(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210864571.4 (22)申请日 2022.07.21 (71)申请人 杭州巨星科技股份有限公司 地址 310019 浙江省杭州市上城区九环路 35号 (72)发明人 叶永良　李跃明　 (74)专利代理 机构 杭州杭诚专利事务所有限公 司 33109 专利代理师 尉伟敏 (51)Int.Cl. G06F 30/27(2020.01) G06F 30/17(2020.01) G06K 9/62(2022.01) G06F 113/22(2020.01) G06F 119/14(2020.01)G06F 119/08(2020.01) (54)发明名称 一种Moldflow参数修改建议的生成方法 (57)摘要 本发明提供了一种Moldflow参数修改建议 的生成方法， 通过对比Moldflow分析生成的结果 与现有工程师分析的结果， 生成对Moldflow 分析 结果的修正 建议模型， 并生 成更优的参数方案建 议， 解决了现有 技术的Moldflow中AI对高端模具 产品的生产指导效果低， 资深 工程师的意见无法 转化到Moldflow技术上的问题。 权利要求书2页 说明书6页 CN 115374694 A 2022.11.22 CN 115374694 A 1.一种Mo ldflow参数修改建议的生成方法， 其特 征在于： S1.将数据集 导入模型； 数据集的格式为： 工艺 参数， Moldflow评价， 工程师评价； 通过对比得到： 工艺 参数， 工程师评价 ‑Moldflow评价； 工程师评价、 Moldflow评价的得分， 对应了模具产品质量问题的大小， 同时也符合自然 数规律， 通过对比即可 得出明确的差异值并生成数据集： <X， Rx‑Rm> X表示工艺 参数， 也是模型中的特 征， Rx‑Rm表示人工与Mo ldflow仿真分析结果的区别； S2.使用该 数据集， 对每 个不同的问题评价分别建立模型； S3.通过该模型预测Moldflow仿真结果与工程师 标注的差异， 得 出建议， 并展示数据。 2.根据权利要求1所述的一种Moldflow参数修改建议的生成方法， 其特征在于， S2中的 模型是一种决策树分类预测模型， 通过偏差的大小， 在一个评分体系 下通过量化的方式产 生多个分类， 通过 数据集， 建立决策树分类预测模型。 3.根据权利要求1所述的一种Moldflow参数修改建议的生成方法， 其特征在于， S2中还 包括： S2.1随机 筛除差异过小的评价数据， 使其占数据总量的比例小于 50％； 筛选的条件为： |Rx‑Rm|＜y Rx‑Rm表示Mo ldflow评价与人工 评价的差异， y表示人工设定的差异过小的值。 4.根据权利要求1所述的一种Moldflow参数修改建议的生成方法， 其特征在于， S2中训 练模型的方法还 包括： S2.2.通过制造模具并测试生产 得到真实数据， 收集实际制造模具的参数与结果， 引入 新的一轮分类， 使模型 给出的预测结果接 近实际制造模具的结果； 实际制造模具的结果与工程师分析 结果的差异： <X， Rt‑Rx> 其中Rt表示实际测试的结果， Rx表示人工生成的评价， X表示工艺参数， 也是模型中的 特征该方法可以得到是仿真结论是否准确的评价。 5.根据权利要求1所述的一种Moldflow参数修改建议的生成方法， 其特征在于， S1数据 集的产生方法包括： S1.1.向Mo ldflow导入需要的产品模型 S1.2.由模具工程师手动生成数个可 能的模具设计， 并利用机器对随机的2 ‑3个参数进 行调整， 生成大量 不同的模具参数 方案； S1.3.通过Mo ldflow生成分析报告， 将关键的数据量 化评价； 通过一般的问卷量 化方式， 将问题从小到大分为多个打 分值的量 化反馈； S1.4.通过工程师对相同的工艺参数进行标注评价， 同样将问题从小到大分为多个打 分值， 获得量 化评价； S1.5.将其 合成训练样本数据集： 工艺参数， Moldflow评价， 工程师评价； <X， Rm， Rx>权　利　要　求　书 1/2 页 2 CN 115374694 A 2X表示工艺 参数， Rm表示Mo ldflow评价， Rx表示工程师评价。 6.根据权利 要求5所述的一种Moldflow参数修改建议的生成方法， 其特征在于， S1.4的 打分值与S1.3的打 分值不同， 通过一个规范化的方法将其调整为相同的值范围。 7.根据权利要求1所述的一种Moldflow参数修改建议的生成方法， 其特征在于， S3中通 过该模型预测Moldflow仿真结果与工程师 标注的差异， 并得 出建议的方法如下： S3.1.模具工程师设计一个模具； S3.2.机器随机修改一部分参数， 生成一整组模具设计数据； 该修改对随机的2 ‑3个参 数进行调整， 生成大量 不同的模具参数 方案； 工艺参数包括熔体温度、 模具温度、 注射温度、 注射时间、 注射压力、 冷却时间、 保压压 力、 保压时间、 冷却时间、 开闭模速度、 脱模速度， 还 包括材料选择与材 料参数； S3.3.通过Mo ldflow分析， 模型 得出输出的评价结果， 并对结果分数进行评估； 评价结果包括： 熔接痕问题、 气泡问题、 收缩翘曲问题等评价； 其结果分数计算方法为： 其中Rx表示Moldflow仿真分析的结果， 共有n个评价结果， Rx1表示第1个评价， Rd表示 模型给出的分类对应的参数， a表示影响该评价的权 重结果； S3.4.输出对该模具的预测数据， 以及分数高于该模具的参数集； 输出所有机器生成的参数数据中， 评分(从低 风险到高风险从小到大排列)低于工程师 提供的设计方案的参数 方案。 8.根据权利要求7所述的一种Moldflow参数修改建议的生成方法， 其特征在于， S4 中展 示数据的方法分为如下细节： 通过二次开发， 在Mo ldflow给出的分析报告中加入AI分析 数据， 数据的组成如下： Moldflow对其设计可能出现的缺陷评价； 资深工程师AI模型对Mo ldflow的结论的评价； 对现有设计的参数优化建议， 以及这些建议 参数可能出现的缺陷。权　利　要　求　书 2/2 页 3 CN 115374694 A 3