设为首页
传统压铸生产过程中，温度对产品形态和力学性能有着重要影响，但实现模具温度平衡，向来是个难题：
·缺乏配套红外设备
·高度依赖人工
·工艺调优难度大
……
这些难点，导致模温调试要么依靠人工经验，要么借助CAE仿真软件计算辅助调参，但到了一体化压铸时代，以上控制方法也只能望洋兴叹。
设计一个大型铸件的模温控制系统，意味着要设置数以百计的油温、水温、冷却时间等参数，布设300余根管路，并预留半年以上的试模时间。材料、人力和时间成本远远超出传统零部件。
特斯拉Model Y后底板的一体化压铸模具
图片来源：Patrick Pleul
一套能尽可能解放人工模温干预，令模温检测和模温控制功能无缝协作的系统，已经成为全行业共同呼声。
基于此，适创科技打造了“智能模温系统”。
据了解，该系统已经应用于吉利汽车旗下极氪工厂、梅山工厂，以及长安汽车一体化压铸车间智慧工厂项目，并且获得由铸造行业生产力促进中心、中国机械工程学会铸造分会联合颁发的2023年全国压铸行业创新技术奖项。
智能模温系统是部署于压铸岛内的软硬一体化计算设备，旨在联通模温控制系统、红外以及其他压铸岛内周边设备，实现数据汇总、模温异常发掘、工艺自动计算与下发的功能，实现模具温度全自动化反馈控制。
我们通过DOE实验设计生成技术，解决了传统仿真技术过慢的问题。
在前期，设计师输入完整模具设计数模，系统会进行如下工作：
·自动评估温控系统设计的合理性
·确认管路数量与属性，确认油温、水温、通水时间、延迟时间等控制参数
·匹配油温机、水温机及冷却单元回路数量并评价分组连接合理性
最终，系统一键生成DOE方案，提交智铸超云进行仿真计算。在智铸超云算力支持下，包含5000万模温网格，330变量，DOE10000组参数、20节点计算耗时仅需2.5天。
仿真完成后，利用深度学习神经网络训练，即可构建可预测的模具表面三维温度场代理模型。训练后，输入初始温度与工艺参数，即可实现一秒内模具表面温度的快速仿真预测。
如下图所示，在1000万模温网格规模下，智铸超云计算耗时4小时后（32核），生成代理模型，最终可做到仅100毫秒延迟的实时预测，代理模型与仿真计算的最大误差小于3%。
在生产阶段，适创科技通过深度学习图像处理技术，将多个红外摄像头拍摄的影像进行分割、变换后，多个二维图像可复现为三维温度场，实现更直观的观测。
随后，系统通过换热系数反算技术，根据复现的温度场，修正各管路实际换热系数，修正前期构建的快速仿真模型，使模型更贴合真实情况。
与此同时，系统也将基于深度学习的连续控制策略，构建基于温度场与工艺参数转化的预测模型。
输入异常温度场与期望温度场，预测模型可实现用于处理温度异常的工艺参数调节量反算，同时根据目前温度场的异常，进行实时工艺优化。
在实际生产中，智能模温系统的整体运行流程如下：
01 开模后，系统接收并校验模温系统参数采集信号、压铸机及其周边设备的参数采集信号、红外设备各角度喷涂前后拍摄图像等，确认没有硬件异常后，排查红外数据中是否反馈存在温度异常情况。
02 若出现模温异常，则对异常进行类型判断，并进行报警，对于可调节的异常，调用计算程序，计算各工艺参数调节量。
03 向温控设备下发温控参数前，调用快速仿真计算校验调整后温度情况；后续持续监控模具表面温度，确认温度调整情况。
智能模温系统是适创科技智慧压铸工厂的关键组成部分，它代表着适创科技透明化、敏捷化、智能化的智能生产理念，并具备虚拟制造、设备运行监控预警、自适应调整、全域自动化等关键要素，充分展现了企业数字化转型的专业性和先进性，为完善现代智能制造体系贡献了新的思路。
适创科技的目标是实现全车间操作决策自动化，打造全自动工艺大脑。目前，适创的智慧工厂以L4级智能制造为标杆，并将向L5级水准加速冲刺。在未来，适创将会以建设高质、高效、精益、可持续发展的智慧压铸工厂为愿景，为客户打造更多高价值服务。
推荐阅读：叶紫网
