【技术实现步骤摘要】
一种基于RNN
‑
Markov组合模型的工艺质量预测方法
[0001]本专利技术属于智能制造领域,尤其涉及一种基于RNN
‑
Markov组合模型的工艺质量预测方法。
技术介绍
[0002]与传统的离散制造有所不同,流程生产质量指标影响因素多且众耦合复杂,工艺参数时序特征显著,原料成分波动频繁等特点。传统的过程质量指标预测方法大多依赖对于生产过程非稳定、非平衡和强非线性机理的理解,存在建模困难、预测精度低、可靠性难以保证等问题。本专利技术提出的RNN
‑
Markov组合模型为工艺质量指标预测提供一种新方法。
技术实现思路
[0003]本专利技术的目的是提供一种基于RNN
‑
Markov组合模型的工艺质量预测方法。本专利技术提供的预测方法可以对工艺质量进行准确预测,提高生产车间的生产效益,避免原材料的损耗,降低生产成本。
[0004]本专利技术所采用的技术方案如下:
[0005]一种基于RNN
‑
Markov组合模型的工艺质量预测方法,包括以下步骤:
[0006](1)数据采集,采集生产车间中的历史工艺数据,获得初始工艺数据集;并对工艺数据进行归一化处理;然后将初始工艺数据集按一定的比例划分为训练集和测试集;
[0007](2)构建RNN网络模型,将划分后的初始工艺数据集输入RNN网络模型,调整超参数并进行训练和预测,输出训练集和测试集的工艺质量指标预测值;
[0008](3) ...
【技术保护点】
【技术特征摘要】
1.一种基于RNN
‑
Markov组合模型的工艺质量预测方法,其特征在于,包括以下步骤:(1)数据采集,采集生产车间中的历史工艺数据,获得初始工艺数据集;并对工艺数据进行归一化处理;然后将初始工艺数据集按一定的比例划分为训练集和测试集;(2)构建RNN网络模型,将划分后的初始工艺数据集输入RNN网络模型,调整超参数并进行训练和预测,输出训练集和测试集的工艺质量指标预测值;(3)划分Markov模型的状态空间,根据RNN网络模型输出训练集的预测值与采集的初始工艺数据的真实值之间的相对残差划分状态空间;(4)根据划分的状态空间和RNN网络模型训练集的预测值,得到Markov模型的状态转移概率矩阵;(5)根据Markov模型的状态转移概率矩阵和划分的状态区间对RNN网络模型测试集的工艺质量指标预测值进行修正,得到RNN
‑
Markov组合模型的工艺质量指标预测值;(6)对RNN
‑
Markov组合模型的工艺质量指标测试集的预测值和真实值进行对比与分析,验证RNN
‑
Markov组合模型的工艺质量预测方法的有效性和准确性。2.根据权利要求1所述的工艺质量预测方法,其特征在于,步骤(1)数据采集具体包括以下步骤:确定生产工艺中的工艺参数项数和工艺质量指标个数,采集生产车间中的历史工艺数据作为初始工艺数据集;然后对工艺数据进行归一化处理,计算如下:其中,y
scale
为归一化后的值,y为采集的工艺数据序列的实际值,y
min
、y
max
分别为采集的工艺数据序列的最小值和最大值。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)RNN网络模型基本参数如下:一层输入层;一层RNN层,神经元个数为256,激活函数为Relu;一层全连接层,神经元个数为8,激活函数为Relu;一层输出层,输出训练集和测试集的工艺质量指标预测值。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)划分Markov模型状态空间包括以下步骤:将RNN网络模型的训练集工艺质量指标的真实值和预测值作...
【专利技术属性】
技术研发人员:易斌,李雯琦,唐军,林文强,方俊俊,秦鹏,高宇雷,高晓华,张立斌,周晓龙,周冰,谭国治,何邦华,刘丹楹,许晓黎,聂蓉,
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:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。