← 返回实验室

AI注塑缺陷预测定制:型腔压力曲线与保压自适应

本轮实验聚焦“先预测、后微调”的闭环:在模具型腔与流道加装压力、温度传感器,与机台注射速度、保压压力、料筒温度等时序信号按模次对齐切片,提取特征后训练轻量分类模型,区分短射、缩痕、飞边与翘曲四类缺陷。模型输出不直接改写整组参数,而是优先调整保压切换点与分段保压压力,把干预限制在物理可解释的范围内,避免试模经验变成黑箱。

阶段进展:

  • 在某薄壁PP件上采集约1.2万模次数据,缺陷二分类离线准确率约93%;误报集中在换料与色母切换后的前30模,已通过“换料后重标定”策略过滤;
  • 保压切换点自适应后,单次试模迭代次数由5~7次降至约3次。

下一步:引入熔体黏度在线估计,验证跨机台、跨材料体系的迁移能力,并将预测结果回写MES,形成可追溯的工艺调整记录。

评论

更多研究动态

查看全部实验室 →