基于集成学习和改进粒子群优化算法的流程制造工艺参数优化

作者：刘孝保; 严清秀; 易斌^*; 姚廷强; 顾文娟

来源：中国机械工程, 2023, 34(23): 2842-2853.

• 流程制造
• 多工序工艺参数优化
• 改进粒子群优化算法
• 长短期记忆神经网络
• 极限梯度提升

针对流程制造过程中工艺过程复杂、多工序耦合严重、工艺参数优化困难等问题，提出一种基于长短期记忆(LSTM)神经网络、极限梯度提升(XGBoost)算法和改进粒子群优化(IPSO)算法的多工序工艺参数融合优化方法。基于LSTM神经网络建立了数据预处理模型，通过LSTM神经网络提取流程工艺数据的时序特征，进而实现了对工艺数据中异常值的处理。在此基础上，通过XGBoost算法拟合工艺参数与质量指标间的非线性关系，并结合粒子群算法构建了PSO-XGBoost质量预测模型，再将预测模型的输出作为适应度，调用改进粒子群算法反向搜索全局最优工艺参数，得到各工序的最优工艺参数组合，从而实现了流程制造加工质量的融合优化。以某企业的一条流程生产线为例，验证了多工序工艺参数融合优化模型的有效性。

• 单位
  昆明理工大学; 机电工程学院; 云南中烟工业有限责任公司技术中心