基于迁移学习深度置信网络的数控机床车间节能分析

为了提高数控机床车间流水协调的效率,设计一种利用迁移学习来优化深度置信网络的方法,并成功应用于机床车间节能过程中,由此减小等待阶段所消耗的能量。研究结果表明:相对不加控制情况,节能控制后各机床能耗值下降约50%左右,取得了明显效果。将80 min作为理想时间间隔能够保持稳定节能效果。相比较其它算法,TL-DBN模型决策误差达到3.2%的最低值,获得最小决策精度,判断迁移学习过程能够优化节能决策的效果。各机床可以在等待阶段通过合适策略达到节能效果,控制方案为车间流水管控提供一定的理论支撑。