AI注塑缺陷预测定制：缩痕特征与自适应参数补偿

在注塑成型中，缩痕与翘曲多由保压阶段的多变量耦合引起。传统做法依赖试模经验反复反推参数，收敛慢，且换机台、换批次后往往需要重新摸索。本实验室本阶段的工作，围绕“缺陷可预测、参数可自适应”两条主线推进，先解决预测端的稳定性，再谈闭环补偿。

特征侧以模腔压力曲线为主干，配合料筒温度、注射速度、切换位置与冷却时间构成时序输入；建模上不追求端到端黑箱，而是把保压切换点、保压压力与冷却速率作为显式变量引入，便于后续做参数灵敏度解释。当前在一款家电外壳件（ABS）上的离线验证中，缩痕深度预测的平均绝对误差约 0.02 mm，对超出工艺窗口的样本能给出明确的置信度下降提示。

要点：

• 进展：完成缺陷预测模型的离线标定，验证了模腔压力特征对缩痕的贡献度显著高于单一温度特征；
• 下一步：将预测输出接至保压切换点与保压压力的自适应补偿，计划在 3 台机台上做小批量在线验证，重点观察跨机台迁移后的误差漂移。

现阶段结论仍属阶段性：预测可用，闭环尚需在真实生产中验证其鲁棒性，暂不宣称可替代调机经验。