【技术实现步骤摘要】
本专利技术涉及智能制造，尤其涉及一种基于知识工程的离散制造系统异常预测方法及系统调控方法。
技术介绍
1、在现代离散制造系统中，设备故障和工艺参数异常严重影响生产效率和产品质量，因此建立高效的异常预警机制变得至关重要。当前的异常监测主要依赖于传统的数据分析和经验判断方法，这些方法常常难以适应复杂和动态的制造环境。尤其在面临多样化的生产流程和设备时，现有的监测手段难以准确识别潜在的异常情况，导致反应不够及时，从而增加了生产停机和经济损失的风险。
2、近年来，随着人工智能技术的发展，尤其是图神经网络(gnn)和图注意力网络(kgat)的应用，制造系统的异常检测与预测逐渐向智能化和自动化转型。这些先进的深度学习技术能够通过建模设备与工艺参数之间的复杂关系，实现更为精准的异常识别和预警。然而，当前研究仍面临一些挑战，比如如何有效整合多源数据以提高模型的准确性，以及如何在实现高效预警的同时，兼顾异常事件的严重性评估和优化决策。
3、尽管已有研究在异常监测和预警领域取得了一定进展，但仍缺乏针对离散制造系统的系统性解决方案。现...
【技术保护点】
1.一种基于知识工程的离散制造系统异常预测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于知识工程的离散制造系统异常预测方法，其特征在于，步骤1的的具体过程为：
3.根据权利要求1所述的一种基于知识工程的离散制造系统异常预测方法，其特征在于，步骤2的的具体过程为：
4.根据权利要求1所述的一种基于知识工程的离散制造系统异常预测方法，其特征在于，步骤3的具体过程如下：
5.根据权利要求4所述的一种基于知识工程的离散制造系统异常预测方法，其特征在于，KGAT的损失函数具体表示如下：
6.根据权利...
【技术特征摘要】
1.一种基于知识工程的离散制造系统异常预测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于知识工程的离散制造系统异常预测方法，其特征在于，步骤1的的具体过程为：
3.根据权利要求1所述的一种基于知识工程的离散制造系统异常预测方法，其特征在于，步骤2的的具体过程为：
4.根据权利要求1所述的一种基于知识工程的离散制造系统异常预测方法，其特征在于，步骤3的具体过程如下：
5.根据权利要求4所述的一种基于知识工程的离散制造系统异常预测方法，其特征在于，kgat的损失函数具体表...
【专利技术属性】
技术研发人员：王文波，杨绍俊，顾寄南，单韵竹，孙佩月，高艳，
申请(专利权)人：江苏大学，
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。