基于GA-CNN的加工工艺优化参数的分析方法技术

本发明专利技术实施例提供一种基于GA

【技术实现步骤摘要】
基于GA
‑
CNN的加工工艺优化参数的分析方法


[0001]本专利技术涉及大数据的工艺建模领域，具体地涉及一种基于GA
‑
CNN的加工工艺优化参数的分析方法。

技术介绍

[0002]智慧工厂是现代工厂信息化发展的新阶段。在工厂普遍实现数字化监控和记录的基础上，充分挖掘数据本身包含的大量有用信息，开发利用隐藏在数据背后的潜在价值，通过建立基于大数据分析的生产管理模拟系统，帮助生产管理部门提前预测原料来源、产品需求等外界因素的变化对生产结果的影响，形成“以数据驱动决策”的全新信息化决策机制，并为下一步通过优化生产工艺实现降本增效奠定基础。智慧工厂目的是实现“数字孪生”，通过数据和模型层面的架构反映工厂实际生产过程的信息，并根据模型层面的运算结果指导实际生产。其中模型的建立需要依赖于历史数据，运用大数据技术提取历史数据中的信息，构建数学模型。实现“数字孪生”大体可以分成以下四个步骤：1)历史数据采集：对企业系统数据、工厂设备数据、传感器数据、手动记录数据、厂区管理数据等多方工业企业数据进行采集。2)数据预处理：包括本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于GA
‑
CNN的加工工艺优化参数的分析方法，其特征在于，包括：获取加工工艺中的位点对应的生产监测原始数据形成初始标准数据；运用遗传算法确定所述加工工艺中每一代种群包含的位点，将每一代种群中的位点所对应的初始标准数据通过神经网络进行训练，将训练结果的平均相对误差作为该代种群的适应度函数值；根据每代种群的适应度函数值确定加工工艺中的位点中最优种群所对应的位点；将最优种群所对应的位点对应的初始标准数据，运用卷积神经网络以加工工艺优化方法中的控制目标作为输出结果，进行训练；根据训练完成的卷积神经网络的Olden权值确定影响加工工艺优化方法中的控制目标的优化调整位点。2.根据权利要求1所述的分析方法，其特征在于，所述获取加工工艺中的位点对应的生产监测原始数据形成初始标准数据，包括：将加工工艺中的位点对应的生产监测原始数据进行预处理，得到预处理数据；所述预处理采用以下方法中的一种或者多种：线性插值法、箱型图法和移动平均法；根据所述预处理数据形成初始标准数据。3.根据权利要求2所述的分析方法，其特征在于，所述根据预处理数据形成初始标准数据，包括：将所述预处理数据进行降维处理，得到预处理数据中的特征数据；以预处理数据中的特征数据作为初始标准数据。4.根据权利要求3所述的分析方法，其特征在于，所述降维处理的方法包括Lasso回归法；Lasso回归法的定义函数为：其中λ为调和参数，n为样本个数，y为目标参考值，x
i
为变量参数，β为独立变量系数。5.根据权利要求1所述的分析方法，其特征在于，所述根据训练完成的卷积神经网络的Olden权值确定影响加工工艺优化方法中的控制目标的优化调整位点，包括：将训练完成的卷积神经网络的Olden权值从大到小进行排序，得到排序序列，排序序列的顺序与影响度的程度一一对应；所述影响度为加工工艺中的位点对加工工艺控制目标的影响度。6.根据权利要求1
‑
5中任一项权利要求所述的加工工艺优化方法，其特征在于，所述卷积神经网络的Olden权值采用以下公式计算：其中，j1为第一中间隐含层，j2为第二中间隐含层，L1为第一隐含层得节点数，L2为第二隐含层得节点数，O
ip
为输入变量x
i
对输出层y
p
的敏感性指标值，w
ij
为输入变量x
i
对第一中间...

【专利技术属性】
技术研发人员：佟毅，陶然，李义，叔谋，都健，张磊，刘颖慰，赵优，徐扬，赵国兴，刘琳琳，董亚超，李明鑫，周聪聪，
申请(专利权)人：中粮生物科技股份有限公司大连理工大学中粮营养健康研究院有限公司，
类型：发明
国别省市：