一种基于数据驱动的多模型融合压铸件产品质量预测方法

一种基于数据驱动的多模型融合压铸件产品质量预测方法，属于压铸产品质量预测领域。首先，在压铸生产过程中采集多源工艺参数数据与对应质量检测数据，进行数据预处理与时序样本构建，得到多个时间序列样本；其次，对不等长的时间序列样本进行对齐，形成等长特征矩阵；然后，结合X射线检测结果完成压铸件产品内部缺陷的多标签标注，分别训练包括深度学习模型与传统机器学习模型在内的多种预测模型；引入Focal Loss、类别权重调整和超参数优化策略提升多种预测模型性能；最后，通过堆叠融合方法对多种预测模型进行集成，利用多层感知机实现最终预测输出，完成对压铸件内部质量的准确预测。本发明能够实现对压铸件内部质量的准确预测与关键工艺变量识别。