AI注塑缺陷预测定制：模内传感与参数自适应

本轮研究聚焦注塑成型过程中的在线缺陷预测与参数自适应，目标是在单个模次内给出预警并完成小幅参数修正，而非仅事后判废。

实验以一台 160 吨机台的薄壁件为对象，同步采集模腔压力、螺杆位移、料筒温度与合模力等 12 路信号，采样 200 Hz，按模次切分后提取峰值、积分与斜率特征，对短射、缩痕、飞边三类缺陷建立多标签预测模型。在 228 个模次的历史数据上，短射召回 0.93、缩痕召回 0.87，整体误报率约 6%，单模次推理耗时 8 ms，可在开模前完成判定。

要点：

• 进展：缺陷概率与工艺窗口边界联合使用，仅当预测落在窗口边缘时才触发保压压力与保压时间的微调，减少参数漂移；连续 300 模次试产中共修正 11 次，缩痕不良率由 1.8% 降至 0.7%。
• 下一步：接入模温与料流前沿信息，补充玻纤取向敏感件的验证，并评估跨机台迁移的模型适配成本。

目前自适应范围仍限于保压与冷却阶段的小步调整，熔体温度等强耦合变量暂不纳入自动改动，以保证工艺稳定性优先。