融合Seq2Seq与时序注意力机制的工艺质量预测.pdfVIP

2025年3月机

械

科

学

与

技

术March2025

第44卷第3期Mechanical

Science

and

Technology

for

Aerospace

EngineeringVol.

44No.

3

阴艳超，施成娟，邹朝普,

等.

融合Seq2Seq与时序注意力机制的工艺质量预测[J].

机械科学与技术，2025，44（3）：453-464

融合Seq2Seq与时序注意力机制的工艺质量预测

阴艳超，施成娟，邹朝普，刘孝保1121

（1.

昆明理工大学

机电工程学院，昆明650500；2.

昆船智能技术股份有限公司，昆明650506）

摘要：针对流程工业生产过程整体工序繁多，工序间耦合严重，多维工艺数据间时序关系及其复杂等

问题，提出一种融合Seq2Seq与时序注意力机制的高维多尺度工艺过程质量预测方法。在分析多

工序工艺数据特点，以及运用Seq2Seq模型进行编码解码过程面临的难题的基础上，引入时序注意

力机制来构造长距离变化的时域信息矩阵。设计卷积神经网络和BiLSTM作为编码组件，学习工

艺过程时序数据的工艺参数关联性和双向时序关系等潜在深度特征，并结合时序注意力机制抽取

关键信息，实现对工艺质量相关的工艺参数时序数据的非线性相关特征和时序依赖性的自适应地

学习。最后，通过对制丝生产工艺过程质量的单输出和多输出预测实验，验证了所提算法的实用性

和有效性，为多工序耦合的流程制造过程质量的精准预测提供了方法和实现途径。

关键词：多工序时序耦合；工艺质量预测；Seq2Seq；时序注意力机制；自适应学习

中图分类号：TP183文献标志码：A

DOI：10.13433/ki.1003-8728文章编号：1003-8728（2025）03-0453-12

ProcessQualityPredictionCombiningSeq2Seqand

TemporalAttentionMechanisms

1121

YIN

Yanchao，SHI

Chengjuan，ZOU

Chaopu，LIU

Xiaobao

(1.

Faculty

of

Mechanical

and

Electrical

Engineering,

Kunming

University

of

Science

and

Technology,

Kunming

650500,

China；

2.

KSEC

Intelligent

Technology

Co.,

Ltd.,

Kunming

650506,

China)

Abstract：Aiming

at

the

problems

of

many

processes,

serious

coupling

between

processes,

and

complexity

of

multivariable

processing

data,

a

high-dimensional

and

multi-scale

process

quality

prediction

method

based

on

Seq2Seq

temporal

attention

mechanism

is

proposed.

Based

on

the

analysis

of

the

characteristics

of

multi-process

process

data

and

the

problems

encountered

in

the

process

of

encoding

and

decoding

by

using

Seq2Seq

model,

th