[发明专利]一种低压铸造生产数据处理与工艺优化方法

摘要

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。

主权项

1.一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。(4)数据训练通过对上述整理后后的数据和对应生产批次的成品率数据选择，形成生产工艺参数与成品率的数据库，并基于此数据库,建立人工神经网络系统，输入工艺参数与成品率数据，采用人工神经网络系统对输入的工艺参数和成品率参数进行训练，以对建立的人工神经网络系统进行优化，利用优化后的人工神经网络进行优化品率预测及优化工艺参数设计。(4)工艺优化最终经过训练后的结果发现，随着生产循环数增加后以及模具温度增高后，会导致成品率降低，据分析可能是由于模具温度增高，导致热节部位的冷却速度减小，凝固速度减慢，增加了铸造缺陷产生的可能性，而充型时间与充型温度则与成品率的相关性不大。因此在原有工艺技术上，设计了随着生产循环数增加，逐步增大冷却水的用量，以使模具温度稳定。优选的，为生产循环每增加100次，冷却水用量增加为之前用量的1.06倍。