AI冲压模具寿命预测定制：声发射与合模力特征

在冲压车间，模具寿命多靠计数与经验更换，崩刃、拉毛常在生产中途才被发现。智能硬件实验室本期尝试用低成本感知方案做寿命预测：在模座上贴装声发射传感器与加速度计，配合压机既有合模力信号，采集每冲次的波形。

在不改动模具结构、不停线的前提下，我们用压电式声发射探头（100kHz~400kHz）加一路三轴加速度计，以压机下死点信号作为触发，按冲次切片存证。前期在一条连续模产线累计约 18 万冲次数据，覆盖正常磨损、润滑不足与局部崩刃三类工况。

进展方面，一是发现声发射信号的高频能量占比在刃口磨损后期呈单调抬升，与合模力曲线的拐点偏移可形成互补特征；二是用轻量时序模型在边缘盒上做逐冲次打分，对崩刃的提前预警窗口中位数达到约 300 冲次，误报率控制在每千冲次 2 次以内。

下一步计划引入模具刃口修磨记录做标签对齐，把预测输出从“是否异常”细化到“剩余可冲次数区间”，并在多台压机上验证特征迁移能力。相关方法对拉延、冲孔等不同工序的通用性仍需更多样本支撑。