本实验室在《塑料注塑AI工艺优化系统定制：缺陷预测与参数自适应》方向完成一轮小样本实验。我们以模腔压力、螺杆位移、料筒温度与锁模力为同步信号，按注射、保压、冷却分段提取时序特征，训练缺陷分类模型，重点区分短射、飞边与缩痕倾向。与仅用工艺设定值相比，加入模腔压力曲线后，验证集AUC由0.78提升至0.86；对短射的召回率提高约12个百分点，但飞边误报仍集中在模具磨损波动批次。
进展：在3台机台上完成离线回放验证，模型输出缺陷概率与关键贡献时段，辅助工艺员定位V/P切换点与保压窗口。
下一步：将概率输出接入参数自适应模块，在设备与材料允许的安全边界内，仅对保压压力、保压时间和冷却时间做小步建议，并保留人工确认与试模闭环。当前不追求完全无人调机，优先降低试模轮次与批次波动。
评论