基于集成学习的注塑制品质量软测量方法研究

作者：戴南; 余齐严^*; 董盈升

来源：塑料科技, 2022, 50(11): 30-35.

DOI：10.15925/j.cnki.issn1005-3360.2022.11.006

• 注塑间歇过程
• 工况识别
• 集成学习
• 软测量
• 质量预测

为解决传统注塑间歇过程的质量反馈存在严重滞后性的问题，利用注塑生产过程的传感器数据和成型机操作数据进行工况识别，对制品质量进行基于集成学习的软测量。采用Mini Batch K-Means算法，将注塑过程时段聚类为合模-注塑-保压-冷却主要阶段，实现工况准确、快速在线识别。利用多阶段演变的Stacking集成学习策略，结合工况识别的四个阶段，建立多阶段集成软测量模型。采用分阶段建模的方法明显削弱了数据的非线性，预测精度相比传统线性回归模型得到提升。采用集成学习的方法也提高了模型的精度，与非线性模型相比预测精度也得到提高，该多阶段集成的软测量方法可以为产品质量控制和改进，提供较精确的质量反馈。

• 单位
  材料学院; 西安翔迅科技有限责任公司; 西北工业大学