注塑缺陷的根因很少落在单一参数上，更多来自熔体状态与模腔传热的耦合。本实验室本阶段把中间变量选在“熔体黏度在线估计”：由螺杆位移—注射压力曲线反演表观黏度，叠加模腔压力峰值与冷却末端模温，构成缺陷预测的输入特征。
模型侧采用轻量时序网络，输出短射、缩痕、飞边三类风险概率；当风险越过阈值时，参数自适应模块只在既有工艺窗口内小幅调整保压压力、保压时间与模温设定，并由下一模实测结果回写更新，避免大幅跳参带来的产线扰动。
要点：
- 阶段结果：在3台机、5套模具的自采数据上，短射与缩痕可做到提前一模预警，召回率约0.87，误报率约0.09；自适应介入后单次调机试模次数平均减少约三成。
- 下一步：引入跨机台迁移学习，压低新模具冷启动所需样本量，并验证长周期闭环下的工艺漂移与模型衰减监控策略。
评论