CN113771289B - 一种注塑成型工艺参数优化的方法和系统 - Google Patents
一种注塑成型工艺参数优化的方法和系统 Download PDFInfo
- Publication number
- CN113771289B CN113771289B CN202111087599.3A CN202111087599A CN113771289B CN 113771289 B CN113771289 B CN 113771289B CN 202111087599 A CN202111087599 A CN 202111087599A CN 113771289 B CN113771289 B CN 113771289B
- Authority
- CN
- China
- Prior art keywords
- injection molding
- molding process
- mold
- initial
- process parameters
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000001746 injection moulding Methods 0.000 title claims abstract description 225
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000012937 correction Methods 0.000 claims abstract description 63
- 238000012549 training Methods 0.000 claims description 47
- 239000000463 material Substances 0.000 claims description 36
- 238000005457 optimization Methods 0.000 claims description 22
- 238000003860 storage Methods 0.000 claims description 20
- 230000008569 process Effects 0.000 claims description 16
- 238000003062 neural network model Methods 0.000 claims description 11
- 238000000605 extraction Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 3
- 239000013598 vector Substances 0.000 claims description 3
- 230000006870 function Effects 0.000 description 20
- 238000012986 modification Methods 0.000 description 15
- 230000004048 modification Effects 0.000 description 15
- 239000000155 melt Substances 0.000 description 12
- 238000002347 injection Methods 0.000 description 10
- 239000007924 injection Substances 0.000 description 10
- 239000004033 plastic Substances 0.000 description 7
- 229920003023 plastic Polymers 0.000 description 7
- 230000002829 reductive effect Effects 0.000 description 6
- 230000015654 memory Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 4
- 238000000465 moulding Methods 0.000 description 4
- 239000002245 particle Substances 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- -1 polyethylene Polymers 0.000 description 3
- 230000008439 repair process Effects 0.000 description 3
- KAKZBPTYRLMSJV-UHFFFAOYSA-N Butadiene Chemical compound C=CC=C KAKZBPTYRLMSJV-UHFFFAOYSA-N 0.000 description 2
- 208000015943 Coeliac disease Diseases 0.000 description 2
- 229920002292 Nylon 6 Polymers 0.000 description 2
- 239000004743 Polypropylene Substances 0.000 description 2
- PPBRXRYQALVLMV-UHFFFAOYSA-N Styrene Chemical compound C=CC1=CC=CC=C1 PPBRXRYQALVLMV-UHFFFAOYSA-N 0.000 description 2
- 229920000122 acrylonitrile butadiene styrene Polymers 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000012512 characterization method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000001816 cooling Methods 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012856 packing Methods 0.000 description 2
- 229920001155 polypropylene Polymers 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 239000000243 solution Substances 0.000 description 2
- 229920001169 thermoplastic Polymers 0.000 description 2
- 239000004416 thermosoftening plastic Substances 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- NLHHRLWOUZZQLW-UHFFFAOYSA-N Acrylonitrile Chemical compound C=CC#N NLHHRLWOUZZQLW-UHFFFAOYSA-N 0.000 description 1
- 239000004698 Polyethylene Substances 0.000 description 1
- 239000004793 Polystyrene Substances 0.000 description 1
- 208000031294 Upper limb fractures Diseases 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 1
- 229910052782 aluminium Inorganic materials 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 239000000084 colloidal system Substances 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000012847 fine chemical Substances 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000011031 large-scale manufacturing process Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000002844 melting Methods 0.000 description 1
- 230000008018 melting Effects 0.000 description 1
- 239000007769 metal material Substances 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- 239000012778 molding material Substances 0.000 description 1
- 238000010137 moulding (plastic) Methods 0.000 description 1
- 229920001707 polybutylene terephthalate Polymers 0.000 description 1
- 229920000573 polyethylene Polymers 0.000 description 1
- 239000002861 polymer material Substances 0.000 description 1
- 229920002223 polystyrene Polymers 0.000 description 1
- 229920000915 polyvinyl chloride Polymers 0.000 description 1
- 239000004800 polyvinyl chloride Substances 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 229910001220 stainless steel Inorganic materials 0.000 description 1
- 239000010935 stainless steel Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 229920001897 terpolymer Polymers 0.000 description 1
- 229920001187 thermosetting polymer Polymers 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
- B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
- B29C45/00—Injection moulding, i.e. forcing the required volume of moulding material through a nozzle into a closed mould; Apparatus therefor
- B29C45/14—Injection moulding, i.e. forcing the required volume of moulding material through a nozzle into a closed mould; Apparatus therefor incorporating preformed parts or layers, e.g. injection moulding around inserts or for coating articles
- B29C45/14008—Inserting articles into the mould
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
- B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
- B29C45/00—Injection moulding, i.e. forcing the required volume of moulding material through a nozzle into a closed mould; Apparatus therefor
- B29C45/17—Component parts, details or accessories; Auxiliary operations
- B29C45/76—Measuring, controlling or regulating
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Mechanical Engineering (AREA)
- Injection Moulding Of Plastics Or The Like (AREA)
Abstract
本说明书实施例提供一种注塑成型工艺参数优化的方法，该方法包括获取初始注塑工艺参数，其中，初始注塑工艺参数包括初始熔体温度、初始模具温度和初始保压压力中的至少一种；基于初始注塑工艺参数，确定模具修正参数；以及基于模具修正参数，对初始注塑工艺参数进行优化，得到注塑工艺参数。
Description
技术领域
本说明书涉及嵌件注塑域，特别涉及一种注塑成型工艺参数优化的方法和系统。
背景技术
嵌件注塑模具在生产中广泛使用，但是如果漏放嵌件轻则产品报废，重则损伤模具耽误生产。因此检测漏放五金一直是嵌件注塑模具需要面对的难题。现有技术的检测嵌件漏放机构，主要是通过人工观察或者CCD相机检测。人工观察在小批生产时尚可应付，但在规模量产时难免有疏漏；CCD相机检测不会存在漏检，但每次切换模具生产新产品时都需要重新调试，另外CCD相机需要额外的安装和维护成本。
因此，有必要提出一种注塑成型工艺参数优化的方法，可以减少不必要的停机维修和人工投入，提高生产效率。
发明内容
本说明书实施例之一提供一种注塑成型工艺参数优化的方法，所述方法包括：获取初始注塑工艺参数，其中，所述初始注塑工艺参数包括初始熔体温度、初始模具温度和初始保压压力中的至少一种；基于所述初始注塑工艺参数，确定模具修正参数；以及基于所述模具修正参数，对所述初始注塑工艺参数进行优化，得到注塑工艺参数。
本说明书实施例之一提供一种注塑成型工艺参数优化的系统，所述系统包括：获取模块，用于获取初始注塑工艺参数，其中，所述初始注塑工艺参数包括初始熔体温度、初始模具温度和初始保压压力中的至少一种；确定模块，用于基于所述初始注塑工艺参数，确定模具修正参数；以及优化模块，用于基于所述模具修正参数，对所述初始注塑工艺参数进行优化，得到注塑工艺参数。
本说明书实施例之一提供一种注塑成型工艺参数优化的装置，包括至少一个存储介质和至少一个处理器，所述至少一个存储介质用于存储计算机指令；所述至少一个处理器用于执行所述计算机指令以实现所述注塑成型工艺参数优化的方法。
本说明书实施例之一提供一种计算机可读存储介质，所述存储介质存储计算机指令，当所述计算机指令被处理器执行时实现所述注塑成型工艺参数优化的方法。
附图说明
本说明书将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：
图1是根据本说明书一些实施例所示的注塑成型工艺参数优化系统的应用场景示意图；
图2是根据本说明书一些实施例所示的注塑成型工艺参数优化方法的示例性流程图；
图3是根据本说明书一些实施例所示的基于初始注塑工艺参数确定模具修正参数方法的示例性流程图；
图4是根据本说明书一些实施例所示的根据初始注塑工艺参数和真实数据确定模具修正参数方法的示例性流程图；
图5是根据本说明书一些实施例所示的注塑成型工艺参数优化方法的示例性示意图。
具体实施方式
为了更清楚地说明本说明书实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本说明书的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。
应当理解，本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。
如本说明书和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。
本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。
图1是根据本说明书一些实施例所示的注塑成型工艺参数优化系统的应用场景示意图。
注塑成型工艺是指有一定形状的模型，通过压力将融熔状态的胶体注入模腔而成型，工艺原理是将固态的塑胶按照一定的熔点融化，通过注塑机器的压力，用一定的速度注入模具内，模具通过水道冷却将塑胶固化而得到与设计模腔一致的产品。
注塑成型过程一般包括加料、塑化、注塑、冷却、脱模。本说明书描述的注塑成型工艺参数优化方法应用于注塑成型过程。在注塑成型过程中，可以对存在问题的注塑工艺参数进行优化，存在的问题可以包括但不限于：对于熔体温度：若熔体温度过高，会导致粘度低，剪切应力降低，取向度减小，若熔体温度过高；对于模具温度：若模具温度过高，则导致成型周期长，脱模后翘曲变形，影响尺寸精度，若模具温度过低，则导致产生较大内应力，开裂，表面质量下降；对于保压压力：若保压压力太小，则起不到补料的作用，若保压压力太大，则易产生内应力，使制品脱模困难。
仅作为示例，如图1所示，注塑成型工艺参数优化系统的应用场景可以包括材料110、注塑机120、网络130、存储设备140和计算系统150。系统100中的组件可以以各种方式连接。
材料110是指用于注塑的注塑性材料，可以包括但不限于ABS塑料、聚酰胺6、PBT、PC等高分子材料。材料110可以根据应用范围进行不同选择，例如，对于汽车（如仪表盘、车轮盖等）、电冰箱和电话机壳体，可以选择ABS塑料（丙烯腈、丁二烯和苯乙烯的三元共聚物），又例如，对于需要有很好的机械强度的结构部件，可以选择聚酰胺6。
注塑机120还可以称为注塑成型机或注塑机，是将热塑性塑料或热固性塑料利用塑料成型模具制成各种形状的塑料制品的主要成型设备，可以包括但不限于立式注塑机、卧式注塑机和全电式注塑机。在一些实施例中，注塑机120可以由固定模板、移动模板、拉杆、合模油缸、连杆机构、调模机构以及制品退出机构等组成。
注塑机120可以包括模具120-1。在一些实施例中，模具120-1可以位于注塑机120上的立柱之间。在一些实施例中，模具120-1可以通过螺钉固定在注塑机120上，也可以通过压板（如自动压板）固定在注塑机120上。
网络130可以用于促进信息和/或数据的交换。在一些实施例中，场景100中的一个或多个组件、可以通过网络130向/从场景100中的其他组件发送和/或接收信息和/或数据。在一些实施例中，网络130可以为任意形式的有线或无线网络或其任意组合。仅作为示例，网络130可以包括缆线网络、有线网络、光纤网络、远程通信网络、内部网络、互联网、局域网（LAN）、广域网（WAN）、无线局域网（WLAN）、城域网（MAN）、公共交换电话网络（PSTN）、蓝牙网络、紫蜂网络、近场通讯（NFC）网络、全球移动通讯系统（GSM）网络、码分多址（CDMA）网络、时分多址（TDMA）网络、通用分组无线服务（GPRS）网络、增强数据速率GSM演进（EDGE）网络、宽带码分多址接入（WCDMA）网络、高速下行分组接入（HSDPA）网络、长期演进（LTE）网络、用户数据报协议（UDP）网络、传输控制协议/互联网协议（TCP/IP）网络、短讯息服务（SMS）网络、无线应用协议（WAP）网络、超宽带（UWB）网络、移动通信（1G、2G、3G、4G、5G）网络、Wi-Fi、Li-Fi、窄带物联网（NB-IoT）等或其任意组合。
在一些实施例中，网络130可以包括一个或以上网络接入点。例如，网络130可以包括有线或无线网络接入点（例如，基站和/或网际网络交换点130-1、130-2、…），通过这些接入点，场景100的一个或以上组件可以通过其连接到网络130以交换数据和/或信息。
在一些实施例中，存储设备140可以包括大容量存储器、可移动存储器、随机存储器（RAM）、只读存储器（ROM）等或其任意组合。示例性的大容量储存器可以包括磁盘、光盘、固态磁盘等。示例性可移动存储器可以包括闪存驱动器、软盘、光盘、存储卡、压缩盘、磁带等。示例性随机存储器可包括动态RAM（DRAM）、双倍速率同步动态RAM（DDR SDRAM）、静态RAM（SRAM）、闸流体RAM（T-RAM）、零电容RAM（Z-RAM）等。示例性只读存储器可以包括掩模ROM（MROM）、可编程ROM（PROM）、可擦除可编程ROM（PEROM）、电子可擦除可编程ROM（EEPROM）、光盘ROM（CD-ROM）、数字通用磁盘ROM等。在一些实施例中，存储设备140可以通过云平台实现。仅作为示例，云平台可以包括私有云、公共云、混合云、社区云、分布云、内部云、多层云等或其任意组合。
在一些实施例中，存储设备140可以连接到网络130以与场景100中的一个或以上组件通信。场景100中的一个或以上组件可以通过网络130访问存储设备140中存储的数据或指令。在一些实施例中，存储设备140可以与场景100中的一个或以上组件直接连接或通信。
计算系统150可以处理从存储设备140获取的数据和/或信息。例如，计算系统150可以从存储设备140获取初始注塑工艺参数，并基于初始注塑工艺参数确定模具修正参数。在一些实施例中，计算系统150可以处理与注塑机120相关的信息和/或数据以执行本说明书描述的一个或多个功能。在一些实施例中，计算系统150可以是单个的服务器或者服务器群。服务器群可以是集中式的或分布式的（例如，计算系统150可以是分布式系统）。在一些实施例中，计算系统150可以是本地的或远程的。例如，计算系统150通过网络130访问存储在存储设备140中的信息和/或数据。再例如，计算系统150可以直接连接到存储设备140以访问存储的信息和/或数据。在一些实施例中，计算系统150可以通过云平台实现。仅作为示例，云平台可以包括私有云、公共云、混合云、社区云、分布云、云之间、多重云等或其任意组合。
在一些实施例中，计算系统150可以包括一个或多个计算系统150（例如，单核处理器或多核处理器）。仅作为示例，计算系统150可以包括一个或多个硬件处理器，例如，中央处理器（CPU）、专用集成电路（ASIC）、专用指令集处理器（ASIP）、图像处理器（GPU）、物理运算处理器（PPU）、数字信号处理器（DSP）、现场可编辑门阵列（FPGA）、可编辑逻辑器件（PLD）、控制器、微控制器单元、精简指令集计算机（RISC）、微处理器等或其任意组合。
需要注意的是，上述对于注塑成型工艺参数优化系统的描述，仅为描述方便，并不能把本说明书限制在所举实施例范围之内。可以理解，对于本领域的技术人员来说，在了解该系统的原理后，可能在不背离这一原理的情况下，对各个组件进行任意组合，或者构成子系统与其他组件连接。
图2是根据本说明书一些实施例所示的注塑成型工艺参数优化方法的示例性流程图。
在一些实施例中，流程200可以包括以下步骤。
步骤210，获取初始注塑工艺参数，其中，初始注塑工艺参数包括初始熔体温度、初始模具温度和初始保压压力中的至少一种。在一些实施例中，步骤210可以通过获取模块执行。
初始注塑工艺参数是指尚未优化的注塑工艺参数。在一些实施例中，初始注塑工艺参数可以包括初始熔体温度、初始模具温度和初始保压压力中的至少一种。初始熔体温度是指尚未优化的熔体温度，熔体温度是指熔体注塑时的温度，如258℃。初始模具温度是指尚未优化的模具温度，模具温度是指注塑过程中模具的温度，如85℃。初始保压压力是指尚未优化的保压压力，保压压力是指塑件收缩后补缩时给型腔施加的压力，具体的，塑件冷却固化时，密度变大，体积收缩，为了得到完整的塑件需要对型腔进行补缩，因此需要对型腔施加一定的保压压力，如150MPa。
在一些实施例中，获取模块可以基于材料信息和模具信息中的至少一种，通过初始参数确定模型获取所述初始注塑工艺参数。具体的，获取模块可以基于材料信息确定初始熔体温度和初始模具温度，基于模具信息确定初始保压压力。
在一些实施例中，材料信息可以包括但不限于材料类型、材料成分、材料热传导系数、材料粒径大小等。材料类型可以包括但不限于高分子材料、金属材料、精细化学品等。材料成分可以包括但不限于聚乙烯、聚丙烯、聚氯乙稀、聚苯乙烯等。热传导系数与材料的结构、密度、湿度、温度、压力等因素有关，不同材料的热传导系数不相同，例如，铝的热传导系数为230W/m ·K，不锈钢的热传导系数为16W/m ·K。材料粒径大小是指球形材料颗粒的直径，也称为粒度，如2.37μm、40μm等。
在一些实施例中，模具信息可以包括但不限于制品流长、制品壁厚、制品流长比、制品重量、浇口数量、流道长度、流道重量、投影面积、水路数量、单位流量等。制品流长比是指制品熔体流动的长度。制品壁厚取决于制品需要承受的外力，基于选用的制品材料而定，例如，热塑性塑料壁厚可以为4mm。制品流长比是指制品熔体流动的长度与壁厚的比值，例如，聚丙烯的流长比为250。浇口是指熔体流入模具型腔的最后通道，浇口的位置、形式和数量影响制品的质量和模具的结构。
在一些实施例中，初始参数确定模型是指用于确定初始注塑工艺参数的模型。在一些实施例中，初始参数确定模型可以包括神经网络模型（Neural Networks，NN）。具体的，初始参数确定模型可以包括特征提取层和判断层，其中特征提取层用于基于材料信息和模具信息中的至少一种，获取初始注塑工艺参数特征，判断层用于基于初始注塑工艺参数特征，判断初始注塑工艺参数。在一些实施例中，判断层的参数可以通过训练模具误差特征模型获得。关于模具误差特征模型的描述可以参见图3，在此不再赘述。
在一些实施例中，初始参数确定模型可以通过多个有标签的训练样本训练得到。例如，可以将多个带有标签的训练样本输入初始注塑工艺参数模型，通过标签和初始注塑工艺参数模型的结果构建损失函数，基于损失函数迭代更新初始注塑工艺参数模型的参数。当初始注塑工艺参数模型的损失函数满足预设条件时模型训练完成，得到训练好的注塑工艺参数模型。其中，预设条件可以是损失函数收敛、迭代的次数达到阈值等。
在一些实施例中，训练样本可以包括样本制品的注塑工艺参数，其中样本制品可以包括满足质量要求的制品。标签可以表征样本制品的注塑工艺参数，如熔体温度、模具温度和保压压力。标签可以基于历史制品的注塑工艺参数记录生成，标签也可以人工标注。
在一些实施例中，材料信息和模具信息中的至少一种的取值范围可以与制品的材料类型相对应，获取模块可以通过检索储存材料信息和模具信息中的至少一种的数据库获取初始注塑工艺参数。在一些实施例中，获取模块可以基于其他工艺参数，从数据库中根据材料类型和模具信息进行相似度查询获取初始注塑工艺参数，其中，其他工艺参数可以包括但不限于注塑速率、保压时间和冷却时间的取值范围等。在一些实施例中，获取模块可以通过操作人员根据操作经验获取初始注塑工艺参数。在一些实施例中，获取模块还可以通过读取注塑机的历史记录获取初始注塑工艺参数。
步骤220，基于初始注塑工艺参数，确定模具修正参数。在一些实施例中，步骤220可以通过确定模块执行。
在一些实施例中，确定模块可以基于初始注塑工艺参数，确定模具修正参数。具体的，确定模块可以基于初始注塑工艺参数和真实数据，通过模具误差特征模型确定模具误差特征，其中，真实数据可以包括真实熔体温度、真实模具温度和真实保压压力中的至少一种，然后基于模具误差特征，通过模具修正模型确定模具修正参数。关于基于初始注塑工艺参数确定模具修正参数的描述可以参见图3，在此不再赘述。
在一些实施例中，确定模块还可以基于初始注塑工艺参数和注塑机相关信息，通过注塑机误差模型确定所述真实数据，然后根据初始注塑工艺参数和真实数据，确定模具修正参数。关于根据初始注塑工艺参数和真实数据确定模具修正参数的描述可以参见图4，在此不再赘述。
步骤230，基于模具修正参数，对初始注塑工艺参数进行优化，得到注塑工艺参数。在一些实施例中，步骤230可以通过优化模块执行。
在一些实施例中，注塑工艺参数是指基于模具修正参数对初始注塑工艺参数进行相应修正后的注塑工艺参数。在一些实施例中，注塑工艺参数可以包括注塑熔体温度、注塑模具温度和注塑保压压力中的至少一种。注塑熔体温度是指基于模具修正参数对初始熔体温度进行相应修正后的注塑熔体温度；注塑模具温度是指基于模具修正参数对初始模具温度进行相应修正后的注塑模具温度；注塑保压压力是指基于模具修正参数对初始保压压力进行相应修正后的注塑保压压力。
在一些实施例中，优化模块可以基于模具修正参数，对初始注塑工艺参数进行优化，得到注塑工艺参数。例如，初始熔体温度为278℃，模具修正参数为降低熔体温度10℃，由此在初始熔体温度的基础上降低10℃，得到优化后的熔体温度278-10=268℃，作为注塑熔体温度。
通过对初始注塑工艺参数进行优化得到优化后的注塑工艺参数，可以改善在注塑成型过程中可能存在的模具注塑问题。例如，在初始熔体温度过高时，可以通过降低熔体温度来对熔体温度进行优化，由此改善可能存在的粘度低，剪切应力降低，取向度减小等模具注塑问题。又例如，在初始模具温度过低时，可以通过增加模具温度来对模具温度进行优化，由此改善可能存在的较大内应力，开裂，表面质量下降等模具注塑问题。
应当注意的是，上述有关流程200的描述仅仅是为了示例和说明，而不限定本说明书的适用范围。对于本领域技术人员来说，在本说明书的指导下可以对流程200进行各种修正和改变。然而，这些修正和改变仍在本说明书的范围之内。
图3是根据本说明书一些实施例所示的基于初始注塑工艺参数确定模具修正参数方法的示例性流程图。
在一些实施例中，流程300可以包括以下步骤。
步骤310，基于初始注塑工艺参数和真实数据，通过模具误差特征模型确定模具误差特征，其中，真实数据包括真实熔体温度、真实模具温度和真实保压压力中的至少一种。在一些实施例中，步骤310可以通过确定模块执行。
在一些实施例中，真实数据是指实际的数据，真实数据可以包括真实熔体温度、真实模具温度和真实保压压力中的至少一种。真实熔体温度是指实际的熔体温度，如278℃。真实模具温度是指实际的模具温度，如95℃。真实保压压力是指实际的保压压力，如130MPa。
在一些实施例中，确定模块可以通过内嵌在模具中的传感器获取真实数据，其中传感器可以是温度传感器和压力传感器的组合型传感器，也可以是独立的温度传感器和压力传感器，温度传感器可以包括但不限于数字温度传感器、电热偶温度传感器、热电堆红外温度传感器等，压力传感器可以包括但不限于板装式压力传感器、介质隔离压力传感器等。
在一些实施例中，确定模块可以基于初始注塑工艺参数和真实数据，通过模具误差特征模型确定模具误差特征。注塑机自身存在的误差问题（如射胶量不稳定、半自动时顶针失控、液压限位超过行程等）可能导致模具存在误差特征，例如，熔体温度、模具温度和保压压力中的至少一种过高过低。
在一些实施例中，模具误差特征模型可以包括神经网络模型，确定模块可以利用神经网络模型处理初始注塑工艺参数和真实数据，得到模具误差特征。具体的，将初始注塑工艺参数和真实数据输入模具误差特征模型，通过模具误差特征模型的输出层或某隐层获取模具误差嵌入向量表示，得到模具误差特征。
在一些实施例中，模具误差特征模型可以通过多个有标签的训练样本训练得到。例如，可以将多个带有标签的训练样本输入模具误差特征模型，通过标签和模具误差特征模型的结果构建损失函数，基于损失函数迭代更新模具误差特征模型的参数。当模具误差特征模型的损失函数满足预设条件时模型训练完成，得到训练好的模具误差特征模型。其中，预设条件可以是损失函数收敛、迭代的次数达到阈值等。
在一些实施例中，模具误差特征模型的训练方式可以包括：以同一注塑机下的多个模具的初始注塑工艺参数及其对应的真实数据为训练样本，将多个初始注塑工艺参数及其对应的真实数据进行分组，通过模具误差特征模型判断每组数据是否来自同一模具。进一步地，将同一模具的同一组初始注塑工艺参数及其对应的真实数据分别输入两个具有相同参数的模具误差特征模型，其中参数可以是随机选取的，也可以是人工设定的，然后将两个模具误差特征模型输出的模具误差特征输入一个神经网络模型判断两个输出结果是否一致。通过上述方法训练模具误差特征模型，可以使模具误差特征模型较好地判断每组数据是否来自同一模具，由此得到的模具误差特征模型可以更准确地得到模具的误差特点。
在一些实施例中，模具误差特征模型的输出可以为初始参数确定模型的判断层的输入，模具误差特征模型的参数可以通过训练初始参数确定模型获得。
在一些实施例中，可以向模具误差特征模型输入训练样本数据，即样本初始注塑工艺参数和样本真实数据，得到模具误差特征模型输出的模具误差特征，然后将模具误差特征作为训练样本数据，和材料信息和模具信息中的至少一种输入初始参数确定模型，得到初始参数确定模型输出的初始注塑工艺参数，使用样本初始注塑工艺参数对初始参数确定模型的输出进行验证，利用神经网络模型的反向传播特性，得到模具误差特征模型输出的模具误差特征的验证数据，使用该模具误差特征的验证数据作为标签对模具误差特征模型进行训练。关于初始参数确定模型的描述可以参见图2。
在一些实施例中，确定模块可以基于大量有标签的训练样本训练初始参数确定模型和初始模具误差特征模型。具体地，将样本初始注塑工艺参数和样本真实数据输入初始模具误差特征模型，将材料信息和模具信息中的至少一种输入初始参数确定模型，初始模具误差特征模型的输出作为初始参数确定模型的输入，基于样本初始注塑工艺参数和初始模具误差特征模型的输出建立损失函数对模型的参数进行更新，并基于损失函数同时迭代更新初始参数确定模型和模具误差特征模型的参数，直到预设条件被满足训练完成。其中，预设条件可以是损失函数小于阈值、收敛，或训练周期达到阈值。
通过上述训练方式获得模具误差特征模型的参数，在一些情况下有利于解决单独训练模具误差特征模型时难以获得标签的问题，还可以使模具误差特征模型能较好地得到反映模具的误差特征。
步骤320，基于模具误差特征，通过模具修正模型确定模具修正参数。在一些实施例中，步骤320可以通过确定模块执行。
在一些实施例中，确定模块可以基于模具误差特征，通过模具修正模型确定模具修正参数。
在一些实施例中，模具修正参数是指根据注塑用模具的自身特点而对初始注塑工艺参数进行补偿的参数。模具修正参数可以包括修正熔体温度、模具温度和保压压力中的至少一种，例如，降低熔体温度10℃，又例如，增加模具温度20℃以及减少保压压力30MPa。
在一些实施例中，模具修正模型可以包括神经网络模型，确定模块可以利用神经网络模型处理模具误差特征，得到模具修正参数。具体的，将模具误差特征输入模具修正模型，通过模具修正模型的输出层或某隐层得到模具修正参数。
在一些实施例中，模具修正模型可以通过多个有标签的训练样本训练得到。例如，可以将多个带有标签的训练样本输入初始模具修正模型，通过标签和初始模具修正模型的结果构建损失函数，基于损失函数迭代更新初始模具修正模型的参数。当初始模具修正模型的损失函数满足预设条件时模型训练完成，得到训练好的模具修正模型。其中，预设条件可以是损失函数收敛、迭代的次数达到阈值等。
在一些实施例中，训练样本可以包括样本模具误差特征，其中样本模具可以包括存在误差问题的模具。标签可以表征样本模具的修正参数，例如，降低熔体温度10℃，又例如，增加模具温度20℃以及减少保压压力30MPa。标签可以通过人工设定，例如，人工根据制品的质量结果确定需要修正的参数值。
由于所使用的注塑机自身可能存在误差问题，因此基于真实数据确定模具修正参数可以排除由于注塑机自身产生的影响。通过模型的方式可以学习模具内熔体温度、模具温度和保压压力的误差特征而非特定值，可以更加准确地确定模具修正参数。
应当注意的是，上述有关流程300的描述仅仅是为了示例和说明，而不限定本说明书的适用范围。对于本领域技术人员来说，在本说明书的指导下可以对流程300进行各种修正和改变。然而，这些修正和改变仍在本说明书的范围之内。
图4是根据本说明书一些实施例所示的根据初始注塑工艺参数和真实数据确定模具修正参数方法的示例性流程图。
在一些实施例中，流程400可以包括以下步骤。
步骤410，基于初始注塑工艺参数和注塑机相关信息，通过注塑机误差模型确定真实数据。在一些实施例中，步骤410可以通过优化模块执行。
在一些实施例中，注塑机相关信息可能导致模具存在误差特征，例如，熔体温度、模具温度和保压压力中的至少一种过高过低。注塑机相关信息可以包括但不限于注塑机的使用时长、注塑机的使用期限、注塑机的维修数据等。注塑机的使用时长是指注塑机已经使用的时长，例如，3年、5年。注塑机的使用年限是指注塑机最大可以使用的时长，例如，8年、10年。注塑机的维修数据可以包括但不限于故障原因（如断肘柱）、维修方法（如换肘柱）、维修情况（如正常）等。
在一些实施例中，优化模块可以基于初始注塑工艺参数和注塑机相关信息，通过注塑机误差模型确定真实数据。
在一些实施例中，优化模块还可以基于注塑工艺参数和注塑机相关信息，通过注塑机误差模型，确定真实数据。其中注塑工艺参数是指基于模具修正参数对注塑工艺参数进行优化后得到的注塑工艺参数。
在一些实施例中，注塑机误差模型可以包括神经网络模型。在一些实施例中，注塑机误差模型可以通过多个有标签的训练样本训练得到。例如，可以将多个带有标签的训练样本输入初始注塑机误差模型，通过标签和初始注塑机误差模型的结果构建损失函数，基于损失函数迭代更新初始注塑机误差模型的参数。当初始注塑机误差模型的损失函数满足预设条件时模型训练完成，得到训练好的注塑机误差模型。其中，预设条件可以是损失函数收敛、迭代的次数达到阈值等。
在一些实施例中，训练样本可以包括样本初始注塑工艺参数和样本注塑机相关信息。在一些实施例中，训练样本可以通过设置于注塑机上的传感器获取。标签可以表征样本初始注塑工艺参数和样本注塑机相关信息所对应的真实数据，如真实熔体温度、真实模具温度和真实保压压力。标签可以是基于传感器获取的真实数据。
步骤420，根据初始注塑工艺参数和真实数据，确定模具修正参数。在一些实施例中，步骤420可以通过优化模块执行。
在一些实施例中，优化模块可以根据初始注塑工艺参数和真实数据，确定模具修正参数。
在一些实施例中，模具修正参数可以包括根据注塑机的自身特点而对真实数据进行优化的参数。模具修正参数可以包括修正真实熔体温度、修正真实模具温度和修正真实保压压力中的至少一种，例如，降低真实熔体温度10℃，又例如，增加真实模具温度20℃以及减少真实保压压力30MPa。
在一些实施例中，优化模块可以对传感器获取的表征真实数据的标签进行修正，得到模具修正参数（如降低真实熔体温度10℃、增加真实模具温度20℃以及减少真实保压压力30MPa），然后基于该模具修正参数对标签进行修正。例如，基于传感器获取的真实模具温度为278℃，通过注塑机误差模型确定的真实模具温度为298℃，则模具修正参数为增加真实模具温度298-278=20℃，并且将对应的标签由278℃改为298℃。
通过对传感器获取的真实数据进行修正，可以排除所使用的模具的影响，提高了优化注塑工艺参数的精准度。
应当注意的是，上述有关流程400的描述仅仅是为了示例和说明，而不限定本说明书的适用范围。对于本领域技术人员来说，在本说明书的指导下可以对流程400进行各种修正和改变。然而，这些修正和改变仍在本说明书的范围之内。
图5是根据本说明书一些实施例所示的注塑成型工艺参数优化方法的示例性示意图。
如图5所示，将材料信息和模具信息作为初始参数确定模型510的输入，得到初始注塑工艺参数，其中材料信息、模具信息和初始注塑工艺参数的具体说明参见图2，此处不再赘述。
具体地，该初始参数确定模型510包括依次连接的特征提取层5101和判断层5102。其中，将材料信息和模具信息作为特征提取层5101的输入，得到初始注塑工艺参数特征，该初始注塑工艺参数特征作为判断层5102的输入，得到初始注塑工艺参数。
然后，将初始注塑工艺参数和真实数据作为模具误差特征模型520的输入，得到模具误差特征，其中真实数据和模具误差特征可以参见图3，此处不再赘述。还可以将初始注塑工艺参数和注塑机相关信息作为注塑机误差模型530的输入，得到真实数据，其中注塑机相关信息的具体说明参见图5，此处不再赘述。
另外，将模具误差特征作为模具修正模型540的输入，得到模具修正参数，其中模具修正参数可以参见图3，此处不再赘述。
然后，根据初始注塑工艺参数和模具修正参数，得到注塑工艺参数。具体地，根据模具修正参数对初始注塑工艺参数进行优化，得到注塑工艺参数。
本说明书实施例可能带来的有益效果包括但不限于：（1）在优化初始注塑工艺参数过程中，结合了模具自身的误差特征，提高了参数优化的准确度；（2）在获得修正参数时，还结合和注塑机的相关信息，提高了参数优化的准确性；（3）通过传感器获得的真实数据可能会受到注塑机自身的影响，通过模型获得真实数据可以排除相关影响，使数据更准确。
上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本说明书的限定。虽然此处并没有明确说明，本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议，所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。
同时，本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外，除非权利要求中明确说明，本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。
同理，应当注意的是，为了简化本说明书披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本说明书实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有±20%的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。
针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外，对本说明书权利要求最广范围有限制的文件（当前或之后附加于本说明书中的）也除外。需要说明的是，如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方，以本说明书的描述、定义和/或术语的使用为准。
最后，应当理解的是，本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此，作为示例而非限制，本说明书实施例的替代配置可视为与本说明书的教导一致。相应地，本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。
Claims (8)
1.一种注塑成型工艺参数优化的方法，所述方法包括：
获取初始注塑工艺参数，其中，所述初始注塑工艺参数包括初始熔体温度、初始模具温度和初始保压压力中的至少一种；
基于模具误差特征，通过模具修正模型确定模具修正参数，所述模具误差特征基于模具误差特征模型对初始注塑工艺参数和真实数据处理得到，所述模具误差特征为嵌入向量；其中，所述真实数据包括真实熔体温度、真实模具温度和真实保压压力中的至少一种，其中，所述模具误差特征模型基于多个有标签的训练样本训练得到，所述训练样本为同一注塑机下的多个模具对应的多个初始注塑工艺参数及其对应的真实数据，训练过程包括：
将所述多个初始注塑工艺参数及其对应的真实数据进行分组，分组后得到的每组包括两个所述训练样本；
通过所述模具误差特征模型判断每组中两个所述训练样本是否来自同一模具，其中，所述通过所述模具误差特征模型判断每组中两个所述训练样本是否来自同一模具包括：
将来自同一模具的组中两个所述训练数据分别输入两个具有相同参数的所述模具误差特征模型，将两个所述模具误差特征模型输出的模具误差特征输入一个神经网络模型，所述神经网络模型判断两个所述训练数据是否来自同一模具；
基于所述标签和判断结果构建损失函数，基于所述损失函数迭代更新所述模具误差特征模型的参数，当所述损失函数满足预设条件，则训练完成；以及
基于所述模具修正参数，对所述初始注塑工艺参数进行优化，得到注塑工艺参数。
2.如权利要求1所述的方法，所述获取初始注塑工艺参数包括：
基于材料信息和模具信息中的至少一种，通过初始参数确定模型确定所述初始注塑工艺参数；其中，
所述初始参数确定模型包括特征提取层和判断层；
所述特征提取层基于所述材料信息和所述模具信息中的至少一种，获取初始注塑工艺参数特征；
所述判断层基于所述初始注塑工艺参数特征，判断所述初始注塑工艺参数。
3.如权利要求1所述的方法，所述方法还包括：
基于所述初始注塑工艺参数和注塑机相关信息，通过注塑机误差模型确定所述真实数据；
根据所述初始注塑工艺参数和所述真实数据，确定所述模具修正参数。
4.一种注塑成型工艺参数优化的系统，所述系统包括：
获取模块，用于获取初始注塑工艺参数，其中，所述初始注塑工艺参数包括初始熔体温度、初始模具温度和初始保压压力中的至少一种；
确定模块，用于基于模具误差特征，通过模具修正模型确定模具修正参数，所述模具误差特征基于模具误差特征模型对初始注塑工艺参数和真实数据处理得到，所述模具误差特征为嵌入向量；其中，所述真实数据包括真实熔体温度、真实模具温度和真实保压压力中的至少一种，其中，所述模具误差特征模型基于多个有标签的训练样本训练得到，所述训练样本为同一注塑机下的多个模具对应的多个初始注塑工艺参数及其对应的真实数据，训练过程包括：
将所述多个初始注塑工艺参数及其对应的真实数据进行分组，分组后得到的每组包括两个所述训练样本；
通过所述模具误差特征模型判断每组中两个所述训练样本是否来自同一模具，其中，所述通过所述模具误差特征模型判断每组中两个所述训练样本是否来自同一模具包括：
将来自同一模具的组中两个所述训练数据分别输入两个具有相同参数的所述模具误差特征模型，将两个所述模具误差特征模型输出的模具误差特征输入一个神经网络模型，所述神经网络模型判断两个所述训练数据是否来自同一模具；
基于所述标签和判断结果构建损失函数，基于所述损失函数迭代更新所述模具误差特征模型的参数，当所述损失函数满足预设条件，则训练完成；以及
优化模块，用于基于所述模具修正参数，对所述初始注塑工艺参数进行优化，得到注塑工艺参数。
5.如权利要求4所述的系统，所述获取模块包括：
基于材料信息和模具信息中的至少一种，通过初始参数确定模型确定所述初始注塑工艺参数；其中，
所述初始参数确定模型包括特征提取层和判断层；
所述特征提取层基于所述材料信息和所述模具信息中的至少一种，获取初始注塑工艺参数特征；
所述判断层基于所述初始注塑工艺参数特征，判断所述初始注塑工艺参数。
6.如权利要求4所述的系统，所述确定模块还包括：
基于所述初始注塑工艺参数和注塑机相关信息，通过注塑机误差模型确定所述真实数据；
根据所述初始注塑工艺参数和所述真实数据，确定所述模具修正参数。
7.一种注塑成型工艺参数优化的装置，包括至少一个存储介质和至少一个处理器，所述至少一个存储介质用于存储计算机指令；所述至少一个处理器用于执行所述计算机指令以实现如权利要求1~3任一项所述的方法。
8.一种计算机可读存储介质，其特征在于，所述存储介质存储计算机指令，当所述计算机指令被处理器执行时实现如权利要求1~3任意一项所述的方法。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111087599.3A CN113771289B (zh) | 2021-09-16 | 2021-09-16 | 一种注塑成型工艺参数优化的方法和系统 |
| CN202210924575.7A CN115230067B (zh) | 2021-09-16 | 2021-09-16 | 一种注塑成型工艺参数智能化确定方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111087599.3A CN113771289B (zh) | 2021-09-16 | 2021-09-16 | 一种注塑成型工艺参数优化的方法和系统 |
Related Child Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210924575.7A Division CN115230067B (zh) | 2021-09-16 | 2021-09-16 | 一种注塑成型工艺参数智能化确定方法和系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113771289A CN113771289A (zh) | 2021-12-10 |
| CN113771289B true CN113771289B (zh) | 2022-06-24 |
Family
ID=78851457
Family Applications (2)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210924575.7A Active CN115230067B (zh) | 2021-09-16 | 2021-09-16 | 一种注塑成型工艺参数智能化确定方法和系统 |
| CN202111087599.3A Active CN113771289B (zh) | 2021-09-16 | 2021-09-16 | 一种注塑成型工艺参数优化的方法和系统 |
Family Applications Before (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210924575.7A Active CN115230067B (zh) | 2021-09-16 | 2021-09-16 | 一种注塑成型工艺参数智能化确定方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (2) | CN115230067B (zh) |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114035620B (zh) * | 2022-01-10 | 2022-04-01 | 南京欧诺智能装备有限公司 | 用于模温机的智能流量控制方法及系统 |
| CN114692483B (zh) * | 2022-02-14 | 2023-10-17 | 苏州欧匹希光电有限公司 | 一种导光板智能设计方法和系统 |
| CN114536700B (zh) * | 2022-02-28 | 2024-03-15 | 昆山缔微致精密电子有限公司 | 一种注塑模具加工辅助方法及系统 |
| CN114801050B (zh) * | 2022-04-26 | 2023-04-18 | 健大电业制品（昆山）有限公司 | 一种注塑机供料装置及其运行方法 |
| CN114986833B (zh) * | 2022-06-06 | 2023-03-31 | 健大电业制品（昆山）有限公司 | 一种动态调控的注塑方法、系统、装置及介质 |
| CN115965166B (zh) * | 2023-03-16 | 2023-05-23 | 昆山市恒达精密机械工业有限公司 | 一种塑胶产品生产工艺的优化方法及系统 |
| CN116579507B (zh) * | 2023-07-13 | 2024-01-12 | 东泰精密塑胶科技(深圳)有限公司 | 塑胶模具工艺参数的智能处理系统 |
| CN116787698B (zh) * | 2023-07-27 | 2024-08-20 | 九河精微塑胶工业(深圳)有限公司 | 一种用于实现双流道注塑的模具及注塑设备配合的工艺 |
| CN117574695B (zh) * | 2024-01-19 | 2024-05-14 | 深圳市京鼎工业技术股份有限公司 | 一种注塑模具仿真浇注方法、系统和介质 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112990480A (zh) * | 2021-03-10 | 2021-06-18 | 北京嘀嘀无限科技发展有限公司 | 构建模型的方法、装置、电子设备和存储介质 |
| WO2021164365A1 (zh) * | 2020-02-17 | 2021-08-26 | 支付宝(杭州)信息技术有限公司 | 图神经网络模型训练方法、装置及系统 |
Family Cites Families (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103737878B (zh) * | 2013-12-27 | 2014-12-31 | 华中科技大学 | 一种注塑缺陷在线修正方法及注塑机 |
| CN103914581B (zh) * | 2013-12-27 | 2015-03-04 | 华中科技大学 | 一种塑料注射成型工艺参数优化方法 |
| CN109159392A (zh) * | 2018-09-27 | 2019-01-08 | 科控工业自动化设备（上海）有限公司 | 一种注塑件模具工艺参数自动优化的方法及控制系统 |
| US11403535B2 (en) * | 2018-12-21 | 2022-08-02 | Industrial Technology Research Institute | Model-based machine learning system |
| CN111745924B (zh) * | 2019-03-27 | 2022-06-10 | 株式会社日立制作所 | 注射成形系统、成形条件修正系统以及注射成形方法 |
| CN112036504A (zh) * | 2020-09-15 | 2020-12-04 | 平安国际智慧城市科技股份有限公司 | 温度测量模型的训练方法、装置、设备及存储介质 |
| CN112950071B (zh) * | 2021-03-30 | 2022-07-08 | 北京瑞莱智慧科技有限公司 | 工艺参数调整模型的训练方法、工艺参数调整方法及装置 |
| CN112801558B (zh) * | 2021-04-07 | 2021-07-30 | 北京瑞莱智慧科技有限公司 | 一种工艺参数调节动作决策模型的优化方法以及装置 |
| CN113392474A (zh) * | 2021-05-10 | 2021-09-14 | 深圳市银宝山新科技股份有限公司 | 注塑模具模内参数修正方法、装置、存储介质及设备 |
-
2021
- 2021-09-16 CN CN202210924575.7A patent/CN115230067B/zh active Active
- 2021-09-16 CN CN202111087599.3A patent/CN113771289B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2021164365A1 (zh) * | 2020-02-17 | 2021-08-26 | 支付宝(杭州)信息技术有限公司 | 图神经网络模型训练方法、装置及系统 |
| CN112990480A (zh) * | 2021-03-10 | 2021-06-18 | 北京嘀嘀无限科技发展有限公司 | 构建模型的方法、装置、电子设备和存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115230067B (zh) | 2023-11-14 |
| CN113771289A (zh) | 2021-12-10 |
| CN115230067A (zh) | 2022-10-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113771289B (zh) | 一种注塑成型工艺参数优化的方法和系统 | |
| CN113843993A (zh) | 智能模具的生产控制方法、装置、设备及存储介质 | |
| CN101080717A (zh) | 注塑成形模拟装置以及注塑成形模拟方法 | |
| CN109822849B (zh) | 一种成型系统及其设定方法 | |
| US20210213662A1 (en) | Method for controlling a machine for processing plastics | |
| CN117592222B (zh) | 一种基于注塑模具的浇注仿真方法、系统和介质 | |
| CN114770891B (zh) | 一种注塑机异常分析方法及系统 | |
| CN117574695B (zh) | 一种注塑模具仿真浇注方法、系统和介质 | |
| CN102039653A (zh) | 一种模腔温度控制保压过程的方法 | |
| US20230093303A1 (en) | Method for adapting a component description of a workpiece to be produced with amorphous properties | |
| CN113524605B (zh) | 一种注塑机工艺参数设定方法及装置 | |
| Cao et al. | Design of an automobile injection mould based on automation technology | |
| CN110936574A (zh) | 一种注塑机工作状态判断方法 | |
| Yang et al. | Research on Optimization of Injection Molding Process Parameters of Automobile Plastic Front‐End Frame | |
| JP7411786B2 (ja) | 人工知能基盤の射出成形システムおよび射出成形システムでの成形条件生成方法 | |
| CN109932908B (zh) | 一种基于报警信度融合的多向主元分析过程监测方法 | |
| CN212446195U (zh) | 注塑模具注塑监控设备 | |
| Wang et al. | Optimization of Process Parameters for Vertical‐Faced Polypropylene Bottle Injection Molding | |
| CN115545367A (zh) | 注塑成型过程的异常监控方法、电子设备及存储介质 | |
| Krizsma et al. | Monitoring and modelling the deformation of an aluminium prototype mould insert under different injection moulding and clamping conditions | |
| CN105643891A (zh) | 一种注塑机开模路径优化方法 | |
| CN112677438B (zh) | 基于注塑成型和调机数据特征分段构造与筛选方法及系统 | |
| Jha et al. | Design methodology and analysis of double cavity metal-plastic-insert injection molding die for push board pin | |
| Kale et al. | A review of Injection moulding process on the basis of runner system and process variables | |
| CN114290631B (zh) | 汽车保险杠注塑试模工艺和检讨方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |