注塑机成型工艺参数智能生成方法、装置、设备及介质与流程

本技术涉及注塑成型智能制造与工业人工智能，特别是涉及一种注塑机成型工艺参数智能生成方法、装置、设备及介质。

背景技术：

1、作为塑料制品生产的重要工艺，注塑成型广泛应用于家电、汽车、包装和工业零部件等场景，其包含的料筒温度、模具温度、注射速度和注射压力等工艺参数可直接影响制品尺寸精度、成型周期、能耗及缺陷发生率。

2、目前，相关技术中注塑机成型工艺参数主要依赖工艺人员的经验进行设定，试模次数较多，尤其是对于新产品、新材料、新模具或换机需求，开发过程耗时耗力，严重制约了生产效率。

技术实现思路

1、鉴于相关技术中的上述缺陷或不足，期望提供一种注塑机成型工艺参数智能生成方法、装置、设备及介质，能够自动生成满足工艺约束、质量要求和设备执行条件的注塑机成型工艺参数，提高生产效率。

2、第一方面，本技术提供一种注塑机成型工艺参数智能生成方法，所述注塑机成型工艺参数智能生成方法包括：

3、获取当前注塑任务对应的多源数据，并将所述多源数据编码为当前工况特征向量，所述多源数据包括产品结构数据、材料性能数据、模具结构数据、设备能力数据和生产目标数据；

4、将所述当前工况特征向量映射到预构建的注塑工艺知识图谱中，并通过预训练的图神经网络输出当前工况缺陷风险先验向量，以及将所述当前工况特征向量和所述当前工况缺陷风险先验向量输入预训练的条件扩散生成模型，获得多组候选成型工艺参数包；

5、对所述多组候选成型工艺参数包进行约束投影修正，并通过约束贝叶斯优化算法和预训练的质量预测模型从所述多组候选成型工艺参数包中筛选出目标成型工艺参数包，以及基于目标注塑机的控制器参数字典，将所述目标成型工艺参数包转换为所述目标注塑机的可执行成型工艺参数包。

6、可选地，本技术一些实施例中所述条件扩散生成模型在预训练阶段，通过逐步加入噪声，为第步加噪后的参数包，为噪声调度参数，为历史工况成功工艺参数包，为高斯噪声，并训练去噪网络，训练损失函数为，为历史工况特征向量，为历史工况缺陷风险先验向量。

7、可选地，本技术一些实施例中所述对所述多组候选成型工艺参数包进行约束投影修正，包括：

8、依次校验各所述候选成型工艺参数包，分别计算所述候选成型工艺参数包的硬约束违反损失、软约束偏离损失和冲突约束损失；

9、若所述候选成型工艺参数包的硬约束违反损失和冲突约束损失不为零，或者所述候选成型工艺参数包的软约束偏离损失超过预设允许阈值，则以保持所述候选成型工艺参数包的原始取值不变为首要目标，并以降低约束违反损失为修正目标，获得修正后的参数包。

10、可选地，本技术一些实施例中所述修正后的参数包，为修正过程中的参数包，为候选成型工艺参数包，为硬约束违反损失对应的权重，为软约束偏离损失对应的权重，为冲突约束损失对应的权重。

11、可选地，本技术一些实施例中所述硬约束违反损失，为第个硬约束对应的权重，为线性整流函数，为第个硬约束对应的最大约束上限值；

12、所述软约束偏离损失，为第个软约束对应的权重，为第个软约束对应的目标值；以及，所述冲突约束损失，为第个风险对应的权重，为第个风险对应的最大风险值。

13、可选地，本技术一些实施例中所述硬约束包括材料加工窗口约束、设备能力边界约束、模具结构限制约束和安全边界约束，所述软约束包括成型周期目标、能耗目标、质量目标和稳定性目标，以及所述风险包括烧焦风险、飞边风险和缩水风险。

14、可选地，本技术一些实施例中所述通过约束贝叶斯优化算法和预训练的质量预测模型从所述多组候选成型工艺参数包中筛选出目标成型工艺参数包，包括：

15、分别利用所述质量预测模型的表格特征子预测模型、时序过程子预测模型和图谱风险子预测模型对各所述候选成型工艺参数包在不同方面进行处理，获得综合预测结果；其中，所述表格特征子预测模型用于处理结构化特征并输出基础质量预测结果，所述时序过程子预测模型用于处理曲线过程数据并输出加工参数预测结果，所述图谱风险子预测模型用于处理缺陷风险先验并输出缺陷风险预测结果，以及所述综合预测结果包含所述基础质量预测结果、所述加工参数预测结果和所述缺陷风险预测结果；

16、以最大化所述基础质量预测结果、最小化所述加工参数预测结果和最小化所述缺陷风险预测结果为优化目标，利用所述约束贝叶斯优化算法分别计算各所述候选成型工艺参数包的采集函数，并选择采集函数值最高的候选成型工艺参数包作为所述目标成型工艺参数包。

17、第二方面，本技术提供一种注塑机成型工艺参数智能生成装置，所述注塑机成型工艺参数智能生成装置包括：

18、获取模块，用于获取当前注塑任务对应的多源数据，并将所述多源数据编码为当前工况特征向量，所述多源数据包括产品结构数据、材料性能数据、模具结构数据、设备能力数据和生产目标数据；

19、候选模块，用于将所述当前工况特征向量映射到预构建的注塑工艺知识图谱中，并通过预训练的图神经网络输出当前工况缺陷风险先验向量，以及将所述当前工况特征向量和所述当前工况缺陷风险先验向量输入预训练的条件扩散生成模型，获得多组候选成型工艺参数包；

20、转换模块，用于对所述多组候选成型工艺参数包进行约束投影修正，并通过约束贝叶斯优化算法和预训练的质量预测模型从所述多组候选成型工艺参数包中筛选出目标成型工艺参数包，以及基于目标注塑机的控制器参数字典，将所述目标成型工艺参数包转换为所述目标注塑机的可执行成型工艺参数包。

21、第三方面，本技术提供一种电子设备，所述电子设备包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述指令、所述程序、所述代码集或所述指令集由所述处理器加载并执行以实现第一方面中任意一项所述注塑机成型工艺参数智能生成方法的步骤。

22、第四方面，本技术提供一种计算机可读存储介质，所述计算机可读存储介质存储有一个或多个程序，所述一个或多个程序可被一个或多个处理器执行，以实现第一方面中任意一项所述注塑机成型工艺参数智能生成方法的步骤。

23、从以上技术方案可以看出，本技术实施例具有以下优点：

24、本技术实施例提供了一种注塑机成型工艺参数智能生成方法、装置、设备及介质，通过获取当前注塑任务对应的包含产品结构数据、材料性能数据、模具结构数据、设备能力数据和生产目标数据的多源数据，考虑因素全面，并将多源数据编码为当前工况特征向量，然后自动将当前工况特征向量映射到预构建的注塑工艺知识图谱中，并通过预训练的图神经网络输出当前工况缺陷风险先验向量，以及将当前工况特征向量和当前工况缺陷风险先验向量输入预训练的条件扩散生成模型，获得多组候选成型工艺参数包，进而对多组候选成型工艺参数包进行约束投影修正，并通过约束贝叶斯优化算法和预训练的质量预测模型从多组候选成型工艺参数包中筛选出目标成型工艺参数包，以及基于目标注塑机的控制器参数字典，将目标成型工艺参数包转换为目标注塑机的可执行成型工艺参数包，客观便捷，大幅提高了生产效率。