注塑成型中，保压阶段直接决定制件尺寸稳定性，但参数长期依赖试模经验与老师傅手感。行业AI实验室以模腔压力曲线为核心观测对象，探索用AI做保压参数推荐的可落地路径。
实验在120吨机台上进行，采集模腔压力、螺杆位移与熔体温度的高频信号，同步用三维扫描测量制件翘曲量，构建“工艺曲线—质量结果”配对数据集。模型以分段保压曲线为输入，先预测翘曲量，再反向推荐保压压力与保压时间的组合，使推荐结果可追溯到具体曲线特征。
- 阶段进展：在PP与ABS两类材料上，翘曲预测平均绝对误差约0.05mm，试模调机轮次由平均5轮降至2~3轮；
- 下一步计划：引入模流仿真结果作为先验约束，并验证在玻纤增强材料与多腔模具上的泛化能力。
我们不追求通用工艺大脑，只把单点参数的可解释推荐做扎实，让现场工程师看得懂、敢采用。
评论