对工业产物格料的苛苛哀求饱动了质料预测手腕的发达。产物格料与创制工艺的相干影响模子具有强耦合、时序相干和非线性的特质。守旧的检测手腕因为检测年光长,无法正在线反应,正在运用上存正在控制性。因为历程数据中包括了工艺调度以及情况振动消息,也许敷裕响应临蓐历程,于是基于历程数据的质料预测模子获得了越来越通俗的运用。然而常睹的预测模子广泛是基于举座的历程数据扶植整体模子,而打针成形、压铸成形等工业临蓐历程是模范的众时段历程,差异临蓐时段中的历程变量具有差异的动作特色,对产物格料有差异的影响。同时,差异的历程变量和年光点广泛对产物格料存正在不行水准的影响,而正在以往的咨询中,各历程变量以及各年光点广泛被平等的处分,导致闭节变量以及年光消息的失落。可睹,目前研究繁复工业临蓐历程中产物格料的精准预测手腕仍是摆正在咨询职员眼前的困难米乐M6。
针对上述困难,赵朋教师团队报道了一种用于工业产物格料预测的众时段双小心力LSTM神经汇集。诈欺轮回神经汇集和双小心力机制实行繁复工业历程产物格料的精准预测,兼具工艺时段智能划分与闭节工艺特色提取,敷裕涌现了该手腕正在工业智能化、大数据处分等方面的运用潜力。该事情以“A Multiphase Dual Attention-Based LSTM Neural Network for Industrial Product Quality Prediction” 为题颁发正在《IEEE Transactions on Industrial Informatics》(IF=)上,著作第一作家是浙江大学死板工程学院博士生董正阳、博士生潘毅峰为合伙第一作家。通信作家为赵朋教师,论文作家团队成员均来自浙江大学流体动力根底件与机电体系宇宙中心实践室。
该事情提出了一种基于众时段划分与双小心力的预测模子,称为PDA-LSTM。该事情提出的手腕由两个紧要模块构成:工艺时段划分模块(图1(a))和质料预测模块(图1(b))。工艺时段划分模块将整个输入数据依照本质操作时段举办对应的划分。质料预测模块中采用输入小心力和年光小心力机制来提取最相干的工艺参数和年光步长。举座道理图如图1所示。
为了从外面上证实该手腕正在预测精度、时段划分与闭节参数提取方面的有用性,起首扶植了数值模子并举办了验外明验。该手腕预先对时段举办划分,以修筑针对特准时段的特定模子。如图2所示,时段划分的精度可达100%。于是,能够修筑一系列的工艺时段模子,而且能够更周到地提取每个时段内的特色。
图2. 提动手腕的时段划分结果与数值模子线中涌现了提动手腕正在数值模子上的小心力权重结果,
。图3(a)涌现了三个差异时段中的输入小心力权重漫衍,以提取闭节变量。个中,9号、10号和12号变量,对整个时段的结果都有较大的影响。而变量4和16仅正在第偶然段与结果相干。其他变量对结果影响较小。预测的小心力权重与外面值有明明的对应相干,对结果影响较大的变量也被分派了更大的小心力权重。差异时段的年光小心力权重如图3(b)所示。
图3. 正在数值模子上的小心力权重。蓝色示意从PDA-LSTM模子中取得的小心力权重,赤色是遵循数值模子外达式准备的外面值。(a)三个差异时段的输入小心权重;(b)三个差异时段的年光小心力权重。
为了进一步证实该手腕正在本质临蓐中的有用性,对确凿的打针成形临蓐试验举办的产物格料预试验证。如图4所示,实践搜罗了由模内传感器和呆板传感器丈量的10个历程变量,囊括螺杆身分、螺杆转速、型腔压力、熔体温度等。要预测的质料目标是产物重量,这是注塑产物最常用的质料目标。产物重量是工艺一律性的目标,能够响应尺寸精度和死板功能等。
图5涌现了该手腕与三种基准手腕正在确凿打针成形预测实践中精度的斗劲。所提出的PDA-LSTM手腕的均方根偏差为0.1993g,正在四种手腕中最低,精度相关于SVR提拔了37.3%,能够获得更确凿的产物重量预测结果。
该事情是团队近期闭于工业临蓐历程工艺智能优化与管制相干咨询的最新进步之一,获得了邦度中心研发谋划、浙江省‘哨兵’“领雁”研发攻闭谋划以及宁波市科技立异2025宏大专项等项目标大肆扶助。近年来,工业4.0饱动了工业范畴的数字化转型和智能化升级,人工智能手腕的运用受到了通俗闭怀。团队针对工业临蓐中厚壁零件的繁复温度场精准管制,诈欺广义预测管制手腕实行了高效、精准升温管制(International Journal Of Heat And Mass Transfer, 2024, 218.),并正正在展开众状况传热历程中的动态温度预测相干事情。同时,团队诈欺产物温度场消息,咨询基于红外图像识其余产物缺陷检测手腕,为高质料、高巩固临蓐供给了立异性的治理计划。
声明:仅代外作家个别主见,作家秤谌有限,如有不科学之处,请不才方留言匡正!