一种嵌件螺母智能生产方法和系统

技术领域

本说明书涉及自动化生产领域，特别涉及一种嵌件螺母智能生产方法和系统。

背景技术

嵌件螺母的生产通常是将融化后的原材料通过注塑机等装置注入放置有金属螺母的模具中，待冷却后拆去模具，得到生产好的嵌件螺母。然而，在冷却过程中，金属螺母和注入的原材料的结合处往往会产生应力，该应力可能会使生产好的嵌件螺母表面产生开裂，随着待冷却完成原材料性能逐渐稳定，开裂的程度可能会逐渐加深，从而影响嵌件螺母的强度。

因此，希望提供一种嵌件螺母智能生产方法和系统，更加智能高效的控制嵌件螺母的生产过程，保证生产的质量和效率。

发明内容

本说明书实施例之一提供一种嵌件螺母智能生产系统，其特征在于，所述系统包括：预热装置、注塑装置、注塑模具、脱模装置、收集装置和处理器；其中，所述预热装置用于对金属嵌件进行加热至预热温度，所述预热温度由所述处理器确定；所述预热装置还包括机械臂，所述处理器还用于控制所述机械臂将加热至所述预热温度的所述金属嵌件定位至所述注塑模具的目标位置；所述注塑装置用于将注塑材料加热至熔融温度，获得熔融态注塑材料，并基于注塑压力和注塑速度将所述熔融态注塑材料注入放置有所述金属嵌件的所述注塑模具，所述熔融温度、所述注塑压力和所述注塑速度由所述处理器确定；所述脱模装置用于响应于所述注塑模具的冷却到达冷却时间，拆除所述注塑模具，获得生产好的嵌件螺母，所述冷却时间由处理器确定；所述收集装置用于对所述嵌件螺母进行传输和收集。

本说明书实施例之一提供一种嵌件螺母智能生产方法，其特征在于，所述方法基于处理器执行，包括：确定金属嵌件的预热温度，控制预热装置将所述金属嵌件加热至所述预热温度，将预热后的金属嵌件通过机械臂定位至注塑模具的目标位置；确定熔融温度，控制注塑装置内的加热器将注塑材料加热至所述熔融温度，获得熔融态注塑材料；确定注塑压力和注塑速度，控制所述注塑装置按照所述注塑压力和所述注塑速度将所述熔融态注塑材料注入放置有所述金属嵌件注塑模具中；确定冷却时间，响应于到达冷却时间，控制脱模装置拆除所述注塑模具，获得生产好的嵌件螺母；控制收集装置对所述嵌件螺母进行传输和收集。

附图说明

本说明书将以示例性实施例的方式进一步说明，这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的，在这些实施例中，相同的编号表示相同的结构，其中：

图1是根据本说明书一些实施例所示的嵌件螺母智能生产系统的示例性模块图；

图2是根据本说明书一些实施例所示的嵌件螺母智能生产方法的示例性流程图；

图3是根据本说明书一些实施例所示的将预热后的金属嵌件定位至注塑模具的目标位置的示例性流程图；

图4是根据本说明书一些实施例所示的注塑模型的示意图；

图5是根据本说明书一些实施例所示的确定冷却时间的流程示意图。

具体实施方式

为了更清楚地说明本说明书实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地，下面描述中的附图仅仅是本说明书的一些示例或实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明，图中相同标号代表相同结构或操作。

应当理解，本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而，如果其他词语可实现相同的目的，则可通过其他表达来替换所述词语。

如本说明书和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其它的步骤或元素。

本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是，前面或后面操作不一定按照顺序来精确地执行。相反，可以按照倒序或同时处理各个步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。

嵌件螺母一种常见的形式是将金属件嵌入到塑料材料中，从而使螺纹部分的强度提高，从而获得更好的耐磨性。通常情况下，这种螺母是通过注塑加工工艺制造的，即将金属螺纹嵌件预先固定在注塑模具中的适当位置，然后将预热融化的注塑材料诸如模具，待注塑材料冷却后将模具拆除，从而得到塑料中包裹有螺纹嵌件的制品。

然而，在这一生产过程中，由于在冷却过程中注塑材料可能存在大小不一的内应力，当内应力积累到一定程度时会发生开裂现象，使生产好的嵌件螺母强度不够，影响产品的合格率。此外，生产过程中的冷却速度也需要合理把控，内应力会随着冷却速度的增快而变大，冷却速度过慢会使生产周期变长，从而使生产成本增加。

有鉴于此，本说明书一些实施例中，希望提供一种嵌件螺母智能生产系统，通过注塑模型确定注塑的参数，通过时间预测模型确定冷却的时间，从而更加智能高效的控制嵌件螺母的生产过程，保证生产的质量和效率。

图1是根据本说明书一些实施例所示的嵌件螺母智能生产系统的示例性模块图。如图1所示，嵌件螺母智能生产系统100至少可以包括预热装置110、注塑装置120、注塑模具130、脱模装置140、收集装置150和处理器160。

预热装置110可以用于对金属嵌件进行加热至预热温度。在一些实施例中，预热装置至少可以包括加热组件。加热组件可以接受处理器160的控制，对金属嵌件进行加热，直到金属嵌件达到预热温度。其中，预热温度可以由处理器160根据原材料数据确定。

在一些实施例中，预热装置可以包括机械臂。机械臂的一端固定在预热装置表面，另一端具有抓手，该抓手可以用于抓取预热好的金属嵌件。在一些实施例中，机械臂可以响应于处理器160发出的控制指令，将加热至预热温度的金属嵌件定位至注塑模具的目标位置。

注塑装置120可以用于将注塑材料加热至熔融温度，获得熔融态注塑材料，并基于注塑压力和注塑速度将熔融态注塑材料注入放置有金属嵌件的注塑模具130。在一些实施例中，注塑装置至少可以包括马达、料斗、螺杆、加热器、机筒等组件。其中，马达用于提供注塑的动力，料斗用于放置注塑材料，加热器用于对注塑材料加热至熔融态，螺杆用于搅拌并推动熔融态注塑材料排出机筒，进行注塑。

在一些实施例中，熔融温度、注塑压力和注塑速度可以由处理器160确定。注塑装置可以响应于处理器160发出的注塑指令，通过加热器将注塑材料加热至熔融态，并按照处理器160确定的注塑压力和注塑速度进行注塑。

注塑模具130可以是注塑过程中用于辅助成型的用具。根据不同的注塑需求，注塑模具可以有各种不同的形式，具体可根据嵌件螺母生产图纸或生产计划确定。在一些实施例中，注塑模具130可以包括上模具和下模具，上模具和下模具可以分别固定在注塑装置的模具固定架上，其中，上模具可以悬空设置的下模具的上方，实际生产时，可以通过移动模具固定架是上模具和下模具合在一起。在一些实施例中，注塑模具还可以是其他形式，具体可根据实际情况确定。

脱模装置140可以用于响应于注塑模具的冷却到达冷却时间，拆除注塑模具，获得生产好的嵌件螺母。在一些实施例中，脱模装置至少可以包括支撑架、电机、丝杆、导轨、气缸和喷气脱模组件。其中，支撑架上设置有四个滑孔，通过滑孔套设置在四根竖直设置的导轨上，支撑加上还设置有与丝杆螺纹相匹配的螺纹孔，该螺纹孔和和丝杆螺纹相连接；丝杆与电机连接；支撑架上还设置有气缸，气缸的活塞杆前端设置有喷气脱模组件；喷气脱模组件可以包括高压气源和弹性橡胶喷嘴，弹性橡胶喷嘴上还设置有脱模刷。电机、气缸和喷气脱模组件分别和处理器连接，通过接收处理器160发出的脱模信号，执行脱模操作。

收集装置150可以用于对生产好的嵌件螺母进行传输和收集。在一些实施例中，收集装置至少可以包括传送带和收集箱。其中，传送带可以用于传输生产好的嵌件螺母，收集箱可以用于存放生产好的嵌件螺母。

处理器160可以对嵌件螺母的生产过程中产生的数据和信息进行处理，并向相关组成部分发送指令执行相关生产操作。

在一些实施例中，处理器160可以基于原材料数据，通过向量匹配的方法确定金属嵌件的预热温度以及注塑材料的熔融温度，基于预热温度向预热装置110发出预热指令，控制预热装置对金属嵌件进行预热，基于熔融温度向注塑装置发出加热指令，控制注塑装置对注塑材料进行加热，获得熔融态的注塑材料。关于确定预热温度和熔融温度的更多内容可参见本说明书图2中的相关描述。

在一些实施例中，处理器160还可以用于基于图像采集装置获取的图像数据和运动传感器获取的机械臂的运动数据，控制机械臂调整金属嵌件至注塑模具的目标位置。关于调整金属嵌件至注塑模具的目标位置的更多内容可参见本说明书图3中的相关描述。

在一些实施例中，处理器160还可以用于基于预设注塑速度和预设注塑压力，通过注塑模型确定注塑装置的注塑速度和注塑压力，并控制注塑装置按照前述注塑压力和注塑速度将熔融态注塑材料注入注塑模具，其中，注塑模型可以是机器学习模型。关于确定注塑速度和注塑压力的更多内容可参见本说明书图4及其相关描述。

在一些实施例中，处理器160还可以用于基于预设冷却液速度通过瑕疵率预测模型确定冷却液流速，基于冷却液流速，通过时间预测模型确定冷却时间，响应于注塑模具的冷却到达冷却时间，控制脱模装置拆除注塑模具。其中，瑕疵率预测模型和时间预测模型可以是机器学习模型。关于确定冷却时间的更多内容可参见本说明书图5中的相关描述。

应当理解，图1所示的系统及其模块可以利用各种方式来实现。需要注意的是，以上对于嵌件螺母智能生产系统及其模块的描述，仅为描述方便，并不能把本说明书限制在所举实施例范围之内。可以理解，对于本领域的技术人员来说，在了解该系统的原理后，可能在不背离这一原理的情况下，对各个模块进行任意组合，或者构成子系统与其他模块连接。在一些实施例中，图1中披露的各个模块可以是一个系统中的不同模块，也可以是一个模块实现上述的两个或两个以上模块的功能。例如，各个模块可以共用一个处理器，各个模块也可以分别具有各自的处理器。诸如此类的变形，均在本说明书的保护范围之内。

图2是根据本说明书一些实施例所示的嵌件螺母智能生产方法的示例性流程图。如图2所示，流程200包括下述步骤。在一些实施例中，流程200可以由处理器160执行。

步骤210，确定金属嵌件的预热温度，控制预热装置将金属嵌件加热至预热温度，将预热后的金属嵌件通过机械臂定位至注塑模具的目标位置。

预热温度通常指期望金属嵌件达到的温度。在嵌件螺母的生产过程中，如果金属嵌件温度过低，可能会使靠近金属嵌件的熔融态注塑材料迅速冷却，而原理金属嵌件的熔融态注塑材料不能立刻冷却，使得冷却不均匀。因此，需要对金属嵌件进行预热至预热温度，避免注塑材料冷却不均匀。

在一些实施例中，处理器160可以控制预热装置对金属嵌件进行预热，直到金属嵌件达到预热温度。

在一些实施例中，预热温度可以由处理器160通过多种方式确定。例如，预热温度可以是预设值，如：60℃、80℃等。又例如，预热温度可以与原材料的种类相关，如：熔融温度高的原材料生产时要求金属嵌件有更高的预热温度等。

在一些实施例中，处理器160可以基于原材料数据，通过向量匹配的方法确定金属嵌件的预热温度。其中，原材料数据至少可以包括注塑材料的类型、金属嵌件的类型等。

例如，基于历史生产数据构建向量数据库，选取向量数据库中历史产品开裂率低于阈值的注塑数据。向量数据库中的历史向量可以是(M，N，O)的形式，其中，M可以表示历史金属嵌件的种类，N可以表示历史金属嵌件的大小，O可表示历史注塑材料的种类。每一个历史向量都对应有一组生产参数，生产参数至少包括金属嵌件的历史预热温度和注塑材料的历史熔融温度。

在一些实施例中，处理器160可以基于当前生产的金属嵌件种类、金属嵌件大小和注塑材料种类构建目标向量，通过将目标向量和向量数据库中的历史向量进行匹配，确定与目标向量距离最小的历史向量，将该历史向量对应的历史预热温度作为本次生产的金属嵌件的预热温度。其中，向量的距离可以包括欧式距离、余弦距离、马氏距离、切比雪夫距离、曼哈顿距离中的至少一种。

在一些实施例中，处理器160可以控制机械臂将预热后的金属嵌件定位至注塑模具的目标位置，包括：通过机械臂上的图像采集装置获取图像数据，通过机械臂上设置的运动传感器获取运动数据，基于前述图像数据和运动数据，调整金属嵌件至注塑模具的目标位置。

关于将预热后的金属嵌件通过机械臂定位至注塑模具的目标位置的更多详细内容，可参见本说明书图3及其相关描述。

步骤220，确定熔融温度，控制注塑装置内的加热器将注塑材料加热至熔融温度，获得熔融态注塑材料。

熔融温度通常指能够使注塑材料融化并保持熔融态的温度。

在一些实施例中，熔融温度可以由处理器160通过多种方式确定。例如，熔融温度可以是预设值，如：220℃、250℃等。又例如，熔融温度可以与注塑材料的种类相关，如：熔融温度高的注塑材料生产时要求更高的熔融温度等。

在一些实施例中，处理器160可以基于原材料数据，通过向量匹配的方法确定金属嵌件的预热温度。其中，原材料数据至少可以包括注塑材料的类型。

在一些实施例中，处理器160可以基于当前生产的金属嵌件种类、金属嵌件大小和注塑材料种类构建目标向量，通过将目标向量和向量数据库中的历史向量进行匹配，确定与目标向量距离最小的历史向量，将该历史向量对应的历史熔融温度作为本次生产的熔融温度。其中，向量的距离可以包括欧式距离、余弦距离、马氏距离、切比雪夫距离、曼哈顿距离中的至少一种。向量数据库的构建可参见本说明书步骤210中的相关描述。

在一些实施例中，处理器160可以控制注塑装置的加热器对注塑材料进行加热，直到获得熔融态的注塑材料。

步骤230，确定注塑压力和注塑速度，控制注塑装置按照注塑压力和注塑速度将熔融态注塑材料注入放置有金属嵌件的注塑模具。

注塑是指将熔融态的注塑材料通过加压、注入、冷却、脱模等操作制成具有一定形状的产品的过程。在将熔融态的注塑材料注入注塑模具的过程中，注塑压力和注塑速度均会对产品的成型效果产生影响。理论上，注塑速度和注塑压力相关，注塑压力越大注塑速度也相对更大，注塑速度越快，注塑用时越少，产品的成型效率越高，而注塑速度过快，则容易造成填充不均匀，使得产出物有外观缺陷。因此，确定合理的注塑速度和注塑压力十分重要。

在一些实施例中，处理器160可以通过多种方式确定注塑压力和注塑速度。例如，处理器160可以基于人工输入确定注塑压力和注塑速度；又例如，处理器160可以基于预先设置确定注塑压力和注塑速度。

在一些实施例中，处理器160还可以通过机器学习模型确定注塑压力和注塑速度。有关通过机器学习模型确定注塑压力和注塑速度的更多内容可参见本说明书图4及其相关描述。

在一些实施例中，处理器160可以控制注塑装置按照前述注塑压力和注塑速度将熔融态注塑材料注入放置有金属嵌件的注塑模具。

步骤240，确定冷却时间，响应于到达冷却时间，控制脱模装置拆除注塑模具，获得生产好的嵌件螺母。

在一些实施例中，处理器160可以基于预设冷却液流速确定冷却时间。有关确定冷却时间的更多内容可参见本说明书图5及其相关描述。

在一些实施例中，处理器160可以在达到冷却时间后控制脱模装置拆除注塑模具，获得生产好的嵌件螺母，并控制收集装置对生产好的嵌件螺母进行传输和收集。

本说明书一些实施例中，通过注塑模型确定注塑压力和注塑速度，通过时间预测模型确定冷却的时间，从而更加智能高效的控制嵌件螺母的生产过程，有利于保证生产的质量和效率，减少开裂现象的发生。

图3是根据本说明书一些实施例所示的将预热后的金属嵌件定位至注塑模具的目标位置的示例性流程图。如图3所示，流程300包括下述步骤。在一些实施例中，流程300可以由处理器160执行。

步骤310，通过机械臂上设置的图像采集装置获取图像数据。

在一些实施例中，处理器160可以通过机械臂上设置的图像采集装置获取图像数据。该图像数据至少包括机械臂抓手的当前位置。

在一些实施例中，图像数据可以用于确定机械臂抓手的当前位置，结合运动数据可以进一步确定机械臂下一步的移动轨迹。

步骤320，通过机械臂上设置的运动传感器获取运动数据。

在一些实施例中，处理器160可以通过机械臂上设置的运动传感器获取运动数据。其中，运动数据为机械臂的实时运动数据，可以包括机械臂的移动方向、移动速度、移动距离、机械臂的倾斜程度等。

在一些实施例中，运动数据可以用于确定机械臂的运动状态，从而结合图像数据进一步确定机械臂下一步的移动轨迹。

步骤330，基于图像数据和运动数据，调整金属嵌件至注塑模具的目标位置。

在一些实施例中，处理器160可以基于图像数据和运动数据，调整金属嵌件至注塑模具的目标位置。其中，目标位置可以指标准嵌件螺母中金属嵌件在注塑模具中的位置。在一些实施例中，目标位置可以根据产品的设计图确定。例如，处理器160可以通过图纸扫描或人工输入等方式获取嵌件螺母的设计图纸，通过对设计图纸进行分析确定金属嵌件在注塑模具中的目标位置。

在一些实施例中，处理器160还可以控制机械臂将预热后的金属嵌件定位至注塑模具的初始目标位置，通过机械臂上设置的图像采集装置获取图像数据，通过机械臂上设置的运动传感器获取运动数据；基于图像数据和运动数据对初始目标位置进行校正；获取校正后的初始目标位置数据，确定校正后的初始目标位置数据和目标位置的位置差异，基于前述位置差异确定机械臂需要移动的距离和方向，进而调整金属嵌件至注塑模具的目标位置。其中，前述初始目标位置可以指注塑模具中预设的金属嵌件放置位置，该位置和目标位置的距离小于预设阈值，前述图像数据可以反映初始目标位置，前述运动数据可以反映机械臂的运动情况。

在本说明书一些实施例中，通过先将金属嵌件放置在初始目标位置，然后基于图像数据和机械臂运动数据将金属嵌件进一步调整目标位置，有利于避免一次性放置完成可能造成的位置偏差，进而保证了生产出的嵌件螺母的质量；通过获取图像数据和运动数据辅助调整金属嵌件的位置，可以使金属嵌件放置位置更加准确，从而使生产出的嵌件螺母更加符合要求。

图4是根据本说明书一些实施例所示的注塑模型的示意图。如图4所示，注塑模型的执行与训练过程400包括以下内容。

在一些实施例中，处理器160可以基于预设注塑速度和预设注塑压力，通过注塑模型确定注塑装置的注塑速度和注塑压力。其中，注塑模型可以是机器学习模型，例如，注塑模型可以是卷积神经网络模型(Convolutional Neural Networks，CNN)等模型。

在一些实施例中，注塑模型420的输入可以包括预设注塑速度410-1和预设注塑压力410-2。预设注塑速度和预设注塑压力可以有多种组合，具体可基于实际生产经验，通过历史生产数据或人工输入确定。

在一些实施例中，注塑模型420的输入还可以包括金属嵌件的预热温度、注塑材料的熔融温度、注塑材料的类型等(图中未示出)。其中，金属嵌件的预热温度可以基于原材料数据，通过向量匹配的方式确定，更多详细内容可参见图2中步骤210及其相关描述。注塑装置喷嘴的温度可以根据安装在注塑装置喷嘴的温度传感器获取。注塑材料的类型可以通过人工输入确定。

在一些实施例中，注塑模型420的输出可以包括嵌件螺母的外观质量430。嵌件螺母的外观质量可以指生产好的嵌件螺母的品质，嵌件螺母因注塑材料冷却硬化而造成的收缩凹陷、烧焦、气纹等外观缺陷越严重，其外观质量越差。嵌件螺母的外观质量可以用0-10之间的数值表示，数值越大表示嵌件螺母的外观质量越好。

在一些实施例中，注塑模型420可以通过多个有标签的第一训练样本训练得到。例如，可以将多个带有标签的第一训练样本421-1输入初始注塑模型421，通过标签和初始注塑模型的结果构建损失函数，基于损失函数通过梯度下降或其他方法迭代更新初始注塑模型的参数。当满足预设条件时模型训练完成，得到训练好的注塑模型。其中，预设条件可以时损失函数收敛、迭代的次数达到阈值等。

在一些实施例中，第一训练样本421-1至少可以包括历史生产数据，例如，样本嵌件螺母生产时的样本预设温度、样本熔融温度、样本注塑材料的类型，以及样本预设注塑速度和样本预设注塑压力。训练的标签可以表征样本嵌件螺母的外观品质421-2，具体可通过0-10之间的数值表示，数值越大表示样本嵌件螺母的外观质量越好。其中，标签可以通过人工标注确定。

本说明书一些实施例中，通过注塑模型可以高效、准确地确定注塑装置的注塑速度和注塑压力，有利于减少产出的嵌件螺母因注塑材料冷却硬化而造成的收缩凹陷、烧焦、气纹等外观缺陷，从而提高嵌件螺母的生产质量。

图5是根据本说明书一些实施例所示的确定冷却时间的流程示意图。如图5所示，流程500包括以下步骤。在一些实施例中，流程500可以由处理器160执行。

步骤510，基于预设冷却液流速，通过瑕疵率预测模型确定冷却液流速。

冷却液流速通常可以指冷却装置中冷却液的流动速度。预设冷却液流动速度可以包括基于实际生产经验预设的冷却液流动速度。

在一些实施例中，处理器160可以基于预设冷却液流速通过瑕疵率预测模型确定冷却液流速。例如，处理器160可以基于至少一组预设冷却液流速，确定不同预设冷却液流速处理下生产出的嵌件螺母的瑕疵率，将嵌件螺母瑕疵率满足预设条件的组对应的预设冷却液流速作为用于生产的冷却液流速。其中，预设条件可以包括嵌件螺母的瑕疵率阈值，例如，预设条件为嵌件螺母瑕疵率低于第一瑕疵率阈值5％，又例如，预设条件可以嵌件螺母瑕疵率最低且低于第二瑕疵率阈值10％。在一些实施例中，预设条件还可以是其他形式，具体可根据实际生产需求确定。

在一些实施例中，瑕疵率预测模型可以是机器学习模型。例如，瑕疵率预测模型可以是卷积神经网络模型(Convolutional Neural Networks，CNN)。

在一些实施例中，瑕疵率预测模型的输入可以包括至少一组预设冷却液流速。预设冷却液流速通常可以基于实际生产经验确定，并通过历史生产数据或人工输入获得。

在一些实施例中，瑕疵率预测模型的输入还可以包括注塑材料的类型及熔融温度、金属嵌件的类型及预热温度、注塑模具的温度和环境温度(图中未示出)。其中，注塑材料的类型和金属嵌件的类型可以基于嵌件螺母的生产计划确定；熔融温度和预热温度可以基于原材料数据通过向量匹配的方法确定，更多详细内容可参加图2步骤210和步骤220中的相关描述；注塑模具的温度和环境温度可以通过温度传感器获得。

在一些实施例中，瑕疵率预测模型的输出可以包括输入的预设冷却液流速对应的嵌件螺母的瑕疵率。该瑕疵率可以反映在与输入的数据相对应的生产条件生产出的嵌件螺母的质量，瑕疵率可通过0％-100％之间的数值表示，数值越大表示历史嵌件螺母的瑕疵率越高。

在一些实施例中，瑕疵率预测模型可以通过多个有标签的第二训练样本训练得到。例如，可以将多个带有标签的第二训练样本输入初始注塑模型，通过标签和初始瑕疵率预测模型的结果构建损失函数，基于损失函数通过梯度下降或其他方法迭代更新初始瑕疵率预测模型的参数。当满足预设条件时模型训练完成，得到训练好的瑕疵率预测模型。其中，预设条件可以时损失函数收敛、迭代的次数达到阈值等。

在一些实施例中，第二训练样本至少可以包括第二历史生产数据，例如，历史嵌件螺母生产时的历史注塑材料及历史熔融温度、历史金属嵌件的类型以及历史预热温度、历史注塑模具温度和历史环境温度。训练的标签可以表征历史嵌件螺母的瑕疵率，具体可通过0％-100％之间的数值表示，数值越大表示历史嵌件螺母的瑕疵率越高。其中，标签可以通过人工标注确定。

在一些实施例中，处理器160可以基于瑕疵率预测模型的输出结果，从至少一组预设冷却液流速中确定符合条件的冷却液流速。例如，处理器可以将至少一组预设冷却液流速对应的嵌件螺母瑕疵率从小到大排序，选择对应瑕疵率最小的一组预设冷却液流速作为冷却液流速。

本说明书一些实施例中，通过瑕疵率预测模型确定至少一组预设冷却液流速处理下，嵌件螺母的瑕疵率，进而确定符合条件的冷却液流速，有利于在冷却装置涉及确定的情况下，获得更合适的冷却液流速，保证冷却效果以及产出的嵌件落幕的质量，从而提高生产效率。

步骤520，基于冷却液流速，通过时间预测模型确定冷却时间。

冷却时间通常可以指冷却装置对注塑模具及其中的嵌件螺母进行冷却处理的时间。

一些实施例中，处理器160可以基于冷却液流速通过时间预测模型确定冷却时间。例如，至少将前述流速模型确定的冷却液流速输入训练好的时间预测模型，进而获得冷却时间。

在一些实施例中，时间预测模型可以是机器学习模型。例如，时间预测模型可以是卷积神经网络模型(Convolutional Neural Networks，CNN)。

在一些实施例中，时间预测模型的输入可以包括冷却液流速。冷却液流速可以基于至少一组预设冷却液流速通过瑕疵率预测模型确定，更多详细内容可参见图5中步骤510的相关描述。

在一些实施例中，时间预测模型的输入还可以包括注塑材料的类型及熔融温度、金属嵌件的类型及预热温度、注塑模具的温度、环境温度和目标温度(图中未示出)。其中，注塑材料的类型和金属嵌件的类型可以基于嵌件螺母的生产计划确定；熔融温度和预热温度可以基于原材料数据通过向量匹配的方法确定，更多详细内容可参加图2步骤210和步骤220中的相关描述；注塑模具的温度和环境温度可以通过温度传感器获得；目标温度通常指可以进行拆模的温度，通常根据生产经验由人工设置。

在一些实施例中，时间预测模型的输出可以包括冷却时间。处理器160可以将确定好的冷却时间发送给冷却装置，进而控制冷却装置对已经完成注塑的注塑模具进行冷却。

在一些实施例中，时间预测模型可以通过多个有标签的第三训练样本训练得到。例如，可以将多个带有标签的第三训练样本输入初始时间预测模型，通过标签和初始时间预测模型的结果构建损失函数，基于损失函数通过梯度下降或其他方法迭代更新初始时间预测模型的参数。当满足预设条件时模型训练完成，得到训练好的时间预测模型。其中，预设条件可以时损失函数收敛、迭代的次数达到阈值等。

在一些实施例中，第三训练样本至少可以包括第三历史生产数据，例如，历史嵌件螺母生产时的历史注塑材料及历史熔融温度、历史金属嵌件的类型以及历史预热温度、历史注塑模具温度、历史环境温度和历史目标温度。训练的标签可以表征历史生产中的冷却时间。其中，标签可以通过人工标注确定。

本说明书一些实施例中，通过时间预测模型可以高效、准确地确定冷却装置的合理冷却时间，从而避免因冷却时间不足使嵌件螺母有外观缺陷，还能避免因冷却时间过长而造成的能源浪费。

在一些实施例中，响应于拆模过程中嵌件螺母发生形变，处理器160可以控制冷却装置增加冷却时间。其中，处理器160可以通过图像获取装置获取嵌件螺母在至少一个连续时刻的至少一个角度的图像，通过图像识别模型判断嵌件螺母是否在拆模过程中发生形变，若发生形变，则增加冷却装置的冷却时间。

在一些实施例中，处理器160可以基于预设规则增加冷却时间。其中，预设规则可以人为设定。例如，预设规则可以是检测到嵌件螺母发生形变则增加预设时长的冷却时间，如，增加10分钟的冷却时间等。在一些实施例中，冷却时间的增加量与嵌件螺母的形变程度有关。例如，形变程度越大，需要增加的冷却时间越长等。

本说明书一些实施例中，基于预设冷却液流速确定冷却液流速，基于冷却液流速通过时间预测模型确定冷却时间，能够更加智能快捷的确定合适的冷却液流速和冷却时间，有利于避免因为不合理的冷却参数导致生产出的嵌件螺母内应力过大，减少了开裂等外观瑕疵，从而在保证产品质量的同时合理化冷却时间，控制生产成本。

应当注意的是，上述有关流程的描述仅仅是为了示例和说明，而不限定本说明书的适用范围。对于本领域技术人员来说，在本说明书的指导下可以对流程中的步骤进行各种修正和改变。然而，这些修正和改变仍在本说明书的范围之内。

上文已对基本概念做了描述，显然，对于本领域技术人员来说，上述详细披露仅仅作为示例，而并不构成对本说明书的限定。虽然此处并没有明确说明，本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议，所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。

同时，本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此，应强调并注意的是，本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外，本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。

此外，除非权利要求中明确说明，本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用，并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例，但应当理解的是，该类细节仅起到说明的目的，附加的权利要求并不仅限于披露的实施例，相反，权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如，虽然以上所描述的系统组件可以通过硬件设备实现，但是也可以只通过软件的解决方案得以实现，如在现有的服务器或移动设备上安装所描述的系统。

同理，应当注意的是，为了简化本说明书披露的表述，从而帮助对一个或多个发明实施例的理解，前文对本说明书实施例的描述中，有时会将多种特征归并至一个实施例、附图或对其的描述中。但是，这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上，实施例的特征要少于上述披露的单个实施例的全部特征。

一些实施例中使用了描述成分、属性数量的数字，应当理解的是，此类用于实施例描述的数字，在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明，“大约”、“近似”或“大体上”表明所述数字允许有±20％的变化。相应地，在一些实施例中，说明书和权利要求中使用的数值参数均为近似值，该近似值根据个别实施例所需特点可以发生改变。在一些实施例中，数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值，在具体实施例中，此类数值的设定在可行范围内尽可能精确。

针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料，如文章、书籍、说明书、出版物、文档等，特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外，对本说明书权利要求最广范围有限制的文件(当前或之后附加于本说明书中的)也除外。需要说明的是，如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方，以本说明书的描述、定义和/或术语的使用为准。

最后，应当理解的是，本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此，作为示例而非限制，本说明书实施例的替代配置可视为与本说明书的教导一致。相应地，本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。