宋建 王文龙 李东 梁家睿

(1.华南理工大学 广东省高分子先进制造技术及装备重点实验室/聚合物成型加工工程教育部重点实验室，广东 广州 510640；2.金发科技股份有限公司 企业技术中心，广东 广州 510663)

注塑成型作为最常见的一种塑料制品加工工艺，其所加工的产品在生活中随处可见，例如电子产品、汽车配件、玩具以及其他众多消费品[1]。由于注塑成型过程较为复杂且对环境比较敏感，加工过程中的不稳定因素会导致不良品的产生，造成经济损失[2]。同时，现有的注塑件质量检测大多采用人工，存在效率低和用工成本高等问题[3]。因此，相关研究通过建立注塑成型大数据，运用机器学习方法分析建模，对注塑件质量进行在线预测，以解决甚至避免现场痛点问题。

文献[4]通过构建多棵回归树，对每棵回归树的预测值取平均，组合所有的回归树即构成随机森林，来预测汽车注塑件的成型质量。文献[5]通过建立三层反向传播(BP)神经网络，利用Moldflow正交试验所得工艺参数与翘曲量的数据作为训练样本对神经网络进行训练，建立预测薄壳注塑件翘曲量的模型。文献[6]通过BP神经网络和径向基函数(RBF)神经网络建立预测注塑产品翘曲量的模型，并将两者的预测精度进行比较，从而得到有效的预测模型。文献[7]利用提取的故障特征数据与极端梯度提升树(XGB)集成算法训练出注塑机注射油缸内泄漏故障的智能诊断模型，并利用粒子群优化算法完成超参数的寻优。……