一种基于CNN-LSTM混合神经网络模型的工艺质量预测方法技术

本发明专利技术公开了一种基于CNN

【技术实现步骤摘要】
一种基于CNN
‑
LSTM混合神经网络模型的工艺质量预测方法


[0001]本专利技术属于智能
，具体涉及一种基于CNN
‑
LSTM混合神经网络模型的工艺质量预测方法。

技术介绍

[0002]流程制造业中的工艺质量指标是整个生产线非常重要的一个部分，对于提高生产质量的内在质量具有重要作用。工艺参数设计不合理常常会导致生产过程质量波动，进而严重影响产品的产出数量和质量。目前工艺参数主要是根据满足后续工序加工要求的质量指标进行调控，且基本采用模糊控制技术调控工艺参数，使工艺质量控制在标准范围内，满足工艺要求。
[0003]在生产过程中影响工艺质量的因素有很多，并且在控制过程中存在比较强的不确定性、耦合性、滞后性和非线性。国内外一般对质量预测的模型研究主要分为两类：一类是时间序列分析方法，基本思想是从随机时间序列的过去值及现在值来预测未来值，它的优点在于考虑了数据的时序性关系，缺点在于对非线性关系数据的预测能力有限；另一类是机器学习分析方法，该方法兼顾数据的时序性和非线性关系，被逐渐运用在质量预测领域，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于CNN
‑
LSTM混合神经网络模型的工艺质量预测方法，其特征在于，包括如下步骤：(1)采集数据，测量并记录与质量指标相关的变量，获得初始变量；(2)数据筛选，通过相关性分析对初始变量进行筛选，去除掉冗余变量后获得输入变量；选取数据集的前80％数据作为训练集，剩余20％的数据作为测试集；(3)采用CNN
‑
LSTM神经网络建立预测模型，并结合时序注意力机制，在模型中输入输入变量，获得质量指标的预测数据；(4)根据获得的质量指标的预测数据与真实数据之间进行分析评价，验证预测方法的有效性。2.根据权利要求1所述的工艺质量预测方法，其特征在于，在步骤(1)中，确定与质量指标相关的变量，确定质量指标。3.根据权利要求1所述的工艺质量预测方法，其特征在于，步骤(2)中通过相关性分析对初始变量进行筛选步骤为：通过下式进行相关性分析计算各个特征变量与目标变量的相关程度：式中：X为n维数据变量，Y为质量指标；cov(X,Y)为两者间协方差；σ
X
、σ
Y
分别为X、Y标准差。4.根据权利要求1所述的工艺质量预测方法，其特征在于，步骤(3)中，CNN
‑
LSTM神经网络包括：一层输入层；一层卷积层，神经元个数为512，...

【专利技术属性】
技术研发人员：唐军，何邦华，周冰，林文强，易斌，谭国治，蔡波，唐丽，马宁，陈文，阴艳超，王明悦，张曦，
申请(专利权)人：云南中烟工业有限责任公司，
类型：发明
国别省市：