AI注塑缺陷预测定制：腔压波形与在线自适应

注塑缺陷通常在保压结束、甚至脱模称重后才被发现，此时该模制品已定型，调机只能作用于下一模。本实验室尝试把模腔压力传感器的高频波形作为主信号，提取速度—压力切换点、保压段压力积分、冷却段压力衰减斜率等特征，与短射、飞边、缩痕三类缺陷标注对齐，训练轻量时序模型做模内在线预测，并在识别到风险时对保压压力与保压时间做小幅自适应修正。

进展：

• 在 8 台机、PP/ABS/PC 三种材料的试产数据上，模型对短射与缩痕的提前预警召回约 0.89，比重量检测提前 4~6 秒；自适应修正限定在压力 ±3%、时间 ±0.3s 的窗口内，避免扰动已稳定的工艺。
• 下一步：引入模温与料筒温度作为慢变量，评估跨机台迁移时的阈值重标定成本，并与 MES 打通缺陷批次的反向追溯链路。