一种汽车内饰件注塑成型缺陷抑制方法与流程

本发明涉及注塑成型，尤其涉及一种汽车内饰件注塑成型缺陷抑制方法。

背景技术：

1、汽车内饰件在注塑成型过程中，其成型质量受温度、压力、时间、速度等多类相互耦合的高维工艺参数共同影响，各工艺参数之间存在复杂的关联关系，任一参数的微小波动均可能诱发制品翘曲、缩痕等成型缺陷，直接影响内饰件的外观与装配精度。

2、目前，注塑缺陷抑制方式多依赖注塑工程师的经验进行试凑调整，或采用正交试验法开展工艺摸底，过程耗时费力，且难以周全应对多参数关联影响；虽然数据驱动的机器学习方法已应用于工艺参数寻优，但常规模型多停留在数据相关性的拟合分析层面。

3、面对生产现场若调整某几项特定参数缺陷将如何变化的反事实问题，上述模型仍难以提供具备因果逻辑支撑的解答，导致输出的优化方案容易脱离工艺机理。将生成对抗网络与反事实推断技术相结合，能够借助反事实推断挖掘参数因果关系，并利用生成对抗网络的生成能力，根据预设质量目标反向生成潜在工艺参数组合。

4、然而，现有网络生成器对高维注塑工艺参数间长距离依赖关系的表征能力不足，且未融合注塑工艺固有的因果逻辑图与工程边界约束，易生成违背工艺常理或超出设备极限的无效参数。

5、其判别机制及损失函数设定也较为单一，难以将缺陷概率预测与干预代价分配相联动，难以在训练过程中引导网络优先干预与主导缺陷因果关联较强的参数；此外，现有优化模型通常仅以缺陷最小化为目标，忽略实际车间调整关键工艺参数所产生的干预成本，难以为工程师提供兼顾缺陷抑制效果与调整成本的工艺权衡方案，导致生成的工艺策略落地性不足。

技术实现思路

1、为了解决现有反事实生成网络长距离依赖表征不足、未融合因果与边界约束、缺陷概率与干预代价难联动且忽略干预成本致落地性差的技术问题，本发明提供了一种汽车内饰件注塑成型缺陷抑制方法，包括：获取事实工艺参数及质量数据，构建注塑工艺因果有向无环图与工艺参数边界约束；构建以变换器为核心的生成器，基于事实工艺参数和预设目标质量，利用多头自注意力机制检测高维参数间的依赖关系，生成候选反事实工艺参数；构建多任务判别器，同步预测产品缺陷概率与反事实真实性，输出缺陷概率向量调制损失函数；构建含加权距离损失的复合损失函数训练网络，距离损失利用干预代价矩阵，权重由缺陷概率向量实时调整，引导生成器优先改变与主导缺陷因果关联最强的参数；利用训练后的生成器生成反事实工艺参数集，通过复合约束验证模块结合因果有向无环图与边界约束进行筛选，剔除违反因果逻辑和超出工程限制的无效解，保留通过校验的参数组作为有效反事实工艺参数集；对有效反事实工艺参数集，以缺陷抑制效果和干预代价为目标，基于非支配排序算法筛选出非劣解集，绘制并输出展示缺陷抑制效果和干预代价非支配关系的工艺参数帕累托前沿。

2、本发明能够针对高维注塑工艺参数间的长距离依赖，以变换器为核心构建生成器并利用多头自注意力检测参数间的依赖关系，据预设目标质量反向生成候选反事实工艺参数；借助多任务判别器输出的缺陷概率向量对复合损失函数进行调制，并结合干预代价矩阵对加权距离损失权重实时调整，引导生成器优先改变与主导缺陷因果关联最强的参数；经复合约束验证模块结合因果有向无环图与边界约束剔除违反因果逻辑及超出工程限制的无效解，保留有效反事实工艺参数集；再以缺陷抑制效果和干预代价为双目标经非支配排序筛选非劣解，输出工艺参数帕累托前沿，在满足工程约束的前提下兼顾缺陷抑制与调整成本。

3、优选地，所述获取事实工艺参数及质量数据，构建注塑工艺因果有向无环图与工艺参数边界约束，包括：从注塑机获取注射速度、保压压力、模具温度和模腔压力的工艺参数时间序列，通过三维轮廓扫描比对获取收缩下陷深度与翘曲偏移量作为质量数据；将工艺参数设为原因节点、缺陷类型设为结果节点，为各节点间有向边标定表征影响强弱的因果效应系数与表征影响方向的预期单调因果效应符号，形成因果效应系数矩阵和预期单调因果效应符号矩阵；根据设备安全限制与材料极限设定各工艺参数上下限安全阈值，构建工艺参数边界约束矩阵。

4、通过将工艺参数设为原因节点、缺陷类型设为结果节点并标定因果效应系数与预期单调因果效应符号，为后续反事实生成提供了工艺机理约束依据；所构建的工艺参数边界约束矩阵可拦截超出设备与材料极限的取值，为生成解的工程可行性提供边界保障。

5、优选地，所述构建以变换器为核心的生成器，基于事实工艺参数和预设目标质量，利用多头自注意力机制检测高维参数间的依赖关系，生成候选反事实工艺参数，包括：将事实工艺参数序列与经时间步维度广播扩展的预设无缺陷目标质量数组拼接为联合输入序列；将联合输入序列输入多头自注意力计算模块，将各工艺参数通道及目标质量通道映射为联合特征令牌，计算不同时间步与令牌间的注意力权重得分，提取参数与目标质量间关联特征；在生成器输出特征中叠加服从零均值正态分布的随机噪声矩阵，解码生成差异化且不重复的候选反事实工艺参数矩阵。

6、通过将事实工艺参数序列与广播扩展的目标质量数组拼接为联合输入序列并送入多头自注意力计算模块，能够表征高维参数间及参数与目标质量间的长距离依赖关系；叠加随机噪声矩阵后解码，可生成差异化且不重复的候选反事实工艺参数矩阵，扩充解空间的探索范围。

7、优选地，所述构建多任务判别器，同步预测产品缺陷概率与反事实真实性，输出缺陷概率向量调制损失函数，包括：构建包含共享特征提取网络的连续传递通道，对上一环节生成的候选反事实工艺参数序列进行降维与隐藏特征提取；在特征提取网络的输出端分离设置两个评估预测分支；第一评估预测分支通过全连接层和激活函数，输出候选反事实工艺参数符合真实数据分布的真实性概率得分；第二评估预测分支通过分类层输出各类型产品缺陷发生的概率向量，并将概率向量反馈至复合损失函数中用于计算权重。第二评估预测分支输出的缺陷概率向量反馈至复合损失函数，为按缺陷风险动态分配距离惩罚提供了实时依据。

8、优选地，所述距离损失利用干预代价矩阵，权重由缺陷概率向量实时调整，引导生成器优先改变与主导缺陷因果关联最强的参数，包括：将各工艺参数的基准调节时间与能量消耗的折算成本初始化为干预代价矩阵的对角元素；在训练中，从判别器输出的缺陷概率向量中提取概率分值最高的主导缺陷类型；在因果效应系数矩阵中查找与主导缺陷类型相连且因果效应系数绝对值最大的工艺参数；根据主导缺陷的概率分值计算权重衰减系数，降低干预代价矩阵中所述工艺参数对应的惩罚权重基值，在加权距离损失中减小所述工艺参数的距离惩罚。

9、通过将主导缺陷概率分值经权重衰减系数映射为惩罚权重基值的下调量，使距离损失对与主导缺陷因果关联最强参数的惩罚随缺陷概率增大而减小，引导生成器优先在因果关联最强参数方向探索反事实解，减少对高干预代价参数的无效调整。

10、优选地，所述通过复合约束验证模块结合因果有向无环图与边界约束进行筛选，剔除违反因果逻辑和超出工程限制的无效解，包括：逐项校验候选反事实工艺参数集中各参数值，若存在低于下限阈值或高于上限阈值的参数，则判定为超出工程限制的无效解并剔除；对未超出工程限制的参数组，计算候选反事实工艺参数相较事实工艺参数的变化方向向量；将变化方向向量与预期单调因果效应符号矩阵中的对应元素相乘生成判断向量，若判断向量中存在正值元素，则判定参数变化方向与因果逻辑相悖并剔除，保留通过校验的参数组作为有效反事实工艺参数集。据此在数值越界与方向违反因果逻辑两个维度对候选解进行双重筛选，剔除无效解以保证有效反事实工艺参数集符合工程实际与工艺机理。

11、优选地，所述对有效反事实工艺参数集，以缺陷抑制效果和干预代价为目标，包括：将有效反事实工艺参数集的缺陷发生概率总和与预设极小常数之和的倒数设定为纵坐标的缺陷抑制效果目标值；将有效反事实工艺参数与事实工艺参数的差值向量绝对值与干预代价矩阵对角线元素构成的代价向量对应相乘并求和，作为横坐标的干预代价目标值；基于非支配排序算法，以干预代价目标值越小且缺陷抑制效果目标值越大为优，筛选出不被其他任一参数组同时支配的非劣解集点群，连接绘制并输出工艺参数帕累托前沿。

12、通过将缺陷发生概率总和倒数与总调整代价分别设为纵横坐标目标值，并基于非支配排序算法筛选互不支配的非劣解集点群连接绘制帕累托前沿，为决策者提供缺陷抑制效果与干预代价之间的权衡选择依据。

13、优选地，所述将联合输入序列输入多头自注意力计算模块，包括：将预设无缺陷目标质量数组沿时间步维度广播复制后，与工艺参数张量在特征通道维度拼接，融合为联合输入序列张量；在多头自注意力计算模块中设定注意力头数与隐层特征维度，经缩放点积注意力计算不同时间步与联合特征令牌间的关联权重；在生成器的解码输出层之前注入标准差为预设区间内取值的零均值正态分布随机噪声矩阵，并设定候选解维度，使每个事实工艺参数样本对应输出多组候选反事实工艺参数。

14、通过设定注意力头数与隐层特征维度并注入随机噪声矩阵，有助于在表征高维参数长距离依赖的同时提升候选反事实工艺参数的多样性。

15、优选地，所述共享特征提取网络采用一维卷积神经网络与长短期记忆网络级联的混合架构，层间使用带泄露修正线性单元；经全局平均池化层将反事实工艺参数序列的时间维度降维压缩为固定长度的隐藏特征向量后，同步送入两个评估预测分支；第一评估预测分支的末层采用s型激活函数，输出真实性概率得分；第二评估预测分支经全连接层后连接s型多标签预测层，输出各缺陷独立发生的概率向量。

16、通过卷积与长短期记忆网络级联提取时序隐藏特征并分设两个预测分支，可同时给出反事实真实性与各缺陷发生概率的评估结果。

17、优选地，所述筛选出不被其他任一参数组同时支配的非劣解集点群，包括：基于非支配排序算法计算各参数组的支配等级，将横坐标干预代价目标值按越小越优、纵坐标缺陷抑制效果目标值按越大越优进行支配关系判定，划分不同前沿层级；利用拥挤度距离度量同一前沿层级内解的分布均匀性，提取支配数为零的第一前沿层级非劣解集；采用保形分段插值方式连接非劣解集点群，绘制工艺参数帕累托前沿。

18、通过拥挤度距离度量解的分布均匀性并采用保形分段插值连接非劣解，有助于获得分布均衡且趋势稳定的工艺参数帕累托前沿。

19、本发明的技术方案具有以下有益技术效果：

20、本发明通过构建以变换器为核心的生成器，利用多头自注意力机制表征高维注塑工艺参数之间的关联依赖关系，通过多任务判别器同步预测缺陷概率与反事实真实性，并构建包含加权距离损失的复合损失函数，根据缺陷概率向量动态调整损失权重，结合干预代价矩阵引导网络优先调节与主导缺陷因果关联最强的工艺参数，并基于因果逻辑与工艺边界约束对候选参数进行筛选，剔除不符合工程实际的无效解，有助于提高生成工艺参数的安全性和落地可行性。

21、进一步地，以缺陷抑制效果与实际干预代价为双目标进行非支配排序，输出兼顾缺陷抑制效果与干预代价权衡关系的工艺参数帕累托前沿，为工程师提供落地性更强的工艺权衡方案，提升汽车内饰件的注塑良品率与生产效益。