《自动化流程实验室》近期完成一项面向小零件上料环节的实验：针对柔顺件（薄壁、易缠绕、带毛刺）在振动盘上频繁卡料的问题，尝试用 AI 替代人工反复试调。
方法上，我们未直接建模零件物理形变，而是把振动盘的频率、电压、料道倾角、吹气时序作为可调参数，用摄像头采集料道出口的卡料/单列/堆积三态，构建轻量分类器判断当前状态，再以贝叶斯优化在少量试验内搜索参数组合。为避免换料后重新试错，引入小样本迁移：先用历史零件数据预训练，新零件仅需数十次上料观测即可收敛。
阶段性进展：在三种典型柔顺件上，卡料率由人工调参后的约 8% 降至 2%~3%，单次换料调机时间从 40~60 分钟缩短至 15 分钟以内；系统对卡料前兆（堆积、姿态异常）可提前 0.5~1 秒触发吹气干预。
下一步计划：接入换料记录与卡料图像日志，验证跨批次稳定性；同时评估将吹气干预改为短脉冲振动参数的可行性，减少对气源的依赖。
评论