【技术实现步骤摘要】
本申请涉及注塑加工，尤其是涉及一种基于小样本数据的注塑产品质量在线预测方法。
技术介绍
1、注塑成型是制造塑料产品最广泛的过程之一。其成型过程高度非线性。注塑过程参数、成型机状态参数、模具参数和注塑成型产品质量之间存在复杂的关系。在注塑成型产品处理过程中，质量通常由成品的随机检查决定，检查方法主要涉及人工检查，智能化水平较低。因此，当产品质量问题出现时，生产无法及时停止，过程参数无法调整，导致生产成本增加。
2、同时，随着客户对注塑制品质量要求越来越严格，促使注塑企业对制造工艺和技术不断革新，以便在市场上站稳脚跟。因客户需求不断发生变化，制造业未来的生产模式倾向于从单品种大批量逐渐转向多品种小批量，需要考虑的主要因素是降低生产成本和提升产品质量。
3、近年来，深度学习技术在工业领域的应用显著增加，特别是在质量预测、寿命预测和故障诊断等领域。深度学习网络需要足够的数据来训练和构建具有快速预测和决策能力的网络。然而，在复杂的工业环境中，并不总是有足够的训练数据样本，这将导致深度学习网络训练不足，进而影响质量预测、寿命...
【技术保护点】
1.一种基于小样本数据的注塑产品质量在线预测方法，其特征在于，包括如下步骤：
2.如权利要求1所述的基于小样本数据的注塑产品质量在线预测方法，其特征在于，步骤S100包括如下过程：
3.如权利要求2所述的基于小样本数据的注塑产品质量在线预测方法，其特征在于，源域模型的结构包括：
4.如权利要求3所述的基于小样本数据的注塑产品质量在线预测方法，其特征在于，质量预测模型中区别于质量预测基础模型的结构包括：
5.如权利要求1所述的基于小样本数据的注塑产品质量在线预测方法，其特征在于，在进行迁移学习时，需要对源域与目标域的任务相
【技术特征摘要】
1.一种基于小样本数据的注塑产品质量在线预测方法，其特征在于，包括如下步骤：
2.如权利要求1所述的基于小样本数据的注塑产品质量在线预测方法，其特征在于，步骤s100包括如下过程：
3.如权利要求2所述的基于小样本数据的注塑产品质量在线预测方法，其特征在于，源域模型的结构包括：
4.如权利要求3所述的基于小样本数据的注塑产品质量在线预测方法，其特征在于，质量预测模型中区别于质量预测基础模型的结构包括：
5.如权利要求1所述的基于小样本数据的注塑产品质量在线预测方法，其特征在于，在进行迁移学习时，需要对源域与目标域的任务相似性进行评估；
6.如权利要求1所述的基于小样本数据的注塑产品质量在线预测方法，其特征在于，源域为大样本的注塑制品的尺寸和过程数据，包括每模次对应产品尺寸参数、成型机状态数据和传感器高频数据；
7.如权利要求1-...
【专利技术属性】
技术研发人员：姚益江，钱铜庆，石宇杰，
申请(专利权)人：宁波创基机械股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。