND 塑件对称性＝非；
THEN 浇口类型＝【点浇口】；
IF 主特征＝圆筒形和圆弧顶面 AND
辅助特征＝连接筋AND 限制特征＝边限制；
THEN 浇口位置 ＝ 【圆弧顶面中心位置】。
浇注系统的类型及浇口位置等确定后，系统进入优化设计阶段。通过采用遗传算法进行最佳浇口位置的自动搜索，使得不同流动路径的等效流长差异的算术平均值最小，从而保证浇注系统的流动平衡。根据塑件及其材料的相关信息和优化的浇口位置，系统推出了在塑件顶面圆弧中心位置的单点浇口进料方式。
最后系统根据初始阶段和优化设计的结果，进行流道尺寸与截面形状及浇口尺寸的详细设计。设计过程中需根据选用的模架尺寸，运用系统的规则知识库和相关数学模型进行各部分的尺寸计算。如：
主流道尺寸确定:
IF 塑件材料＝ABS
THEN 主流道锥度α＝3°
topXRadius＝注塑机喷嘴直径；
height＝定模板厚度＋脱流道板厚度；
系统通过D＝topXRadius+2.0*height/tan(43*PI/90)
计算主流道大端直径。
浇口尺寸的计算，系统是根据识别出的塑件特征尺寸及体积和质量的计算，再通过上述过程，系统即可给出完整的浇注系统结构设计方案，本例推出的一模八腔浇口直径的经验计算模型求得的。同理系统根据相关规则推理和数据计算可确定出合理的流道截面形状和各级分流道及冷料穴的尺寸。
单点浇口的平衡式布局的设计结果如图5所示。
5结束语
浇注系统设计是注塑模具设计中的关键环节，传统的以经验为主的设计方法难以满足现代工业产品对模具高质量、短周期的设计要求。本文在对塑件的几何特征和模具浇注系统组成特征进行分类及对浇注系统设计知识、典型结构及专家经验进行全面分析总结的基础上，应用知识工程的方法，建立了浇注系统设计的知识规则库和事例库，并用RBR和CBR相结合的推理技术，实现了注塑模具浇注系统的智能化设计。本文的工作为进一步实施注塑模具的智能化设计奠定了基础。
参考文献
[1] 原思聪，王宪章.AutoCAD二次开发技术及其在机械工程中的应用. 西安建筑科技大学学报，2001(33)：71~75.
[2] 韩军，车文刚.CBR—一种新型的人工智能推理方法.昆明理工大学学报，2003.（28）：88～91.
[3] 唐志玉.塑料模具设计师指南.国防工业出版社，1999.
[4] Pandelidis I, Zou Q. Op tim ization of injection mo lding design.Part I: gate location op tim ization. Po lymer Engineering and Sci2ence, 1990, 20 (15) : 873- 882.
[5] K.Shelesh—Nechad,et al.An Intelligent Systerm for Plastic Injection Molding Process Design[J].Joural of Matials Processing Techology 63(1997)458~46.
国际模具网
