一种基于VAE-GRU-Markov组合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工艺质量预测方法，包括以下步骤：(1)数据采集，划分为训练集和测试集；(2)构建VAE‑GRU网络模型；(3)划分马尔可夫模型的状态空间；(4)得到马尔可夫模型的状态转移概率矩阵；(5)得到VAE‑GRU‑Markov组合模型的预测值；(6)对VAE‑GRU‑Markov模型的工艺质量预测值和真实值进行对比与分析，验证该组合模型的有效性和准确性。本发明专利技术的预测方法相比传统的神经网络组合模型，其预测精度有了进一步的提升，为工艺质量预测提供新思路。

【技术实现步骤摘要】

本专利技术属于智能制造领域，尤其涉及一种基于vae-gru-markov组合模型的工艺质量预测方法。

技术介绍

1、流程工业作为我国国民经济的支柱和基础产业，实现流程工业的智能化制造对我国经济的发展起到至关重要的作用。随着数字化制造与流程生产的有机融合，流程工业产线上数据采集系统不断升级、工艺生产数据不断丰富，工艺数据间强耦合、时序性、高维性的特征愈发显著，导致建模困难且预测精度低，难以对生产过程指标变化趋势进行准确预测。本专利技术提出的vae-gru-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

1、本专利技术的目的是提供一种基于vae-gru-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，提高生产效率，降低生产成本，同时避免原材料的损耗。

2、本专利技术所采用的技术方案如下：

3、一种基于vae-gru-markov组合模型的烘丝加工强度预测方法，包括以下步骤：

4、(1)数据采集并进行归一化处理，将本文档来自技高网...

【技术保护点】

1.一种工艺质量预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述工艺质量预测方法，其特征在于，步骤(1)具体步骤如下：选取生产中的工艺参数和工艺质量指标的历史工艺数据作为初始工艺数据集，并对数据进行归一化处理，计算如下：其中，yscale为归一化后的值，y为工艺数据序列的实际值，ymin、ymax分别为工艺数据序列的最小值和最大值。

3.根据权利要求1所述工艺质量预测方法，其特征在于，步骤(2)VAE-GRU网络模型基本参数如下：编码器中包括输入层和GRU网络层，输入层输入工艺数据，GRU网络层的神经元个数为256，激活函数为Relu；解码器中包括GR...

【技术特征摘要】

1.一种工艺质量预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述工艺质量预测方法，其特征在于，步骤(1)具体步骤如下：选取生产中的工艺参数和工艺质量指标的历史工艺数据作为初始工艺数据集，并对数据进行归一化处理，计算如下：其中，yscale为归一化后的值，y为工艺数据序列的实际值，ymin、ymax分别为工艺数据序列的最小值和最大值。

3.根据权利要求1所述工艺质量预测方法，其特征在于，步骤(2)vae-gru网络模型基本参数如下：编码器中包括输入层和gru网络层，输入层输入工艺数据，gru网络层的神经元个数为256，激活函数为relu；解码器中包括gru层和全连接层，神经元个数分别为128和8，激活函数为relu；输出层，输出工艺质量指标预测值。

4.根据权利要求1所述工艺质量预测方法，其特征在于，步骤(3)划分马尔可夫模型状态空间包括以下步骤：通过vae-gru模型的拟合结果，将训练集的真实值和预测值作相对残差(ηi)序列，计算如下：其中yi和y′i分别为vae-gru模型中训练集第i个工艺质量指标的真实值和预测值，以波动性大且较为平稳的相对残差序列划分状态空间(s...

【专利技术属性】
技术研发人员：林文强，易斌，唐军，李雯琦，高晓华，周冰，方俊俊，张超，秦鹏，杨耀晶，高宇雷，张立斌，周晓龙，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：