10.3969/j.issn.1004-132X.2023.14.003
基于深度时间卷积神经网络与迁移学习的流程制造工艺过程质量时序关联预测
针对流程生产多工艺参数时序耦合导致的生产质量难以准确预测的问题,提出了基于深度时间卷积神经网络与迁移学习的生产质量快速高效预测方法.借助序列到序列的学习框架,采用深度时间卷积神经网络和时序注意力机制构成的编码器提取多源关键时序特征,采用残差长短期记忆神 经网络构成的解码器挖掘质量时序信息,引入迁移学习解决预测模型对生产质量在线预测适应性的问题.实验表明所提方法的预测精度与稳定性优势显著,且在小样本数据预测时具有较高的预测精度和计算效率.
工艺过程质量、时序关联预测、序列到序列、时间卷积神经网络、迁移学习
34
TP183(自动化基础理论)
国家自然科学基金;云南省重大科技专项
2023-08-18(万方平台首次上网日期,不代表论文的发表时间)
共13页
1659-1671