-
题名基于数字孪生的流程生产过程质量自适应预测方法
- 1
-
-
作者
阴艳超
曾晋东
唐军
梁敏
-
机构
昆明理工大学机电工程学院
云南中烟工业有限责任公司
云南白药集团股份有限公司
-
出处
《现代制造工程》
北大核心
2025年第10期35-46,共12页
-
基金
云南省重大科技项目(202302AD080001)。
-
文摘
流程生产具有分段式设备单元多、多工况需求变化频繁等特点,针对特定场景建立的数字孪生生产线模型缺乏工况变化的自适应能力,难以快速精准地感知产品质量变化;因此,为了提高数字孪生生产线模型的自适应性,提出了基于InceptionDCNN-LSTM神经网络与迁移学习的流程生产过程质量自适应预测方法(孪生环境下的自适应预测模型)。首先,搭建了由数字孪生五维模型与自适应预测模型组成的自适应预测总体框架;其次,根据工况变化程度提出相应的自适应迁移策略;然后,在此基础上,采用InceptionDCNN模块提取参数关联特征,借助长短期记忆神经网络挖掘质量时序特征,并引入迁移学习解决变工况下预测模型自适应问题;最后,以制丝生产线为例,搭建孪生车间平台并对孪生环境下的自适应预测模型的可行性进行验证。实验结果表明,变化工况下,自适应更新后的预测模型预测误差均低于1.7%,稳定性优势显著,为提高变工况下数字孪生生产线模型自适应能力提供了新思路。
-
关键词
流程生产
数字孪生
过程质量自适应预测
混合神经网络
迁移学习
-
Keywords
process production
digital twins
adaptive prediction of process quality
hybrid neural networks
transfer learning
-
分类号
TP274
[自动化与计算机技术—检测技术与自动化装置]
TP183
[自动化与计算机技术—控制理论与控制工程]
-
