融合多通道CNN-BiGRU与时间模式注意力机制的多工序工艺质量预测方法

作者：阴艳超; **敏^*; 顾文娟; 唐军

来源：计算机集成制造系统, 2023, 1-19.

• 流程制造
• 时序特征预测
• 时间模式注意力机制
• 多工序耦合

针对流程生产由于变量间耦合复杂、时序特征显著而导致工艺质量精准预测困难问题，提出了一种融合多通道CNN-BiGRU与时间模式注意力机制的多工序工艺质量预测方法。首先，搭建由卷积神经网络(CNN)与双向门控循环单元(BiGRU)组成的门控卷积网络，用于获取多工序生产过程工艺数据的非线性时间动态相关性，并将反映工艺参数时序变化规律的高维特征向量构成时间序列，分别输入到前向和后向传递的GRU网络，避免在训练工艺数据的长时间序列时的梯度消失或梯度爆炸问题；其次，引入时间模式注意力机制(TPA)为生产过程中的不同工序状态变量自适应分配注意力权重，动态获取不同工艺参数之间的关联耦合特征，通过全连接层获取最终工艺质量的预测结果；最后，利用某制丝产线五大工序的工艺数据集进行了工艺质量的预测实验。实验表明，相较于TCN-Attention和DA＿BiLSTM等模型，CNN-BiGRU-TPA模型有效提高了预测精度，平均绝对误差(MAE)和均方根误差(RMSE)降低了21.36％和26.56％以上，为流程生产多工序质量精准预测提供的实现方法和途径。

• 单位
  机电工程学院; 昆明理工大学; 云南中烟工业有限责任公司