AI注塑缺陷预测：型腔压力特征与参数自适应

围绕《塑料注塑AI工艺优化系统定制》方向，近期我们把研究重心从参数推荐前移到“缺陷在线预测 + 小幅参数自适应”的闭环，关注一个更窄的问题：不新增传感器成本，仅用注塑机已有信号，能否提前若干模次判断质量漂移。

数据侧以型腔压力曲线为主，辅以注射速度、保压压力、熔体温度、模温与V/P切换位置等过程量。特征提取按填充、保压、冷却三段切分，取峰值压力、峰值到达时间、压力积分、保压段斜率等指标，避免把整条曲线直接送入模型导致过拟合。

要点：

• 进展：在试点产线3副模具、约4200模次的离线回放中，短射与缩痕两类缺陷召回率约0.85，误报集中在换料与模温未稳定阶段。模型采用树模型加分段阈值，单模次推理为毫秒级，可对接PLC与MES。
• 下一步：先做工况识别再判缺陷，把换料过渡段与模温未稳定段单独建模；参数自适应仅限保压压力与V/P切换点的安全区间，设置步长上限与迟滞，调整后按模次做A/B对比，抑制闭环振荡。