基于时序数据库与深度学习的制丝实时数据应用研究
[目的]研究气流烘丝机叶丝干燥工序出口叶丝含水率实时趋势预测的解决方案,提高产品工艺质量稳定性.[方法]基于时序数据库InfluxDB对实时生产数据进行存储、查询统计、分析告警,使用三次指数平滑算法、长短期记忆网络(LSTM)和序列到序列学习(Seq2Seq)对生产过程数据建模预测.[结果]①三次指数平滑算法集成在时序数据库中,可实现精度良好、准实时的叶丝出口含水率趋势预测;②在料头生产关键参数模仿学习方面,LSTM模型在整体性能上具有显著优势.[结论]采用时序数据库和深度学习算法结合的实时数据应用框架,横向集成最优算法模型,预测精度和应用效果良好.
时间序列数据库;深度学习;工业物联网;LSTM模型;Seq2Seq模型;InfluxDB;边缘计算
27
福建中烟管理创新项目"基于大数据分析的CDT-5L型CTD自适应控制模型研究"FJZY2019ZNCX019
2021-08-09(万方平台首次上网日期,不代表论文的发表时间)
共10页
104-113