1.本发明涉及注塑件生产技术领域中，尤其涉及一种基于虚拟量测模型的注塑工件尺寸预测方法。
背景技术：
2.目前，注塑企业对于注塑成型工件尺寸的监测模式，是对生产工件进行抽检，通过测量仪器对工件的多个尺寸进行量测。由于生产环境复杂，注塑成型加工过程中的不稳定因素很容易导致工件尺寸超规现象的发生，造成经济损失。而注塑成型工艺在生产一定量的工件之后，按照预先指定的抽检标准，抽取一定量的工件，再利用专业的测量仪器或者量具对工件尺寸进行量测，以抽检结果代表之前一段时间生产工件的尺寸品质。此种工件尺寸监测模式存在以下不足之处：1）以一定比例的抽检工件来代表大批量工件的尺寸质量效果不好，其抽样评估整体的可信度存在不合理的问题，无法及时挑选出批量的异常工件；2）若想提升监测精度，则需加大抽检频次，但是这又会给生产单位带来较大的运营压力；3）由于注塑成型系统较为复杂，各种因素都有可能影响工件的尺寸，且批量异常较多，现行抽检模式采取“加工后测量策略”，当发现超规尺寸后，已经有大批的尺寸超规工件被生产出来，造成了原材料的浪费。
技术实现要素：
3.本发明的目的是提供一种基于虚拟量测模型的注塑工件尺寸预测方法，该方法利用工业大数据技术对工件生产过程中的各种参数进行采集分析，以工件的尺寸为标签，再利用机器学习技术构建工件虚拟量测模型，进而可对工件尺寸进行实时预测，以便及时发现尺寸超规工件，进而可优化工件生产质量监测模式，降低企业生产运营成本。
4.为实现上述目的，采用以下技术方案：一种基于虚拟量测模型的注塑工件尺寸预测方法，包括以下步骤：s1：采集生产线上的若干工件的实时监测数据，并获取生产线预先设定的工艺参数数据及plc监测数据；s2：清洗实时监测数据，并获取每一工件实时监测数据的特征值；s3：将s1中得到的工艺参数数据、pcl监测数据及s2中得到的特征值进行合并，以获取样本数据，并依据该样本数据构建虚拟量测模型；s4：采集新的工件在生产过程中的实时监测数据、工艺参数数据和plc监测数据，并提取该实时监测数据的特征值，再将上述数据合并后输入至s3中构建的虚拟量测模型，产出工件的预测生产尺寸。
5.进一步地，所述s1中采集生产线上若干工件的实时监测数据具体包括以下步骤：s11：预先在模具上安装以下高频传感器：模内压力传感器、模内温度传感器、模温
机来水流流量计、实际螺杆传感器、熔融液体射出压力传感器、模仁温度传感器；s12：预先在模温机上安装以下高频传感器：冷水温度传感器、热水温度传感器、回水温度传感器；s13：通过安装于模具、模温机上的若干传感器采集若干工件的实时监测数据。
6.进一步地，所述s1中的工艺参数数据包括合模压力、合模速度、保压压力、保压速度、保压时间、冷却时间。
7.进一步地，所述s1 中的plc监测数据包括锁模压力、注射压力、开模时间、合模时间、保压时间、热流道温度。
8.进一步地，所述s2具体包括以下步骤：s21：基于动态时间规整算法，将数据进行时间对齐；s22：获取数据中的异常值并消除；s23：基于高通滤波法，将数据清洗降噪；s24：基于包络线构造法对降噪后的数据构造包络特征，并依据工件加工阶段对数据进行切分，以提取每一加工阶段中相应的特征值。
9.进一步地，所述s22具体包括以下步骤：s221：基于箱线图切分法，抓取数据中的异常值；s222：采用滑动平均法将s221中抓取的异常值消除。
10.进一步地，所述s3具体包括以下步骤：s31：依据每一工件的生产编号，将工艺参数数据、pcl监测数据及特征值进行合并，得到样本数据；s32：基于交叉验证法，并按照5:1:1的比例，将样本数据随机划分为训练集、测试集和验证集；s33：基于训练集、测试集和验证集，采用多项式回归模型构建虚拟量测模型，并基于mae函数对模型进行调优。
11.采用上述方案，本发明的有益效果是：该方法利用工业大数据技术对工件生产过程中的各种参数进行采集分析，以工件的尺寸为标签，再利用机器学习技术构建工件虚拟量测模型，进而可对工件尺寸进行实时预测，以便及时发现尺寸超规工件，进而可优化工件生产质量监测模式，降低企业生产运营成本。
附图说明
12.图1为本发明的流程性框图。
具体实施方式
13.以下结合附图和具体实施例，对本发明进行详细说明。
14.参照图1所示，本发明提供一种基于虚拟量测模型的注塑工件尺寸预测方法，包括以下步骤：s1：采集生产线上的若干工件的实时监测数据，并获取生产线预先设定的工艺参数数据及plc监测数据；
s2：清洗实时监测数据，并获取每一工件实时监测数据的特征值；s3：将s1中得到的工艺参数数据、pcl监测数据及s2中得到的特征值进行合并，以获取样本数据，并依据该样本数据构建虚拟量测模型；s4：采集新的工件在生产过程中的实时监测数据、工艺参数数据和plc监测数据，并提取该实时监测数据的特征值，再将上述数据合并后输入至s3中构建的虚拟量测模型，产出工件的预测生产尺寸。
15.其中，所述s1中采集生产线上若干工件的实时监测数据具体包括以下步骤：s11：预先在模具上安装以下高频传感器：模内压力传感器、模内温度传感器、模温机来水流流量计、实际螺杆传感器、熔融液体射出压力传感器、模仁温度传感器；s12：预先在模温机上安装以下高频传感器：冷水温度传感器、热水温度传感器、回水温度传感器；s13：通过安装于模具、模温机上的若干传感器采集若干工件的实时监测数据。
16.所述s1中的工艺参数数据包括合模压力、合模速度、保压压力、保压速度、保压时间、冷却时间；所述s1中的plc监测数据包括锁模压力、注射压力、开模时间、合模时间、保压时间、热流道温度。
17.所述s2具体包括以下步骤：s21：基于动态时间规整算法，将数据进行时间对齐；s22：获取数据中的异常值并消除；s23：基于高通滤波法，将数据清洗降噪；s24：基于包络线构造法对降噪后的数据构造包络特征，并依据工件加工阶段对数据进行切分，以提取每一加工阶段中相应的特征值。
18.所述s22具体包括以下步骤：s221：基于箱线图切分法，抓取数据中的异常值；s222：采用滑动平均法将s221中抓取的异常值消除。
19.所述s3具体包括以下步骤：s31：依据每一工件的生产编号，将工艺参数数据、pcl监测数据及特征值进行合并，得到样本数据；s32：基于交叉验证法，并按照5:1:1的比例，将样本数据随机划分为训练集、测试集和验证集；s33：基于训练集、测试集和验证集，采用多项式回归模型构建虚拟量测模型，并基于mae函数对模型进行调优。
20.本发明工作原理：继续参照图1所示，本实施例中，该方法可应用于注塑工件生产领域中，可对生产的注塑件进行实时预测其生产尺寸，且当尺寸达不到预设的合格尺寸阈值范围内时，可向外界发出警示，以便工作人员对生产线进行调整检查，避免生产出大量不合格的产品，提高工作效率，具体地：首先需要构建虚拟量测模型，在构建虚拟量测模型时，需要先获取大量的工件生产数据，以获取样本；而现有的工件注塑成型系统一般由注塑成型机和模温机组成，故需要预先在模具上安装如下的传感器：模内压力传感器、模内温度传感器、模温机来水流流量
计、实际螺杆传感器、熔融液体射出压力传感器、模仁温度传感器；在模温机上安装以下高频传感器：冷水温度传感器、热水温度传感器、回水温度传感器；随后，通过以上安装的传感器采集某一时间段内生产的若干工件的实时监测数据（包括工件生产过程中的压力、温度，及工件的三个主要尺寸等，可以理解为长、宽、高等），并依据每个工件的生产编号对数据进行存储，其中，单次注塑加工时长一般为37.6s，在该实施例中，模具上的传感器在采集数据时，其前4s以20/s的频率进行采集、4s~31s以50/s频率进行采集；且该实施例中，采集的工件数量为24524个。
21.随后，从机台plc获取生产员工设定的工艺参数数据及plc监测数据，并依据每个工件的id进行记录，在该实施例中，需要获取的工艺参数数据有：合模压力、合模速度、合模终点、保压压力、保压速度、保压时间、冷却时间，需要获取的plc监测数据有：锁模压力、注射压力、开模时间、合模时间、保压时间、热流道温度；数据采集完毕后，为避免因传感器异常等原因而影响采集的实时监测数据的精确性，需要对其进行清洗，首先通过动态时间规整算法（dwt）将数据进行时间对齐，以解决因传感器数据采集开始时间不统一的问题，随后，基于箱线图切分法，抓取数据中的异常值，再利用滑动平均法去除异常值，最后，再通过高通滤波法，将数据清洗降噪。
22.数据清洗完毕后，再基于包络线构造法对降噪后的数据构造包络特征，并依据工件加工阶段对数据进行切分，以提取每一加工阶段中相应的特征值；该实施例中，单个工件包含以下几个加工的阶段：1、合模，对应时间：0~3s；2、注射，对应时间：4~6s；3、保压，对应时间：6~20s；4、熔胶阶段，对应时间：20~25s；5、后松退，对应时间：25~26s；6、冷却，对应时间：26~31s；7、开模，对应时间：32~34s；该实施例中，会在注射、保压及冷却阶段中，提取数据的平均值特征（如模内温度、压力的平均值）、最大最小值（如模内温度、压力的最大、最小值等）、有效值、方根幅值、方差、峰峰值、偏态指标、峭度指标、峰值指标、波形指标、脉冲指标、裕度指标和变异系数等。
23.随后，依据工件的生产编号，将工艺参数数据、pcl监测数据及获取的特征值进行合并（合并汇总），得到样本数据；并基于交叉验证法，按照5:1:1的比例，将合并后的数据随机划分为训练集、测试集和验证集，其中，训练集用于虚拟量测模型的构建，测试集用于对虚拟量测模型进行测试，并依据测试结果调整虚拟量测模型参数，验证集用于测试虚拟量测模型的泛化能力；随后将训练集样本的数据特征作为训练集样本数据，每个样本对应的变量作为样本标签，采用多项式回归模型构建虚拟量测模型，并基于mae函数对模型进行调优，以使构建的虚拟量测模型更加接近实际的工件生产状况，至此，虚拟量测模型构建完毕，该模型具体包括以下执行步骤：1）数据清洗；2）特征提取；3）数据合并；
4）输入合并后的数据以产出工件的预测生产尺寸；故，具体应用时，在新工件生产过程中，采集其实时监测数据、工艺参数数据和plc监测数据，将数据传入至该模型，自动执行步骤（1）~（4），即可产出预测的工件生产尺寸，可依据对注塑工件的尺寸要求，预先设定一尺寸合格阈值进行自动比较判断，若预测出的工件尺寸数据超出尺寸合格阈值，则说明工件生产尺寸异常，即向外界发出警示信息，以便生产人员及时调整，避免资源浪费，节约生产成本。
24.以上仅为本发明的较佳实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。