[发明专利]一种低压铸造生产数据处理与工艺优化方法

说明书

本发明公开了一种低压铸造生产数据处理与工艺优化方法。根据工厂生产中，对生产过程中的批次记录产生的大量数据，选择充型温度、模具温度、充型时间、生产循环数进行，采用收集、处理、分析训练等流程，采用机器学习的方法，分析了各参数之间与产品成品率之间的关系，找到了主要的影响因素，并对工艺进行了一定的优化，提高了生产的科学指导性，增加了可靠性。

技术领域

本发明属于低压铸造自动化生产技术领域，尤其是涉及一种低压铸造生产数据处理与工艺优化方法。

背景技术

低压铸造是一种反重力铸造方法，其原理是将液态合金在压力作用下由下而上压入铸型型腔，并在压力作用下凝固获得铸件的铸造方法。如制造发动机、离合器壳体、车轮、底盘件等汽车零部件生产领域，铸造铝合金已经占据主导地位，占汽车用铝量的80％左右，且均已经实现了大规模的工业生产。目前所用的低压铸造设备一般由主机、液压系统、保温炉、液面加压装置、电气控制系统及铸型冷却系统组成，已经基本上实现了大规模生产，但在实际生产中，每批次生产循环所用的铝液充型温度、模具温度、充型时间等并不能精确控制，仅能保证在一定温度范围内，导致产品的性能和成品率具有一定的波动性，同时对于各生产参数的选择也主要靠经验与简单实验确定，缺乏科学性的指导。

在工厂生产中，对生产过程中的批次，每批次生产时的精确参数，以及最终的产品性能等均有详细的记录，由此会产生大量的数据，但目前对这类数据仅作为备份或追溯依据，没有充分利用数据分析方法对此进行分析并指导生产的合理方法，造成大量有价值信息的闲置。

数据分析是指对规模巨大的原始数据进行整理并分析，从中提取出有价值的信息，建立模型，通过使用人工神经网络、随机森林树等机器学习的方法，处理采集到的数据，并对于数据进行一定的推断，进行合理可靠地预测。目前在商业领域已经被广泛引用，但在铸造领域仍没有采用这类工具进行分析的方法手段。

在数据分析之前，由于生产中采集的数据非常庞杂，且由于采集系统的精度问题，经常会出现异常数据，如由于现有温度采集系统的稳定性和传输问题，采集到的温度有时候会从几百度忽然跳跃到一千多度，这种异常的数据无疑会严重影响分析结果可靠性，而由于数据量非常庞大，采用人工整理的方式会造成很大的工作量，同时整理结果也未必可靠，因而，在数据分析前，获得一种低压铸造生产数据处理方法，并进而得到工艺优化的方法就显得非常重要。

发明内容

为解决上述技术问题，本发明提供了一种低压铸造生产数据处理与工艺优化方法。

本发明完整的技术方案包括：

一种低压铸造生产数据处理方法，包括如下步骤：

(1)数据选择

选择生产中充型温度、模具温度、充型时间、生产循环数进行数据整理，其中生产循环数是指模具每次涂完新涂料后生产的部件个数，充型温度是指加压充型前坩埚内的金属液温度，通过设置在坩埚内的热电偶获取，模具温度是指充型前模具的温度，通过设置在模具上的热电偶获取，充型时间是指从开始充型到充型结束的时间，开始充型时间指开始加压充型的时刻，充型结束时刻的获取，通过在模具顶部设置两条断路的金属丝，待铝液达到模具顶部时，接触金属丝，连通导电形成通路，此时即为充型结束时刻。

(2)数据去噪

对上述除生产循环数外的每一组数据分别采用正态分布的方法进行数据去噪，把由于测量误差造成的明显偏差或缺失的数据去除。所述的正态分布公式如下式所述：

式中，σ为每组数据的标准差，μ为每组数据数据的均值，x为单个的数据。

通过上述方法，并结合实际生产中的经验对边界值进行选定，对测量误差造成的明显偏差的数据去除

(3)将不完整的生产循环数据直接去除。得到用以训练的数据。