融合Mar-GLSTM的流程生产工艺质量预测算法.pdfVIP

第卷第期计算机集成制造系统

303Vol.30No.3

年月

20243ComuterInteratedManufacturinSstemsMar.2024

pggy

:/

DOI10.13196.cims.2023.0126

j

融合Mar-GLSTM的流程生产工艺质量预测算法

11+2211

,,,,,

阴艳超苏逸凡唐军林文强蒲昊苒汪霖宇

(,;,)

昆明理工大学机电工程学院云南昆明云南中烟工业有限责任公司云南昆明

1.6505002.650024

:、,,

摘要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()的组合预测模型()。首先在循环神经网络结构中融入门控机制构建深度神经

LSTMMar-GLSTMLSTM

,,,

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-GLSTM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分别提高了和所提

CNN-GRU37.42%21.32%17.91%12.56%Mar-G