基于改进BiLSTM的多工序产品质量预测研究

作者：张天瑞; 刘玉亭^*; 王译可

来源：系统仿真学报, 2023, 35(11): 2321-2332.

DOI：10.16182/j.issn1004731x.joss.23-FZ0805

• 多工序产品
• 质量预测
• KPCA
• ISSA
• BILSTM

针对多工序产品制造过程的复杂性，为了解决多工序产品生产过程中影响产品质量问题的不确定因素，同时提高生产工序的生产能力，保证生产的稳定性，提出了一种基于核主成分分析和改进麻雀搜索算法优化BILSTM的多工序产品质量预测模型。利用KPCA对数据预处理，主成分分析的基础上结合核方法建立核函数，降维去除冗余特征，引入改进的高斯变异和均匀变异算子η改进麻雀搜索算法；将改进的麻雀搜索算法引入双向长短期记忆网络中，将降维处理后的数据导入ISSA-BiLSTM模型中实现多工序产品的质量预测；以TFT-LCD制造过程为例进行案例分析，并与现有方法比较分析。实验结果表明：该预测模型具有较好的预测精度，且均方根误差值小于10%，有效地提高了多工序产品质量的预测精度。

• 单位
  沈阳大学