科研之友
微信
新浪微博
Facebook
分享链接
摘要
不同织机由于生产情况和影响参数各异，实际的织布效率和了机时间也存在着很大的差别。针对利用预先设定好的计划生产静态参数对织机了机时间进行计算时，存在理论计算值与实际织机了机时间偏差过大的问题，提出了一种基于长短时记忆(Long short term memory, LSTM)循环神经网络的织机了机预测方法。从织机经纬向停车情况、人员工作效率、加工布匹品种3个方面出发，分析影响织机了机时间的各类因素，构建了具有时间序列特性的织机生产情况数据集。通过设置时间进度系数动态调整模型在织轴整个生命周期内的预测情况，并从损失程度和训练耗时两方面考虑对模型性能进行优化。最后，利用8组实验数据对模型的可靠性进行验证。结果表明：模型在了机预测截止时间的前30 h至前6 h,模型的预测结果值与实际值之间的平均误差范围为0.84 h至1.52 h,满足对实际生产时的所需指标要求。
- 单位
