融合Mar-GLSTM的流程生产工艺质量预测算法

针对流程生产连续性强、时序耦合复杂等特点,传统神经网络不具备长期记忆能力,且在深层次网络训练时易出现训练参数灾难、梯度爆炸等问题,提出基于马尔可夫优化的融合门控循环单元(GRU)与长短期记忆网络(LSTM)的组合预测模型(Mar-G LSTM)。首先在循环神经网络结构中融入门控机制构建深度LSTM神经网络模型,对流程生产时序数据信息进行选择性记忆,学习时序数据序列的信息依赖,进而解决训练过程中的梯度爆炸问题;同时结合马尔可夫链对GRU-LSTM模型的预测结果进行修正优化,在降低模型的复杂度的情况下进一步提高了模型的预测精度。最后,结合某流程生产线的工艺数据进行分析验证,结果表明,Mar-G LSTM算法在预测精度上较随机森林模型、门控循环单元神经网络模型(GRU)、长短期记忆神经网络模型(LSTM)和卷积神经网络与门控循环单元网络组合模型(CNN-GRU)分别提高了37.42%、21.32%、17.91%和12.56%,所提Mar-G LSTM算法可实现流程生产质量的准确预测,为降低工艺参数调控任务的完成时间提供了思路和实现途径。

基于回归分析的Mar M247镍基高温合金喷砂工艺预测与优化

目的针对燃机叶片用MarM247镍基高温合金,建立多因素喷砂工艺的高精度预测模型,筛选出粗糙度较高而夹砂率较低的工艺组合。方法采用国产精工自动化精控喷砂系统制备试样。使用便携式表面粗糙度仪、激光显微镜和扫描电子显微镜进行检测。基于数理统计的分析方法,建立喷砂工艺与表面质量之间的函数关系。结果当喷砂角度从30°增至90°时,粗糙度和夹砂率都单调递增,且夹砂率在低角度(30°~60°)比在高角度(60°~90°)增加的速率更高。喷枪移动速度从1 mm/s增至20 mm/s,粗糙度呈现先减少后增加再减少的趋势;夹砂率呈现先增加后减少的趋势。对于粗糙度,线性回归模型的预测误差率为5.97%,多项式回归模型的预测误差率为5.15%;对于夹砂率,线性回归模型的预测误差率为5.76%,多项式回归模型的预测误差率为3.08%。结论基于现有的数据,采用多项式和线性2种回归模型进行预测,多项式回归模型的预测精度比线性回归模型更高。结合现有的数据和多项式回归模型的预测数据得出了最佳工艺范围,喷砂压力为0.2~0.3 MPa,喷砂角度为45°~60°,喷枪移动速度为15~20 mm/s。在该条件下,得到了较高的粗糙度和较低的夹砂率,有利于获得高的涂层/基材界面结合强度。

基于SVM和混沌PSO的除钴过程工艺指标预测

针对锌湿法冶炼除钴过程存在非线性和大时滞的特点,提出一种基于支持向量机和混沌粒子群算法的工艺指标(钴离子浓度)预测方法。为提高粒子群算法的搜索性能,提出一种基于非优胜粒子混沌变异和全局最优值小范围扰动的混沌变异粒子群算法。采用混沌粒子群算法优化模型参数,采用二进制粒子群算法选择输入属性,以减少模型的复杂度,提高模型的预测精度。研究结果表明:所提出的模型精度满足当溶液杂质离子质量浓度在小于1 mg/L时绝对误差小于0.1 mg/L的现场工艺标准。

基于RBF人工神经网络的喷丸成形工艺参数预测方法

提出一种采用RBF(Radial Basis Function,径向基函数)人工神经网络方法近似建立薄壁金属零件喷丸变形效果与喷丸工艺参数之间的非线性不可逆关系,以预测喷丸成形所需工艺参数。根据成形试验中喷丸成形工艺参数影响喷丸成形效果的规律性分析,建立了预测喷丸成形工艺参数的RBF人工神经网络模型。选取一定的喷丸成形试验数据为样本,利用交替梯度算法对所建立的网络进行训练。利用训练后的RBF网络对试验数据进行预测,预测结果数据与实际数据之间的最大误差为4.36%,能够有效预测所需的成形工艺参数。通过与BP网络进行比较表明:基于RBF人工神经网络的喷丸成形工艺参数预测方法训练时间短、预测精度高、稳定性好。

SMT再流焊接工艺预测与仿真技术研究现状

综述了电子电路表面组装技术 (SMT)再流焊焊接工艺仿真与预测研究的必要性、重要意义及其研究现状 ,并对其应用现状及其发展趋势进行了评述。

基于支持向量机的石墨电极电火花深窄槽加工工艺预测研究

电火花深窄槽加工时,因深宽比较大、蚀除产物难以排出,蚀除产物在极间的积聚造成放电环境的恶化,进而导致短路、拉弧、积碳等不良现象,不仅影响加工效率,还会造成电极损耗的增大,参数选择更加受限制。在介绍支持向量机回归分析原理的基础上,建立了石墨电极电火花深窄槽加工效率和电极相对损耗的支持向量机回归工艺模型,可有效预测加工效果,从而为参数决策提供指导。

考虑时间不确定的再制造工艺方案决策方法

针对退役零件失效状态复杂及设备能力各异,导致再制造工艺方案决策困难的问题,提出一种考虑时间不确定的再制造工艺方案决策方法。分析退役零件再制造工艺过程及其时间的不确定性,提出考虑失效状态的再制造工艺时间改进模糊神经网络预测方法;构建以时间、成本和能耗为优化目标的再制造工艺方案决策模型,采用遗传-粒子群优化算法快速求解;以退役轧辊再制造工艺方案决策过程为例,验证该方法的有效性和实用性。

加工要素数据驱动的再制造产品工艺可靠性预测方法

为避免由于工艺缺陷造成的再制造毛坯价值浪费和经济损失,废旧产品在其再制造工艺制定后,需要首先对工艺可靠性进行预测,识别工艺缺陷要素。然而,由于再制造毛坯差异性大、剩余价值高,建立影响工艺可靠性要素的机理模型难度大、通用性差、且成本高。为此,提出一种加工要素数据驱动的工艺可靠性预测方法。利用加工获得的质量指标与质量要求之间的偏差值,作为工艺可靠性的定量指标,构建了反映各加工要素与可靠性映射关系的贝叶斯神经网络预测模型。以某再制造数控机床为例,对所提出的预测方法进行了验证。结果表明,该方法能够识别缺陷零件及其加工要素,指导再制造产品工艺过程的改进。

基于人工神经网络的导管数控弯曲成形工艺参数预测方法

阐述了导管数控弯曲成形过程的要素,分析主要工艺参数对导管弯曲成形质量的影响,并建立预测工艺参数的BP(Back Propagation)人工神经网络模型。选取实验数据作为样本,采用LM(Levenberg_Marquardt)贝叶斯正则化算法对该模型进行训练,确定模型的主要参数。通过实例预测并与实验数据进行比较,验证该方法的有效性。与其他BP训练算法进行比较,结果表明,该算法收敛速度快、预测精度高、稳定性好。

基于格式计算的综合原料场工艺预测模型

莱钢烧结厂型钢原料场打破传统的料场库存量整体估算模式,提出了一种纵横交错的格式计算法则;通过对原生产线配备的工业控制微机等先进设施进行技术潜能再开发,创建了一个基于格式计算的综合原料场工艺预测模型,将传统式模糊数据控制转变为精确参数控制,为料场生产组织及各级管理决策提供了科学依据。

空间管件自由弯曲成形工艺策略研究

基于空间管件自由弯曲成形原理,将成形管件划分为稳定段和过渡段部分,并分别对两部分进行成形工艺分析,以获得空间管件自由弯曲成形工艺策略。针对稳定段,分析了空间螺旋管的底圆半径和螺距与弯曲模偏移量和夹钳扭转速度之间的映射关系,并使用BP神经网络对空间螺旋管的成形工艺参数进行了预测,通过测试发现弯曲模偏移量的预测值与数值仿真试验的最大相对误差为1.08%,夹钳扭转速度的预测值与数值仿真试验的最大相对误差为3.4%;针对过渡段,采用正交设计试验研究了空间管件成形过渡时的弯曲模偏移量和夹钳扭转的加载模式对管件成形的影响,得到过渡段弯曲模和夹钳扭转的加载时间为0.9s。结合以上分析,建立了基于一次等效逼近、二次优化的管件自由弯曲成形工艺获取策略,并通过实例成形验证其可行性和有效性。

超参自适应支持向量回归及在滚齿工艺参数预测上的应用

针对预测问题中,特别是在大数据预测问题中的支持向量回归(SVR)超参数自适应调整问题,提出一种基于K-means聚类和混沌哈里斯鹰算法的超参数自适应支持向量回归方法。在超参数数值范围内,随机生成SVR超参数集群。使用K-means聚类获取训练集聚类中心,根据聚类中心和SVR超参数集群获得验证集的预测结果。以均方误差为目标,使用混沌哈里斯鹰算法不断更新超参数集群,找出最佳超参数,并对测试集进行预测,获得最终的均方误差,以测试方法的泛化能力。与其他知名方法进行对比,基于5组数据集,对预测的准确性、稳定性和时间复杂度进行了评估,本方法以0.226的整体性能评分排名第一。最后将本文方法应用到滚齿工艺参数预测领域,与其他方法的应用效果进行比较,验证了本方法的可行性和有效性。

城镇污水处理厂数字工艺员系统开发及应用

在中国经济社会发展的绿色化、低碳化转型背景下,污水处理作为污染防治和温室气体减排的关键领域,面临着提升处理效率和降低碳排放的双重挑战,文章旨在采用统计学、流体力学理论、机器学习等多种技术建立基于生产数据驱动的智慧化数字工艺员系统。以某污水处理厂为研究对象,采用XGBOOST机器学习算法建立综合考虑上游泵站、区域温度、天气等因素的污水厂水量预测模型;基于污水厂工艺运行原理及历史运行数据,采用机器学习、流体力学理论等多种技术,建立了基于“机理”+“数理”融合的污水处理厂各工艺段参数预测模型,并开发了包含生产现场层、控制层和决策层3层架构的污水处理厂数字工艺员系统,在该污水处理厂进行了应用。研究结果表明:该数字工艺员系统实现了污水处理厂智能排产、工艺参数预测等智慧决策功能,与上一年同期未使用该系统相比,在TN、氨氮和TP去除率增加的基础上,平均电单耗和药单耗分别下降了4.98%和4.11%,达到减污降碳、协同增效的目的,提升了污水处理厂数字化、绿色化和智慧化水平。

厚壁管开式冷挤压坯料集合逆向预测研究

分析厚壁管无芯棒开式冷挤压的变形特点,运用场论及流体动力学的理论,建立包含坯料几何参数的运动学许可速度场。分析已知零件尺寸时,能成形该零件的坯料集合特点,根据所建立的运动学许可速度场,利用上限法原理,建立坯料逆向预测的方法。针对特定零件,利用先确定坯料内孔尺寸,再进行外径预测的方法,得出该零件可以由一组不同的挤压前坯料(坯料集合)获得。坯料集合与零件的关系曲线表明,对于外径相同内径不同的零件,随着内孔直径d0增大,零件壁厚减小,坯料集合的D1/d1整体减小;对于同一零件,能成形该零件的坯料集合中,坯料的内外径比值不是简单线性关系,随着坯料内孔直径d1的增大,D1/d1减小。根据预测结果设计试验,对模型进行验证,预测结果与试验结果误差在2%以内。

基于模糊分类变系数的铅锌烧结过程综合透气性状态预测

针对铅锌烧结过程的强非线性、时变等特点,运用智能集成建模的思想,提出一种模糊分类变系数透气性状态预测方法。首先深入机理分析和工况参数相关性分析研究,采用神经网络方法建立工艺参数和时间序列透气性预测模型;然后借助于模糊组合器实现两个子模型的有机组合,设计了模糊分类变系数综合透气性集成预测模型结构,其中加权系数由工况波动程度确定。运行结果表明:提出的集成模型具有较高的预测精度和较强的自学习能力,并且在工况波动严重的情况下,仍然具有好的预测效果,该模型具有一定的灵敏度和鲁棒性。

7000m^3螺旋升降湿式气柜导轨预制工艺

通过对气柜导轨使用机理分析及近似曲率的计算 ,制定了预制导轨的新工艺 ,安装时与原工艺进行了数据比较 ,结果证明新工艺简便 。

基于烟气温度场分布的烧穿点智能集成预测方法

铅锌密闭鼓风烧结过程具有强非线性、时变和时滞等特性.本文在分析过程热状态的基础上,通过研究烧结机烟气温度梯度分布,建立烟气温度分布烧穿点软测量判断模型,结合烧穿点的动态特性,运用智能集成建模的思想,提出采用神经网络方法建立工艺参数预测模型,采用灰色理论建立烟气温度分布时间序列预测模型,通过模糊组合器综合与协调两个模型来预测烧穿点位置.实际运行结果表明,智能集成预测方法为铅锌烧结过程烧穿点的判断和预测提供了一种可行、有效的解决思路,为实现过程的状态优化奠定了基础.

3UCVD SiGe工艺的神经网络模型

介绍了用于生长SiGe材料的 3UCVD设备的简要情况。对 3UCVD工艺系统构建了神经网络模型 ;基于误差反向传播 (BP)学习算法设计了一种自动调整网络结构和训练精度的网络训练方法 ;利用 3UCVD工艺实验的数据样本编制程序 ,对数据样本进行了训练拟合 ;并利用训练后的网络进行了工艺预测 。

基于粗糙集理论的板材热成形工艺建模

在复杂制造过程工艺决策系统的研究与开发中,工艺知识或规律的获取通常是系统建模中的一个难点,本文在对粗糙集理论与方法扩充的基础上,将其引入到板材热成形加工过程建模中。给出变包含度粗糙集的构造,提出基于依赖度及包含度增量的知识约简算法,通过粗糙集建模提取板材热成形的工艺规律,运用近似推理对加工参数进行快速确定。

PP/改性纳米CaCO_3/AC复合挤出发泡体系泡孔形态预测模型的研究

以AC发泡剂对聚丙烯(PP)/改性纳米CaCO3发泡体系进行挤出发泡,对发泡体系进行单因素轮换法实验,通过观察纵截面泡孔形态,分析各工艺参数对泡孔形态的影响规律,利用正交实验与实验统计软件相结合的方法对实验数据进行回归,得到泡体平均直径、泡孔面积比的预测模型,并进行了实验验证。通过模型预测最佳的加工参数范围,可对实验和实际生产进行指导。