注塑缺陷通常在脱模后才被发现，而参数调整仍依赖老师傅经验，试错成本高。本阶段实验围绕“用过程数据预测缺陷、再用预测结果反推参数整定”这条链路展开。
我们在一台160T卧式机上采集型腔压力曲线、螺杆位置、熔体温度与锁模力等高频信号，按模次与制品批次对齐，标注短射、飞边、缩痕与翘曲四类缺陷。模型采用时序卷积加注意力结构，先学习单模压力曲线的形态特征，再融合工艺参数上下文做多标签分类；针对换模换料场景，用少量样本迁移微调，避免每套模具重新建模。
进展：在3套模具、约1.2万模次数据上，缺陷识别准确率约92%，其中缩痕与翘曲可在充填结束前0.3秒给出提前预警。
下一步计划：将分类输出接入参数自适应模块，在工艺窗口内优先调整保压压力与V/P切换点，并设单模次调整幅度上限；先做离线仿真验证，再上机小批量试跑，重点观察尺寸稳定性与节拍损失。
评论