1. 注塑工艺智能制造领域：
项目团队在注塑工艺智能制造领域取得了系统性的创新成果，核心聚焦于解决传统制造中实时控制不足、经验依赖严重以及知识管理低效等关键科学问题。研究成果主要体现在三大方面：先进的数据驱动操作优化理论、高鲁棒性品质快速预测方法以及知识自动化技术体系。
1）在操作优化与控制理论方面，提出了基于注塑过程模型与数据驱动的深度神经网络实时最优控制学习算法，用于注塑机内部熔融物流动前沿的实时跟踪控制。该算法克服了现有技术中优化耗时久、重复调参和环境自适应性不足的弊端，实现了根据注塑机当前系统状态快速响应出下一步最优输入控制信号。该理论的核心特色在于其具备高度的实时性、收敛稳定性及鲁棒性，显著节省了优化时间。此外，针对传统工艺参数优化依赖经验“试错”的痛点，创新性地提出了基于强化学习的注塑制造过程工艺参数智能自动调优方法。该方法通过状态、动作和奖赏学习最佳决策，具有自适应学习能力，能够快速找到最佳的工艺参数组合，从而有效提高产品质量和生产效率。
图 1-1 基于强化学习的注塑过程工艺参数智能自动调优方法
2）在数据驱动的品质预测与分析方面，解决了注塑产品质量预测中存在的数据不平衡、小样本及异常值检测困难等难题。提出了基于数据驱动的P范数双增强层宽度学习（pNBEBLS）注塑品质快速预测算法，提升了算法模型应对异常数据和少量样本数据的能力，突出的技术特色是其结构简单、响应速度快、泛化性能好，适用于快速尺寸预测。同时，通过应用多种机器学习方法（如决策树、KNN、SVM等），实现了注塑工艺品质的自动特征提取和深入分析，避免了人工处理的效率瓶颈，降低了长期的人力成本。
3）注塑知识自动化与智能管理：构建了完整的注塑工艺缺陷知识获取及知识图谱方法，形成了从知识标注到图谱构建的完整技术链。该技术实现了注塑工艺领域知识的自动化抽取、结构化表达与高效应用，解决了海量缺陷知识离散、关联性差，导致故障定位困难的问题。基于此，研发了面向注塑工艺知识缺陷的可视化知识图谱管理平台及系统，具备知识抽取、缺陷级联搜索（支持复杂问题溯源）和故障诊断功能。更进一步，基于大语言模型（LLM）进行深度微调，注入注塑专业知识，构建了一个“永不离线的注塑工艺AI专家”智能管理系统。该系统通过“模型微调、知识提取、智能检索、应用集成”的“四步走”策略，能够通过一问一答的自然语言交互，精确诊断缺陷原因并提供优化建议，将隐性经验显性化，将碎片知识系统化，打造了一个“超级大脑”。
图 1-4 基于知识自动化的注塑工艺知识获取及知识图谱构建
图 1-5 基于大语言模型驱动的注塑工艺知识智能管理系统
图 1-6 注塑工艺参数优化与推荐软件系统
