基于数据合成与机器学习的6DM气缸体复杂铸件缺陷预测

在汽车核心零部件制造等关键领域,复杂铸件出现缺陷的后果尤为严重,因此对复杂铸件进行缺陷预测并提高其生产质量刻不容缓。本文针对实际铸造过程中采集到的6DM气缸体复杂铸件生产数据中气孔、砂眼等缺陷类别的数据量严重不平衡问题,对基于数据合成与机器学习的6DM气缸体复杂铸件缺陷预测进行研究,梳理了人工神经网络与复杂铸件缺陷预测的研究现状,结合企业现场生产情况,开展了需求分析,获取6DM气缸体复杂铸件生产数据。并基于SMOTE(synthetic minority oversampling technique)算法,创建了合成数据集,采用合成数据集作为训练模型的数据集,预测准确率达到99.37%。结果表明,构建的复杂铸件缺陷预测模型能够准确预测复杂铸件缺陷。

一种砂型铸造质量数据挖掘模型及其应用

由于生产工艺复杂、制造流程长、生产量大等特点,砂型铸造产品存在质量波动大、质量溯源难等问题。近年来,虽然随着ERP、MES等信息管理系统的引入,铸造企业能够收集到的数据更多,但现有的这些信息并没有转化为知识,或只有少量数据被利用。由此,提出了一种基于华铸ERP系统的数据挖掘方法,在信息化管理的基础上,对收集的所有数据进行深度挖掘分析,挖掘结果由数据表、散点图、饼状图等方式展现。同时,还根据数据的关联关系,通过神经网络实现了对不同工艺参数产品的质量预测,以提升企业产品质量管控能力,提高企业效益。

基于华铸CAE的转向桥铸造模拟及缺陷预测研究

针对工程机械转向桥铸件易出现缩孔缩松缺陷的现象,结合砂型铸造实际生产条件,设计了正交模拟实验,采用华铸CAE模拟软件对转向桥铸件的充型凝固过程及缩孔缩松形成过程进行了数值模拟。基于模拟结果,预测了转向桥铸件中存在的缩孔缩松缺陷部位及缩孔缩松总体积,并对关键工艺参数进行了敏感度分析,为铸造生产与工艺优化提供指导。

单件小批量砂型铸造企业熔炼浇注炉次计划研究

针对现阶段单件小批量砂型铸造企业熔炼浇注炉次计划主要依靠人工经验进行编排,存在炉次计划优化不足、排产效率较低、熔炼炉容量利用量不高等问题,开展单件小批量砂型企业熔炼浇注炉次计划研究。首先建立了单件小批量砂型企业熔炼浇注炉次计划优先级模型和炉次计划数学模型;其次提出了以改进二元蝙蝠算法为核心的炉次计划贪婪式规则求解策略;最后开发了熔炼浇注智能化炉次计划系统,应用于一家单件小批量砂型企业。效果表明,对比人工编排炉次计划,使用该系统可获得更优的炉次计划、更短的排产时间、更高的熔炼炉容量利用量。

多源异构数据驱动的砂型铸造复杂铸件质量预测

砂型铸造复杂铸件会出现冷隔、气孔、砂眼、缩孔等缺陷,需要对铸件质量进行预测。其中,影响铸件质量的因素包括工艺参数和产品结构,而铸件三维结构复杂,存在表征困难、形貌与铸件成形质量间关系无法确定的问题。针对上述目标和问题,课题组开展了多源异构数据驱动的砂型铸造复杂铸件质量预测研究。首先,采集了混砂造型、熔炼浇注等过程的结构化工艺参数数据和产品三维结构;其次,构建了深度卷积自编码器,实现了对复杂铸件三维结构的特征提取,获得了特征数据;最后,构建了工艺、三维异构数据驱动的砂型铸造复杂铸件质量预测模型,对铸件缺陷进行了准确预测。