一种根据直播信息反馈的柔性智能制造方法及系统技术方案

本发明专利技术公开了一种根据直播信息反馈的柔性智能制造方法及系统，所述方法包括：进行实时数据的采集，读取并记录实时订单数据；通过分层检索的方式对实时订单数据进行分类处理；构建基于IFOA

【技术实现步骤摘要】
一种根据直播信息反馈的柔性智能制造方法及系统


[0001]本专利技术属于智能制造
，具体涉及一种根据直播信息反馈的柔性智能制造方法及系统。

技术介绍

[0002]随着新一轮科技革命的兴起，传统的制造业面临着巨大的冲击，创新能力薄弱、产品科技含量低、高端设备少等问题逐渐暴露出来，传统制造业急需进行调整升级，智能制造产业逐渐成为产业发展的新方向。目前，我国制造业的传统优势在逐步减弱。对于当前的制造行业，难免会出现生产过量以及产品生产后期处理过程繁琐的问题，需要消耗大量的人力物力，为解决这些问题，本专利技术提高了一种根据直播信息反馈的柔性智能制造系统，能够预测有效订单量的同时，优化生产过程，解放双手，实现产生智能化。

技术实现思路

[0003]专利技术目的：本专利技术提供一种根据直播信息反馈的柔性智能制造方法及系统，通过直播直接获取订单信息，对订单信息进行处理，预测出有效订单数；根据有效订单数据对产品进行智能加工，不仅能够避免由于盲目生产和用户退订造成的经济损失，还得使生产过程变得快速高级，有效解决时间成本和成本，从而提高净收益。
[0004]技术方案：本专利技术提供一种根据直播信息反馈的柔性智能制造方法，具体包括以下步骤：
[0005](1)进行实时数据的采集，读取并记录实时订单数据；
[0006](2)通过分层检索的方式对实时订单数据进行分类处理；
[0007](3)构建基于IFOA
‑
LSTM的有效订单预测模型，根据分类处理好的实时订单数据以及历史订单数据进行有效订单数的预测；
[0008](4)根据有效订单数的预测结果，进行智能生产，并记录已完成生产的产品信息；将以完成的产品信息标记为历史数据，再次作为有效订单预测模型的输入，提高有效订单预测模型的预测精度。
[0009]进一步地，步骤(1)所述的实时数据是通过直播平台采集获取。
[0010]进一步地，所述步骤(2)实现过程如下：
[0011]将各种不同材质、规格、颜色的产品数据进行分类，第一次检索以订单的材质为关键信息进行分类，分成多组不同材质的订单数学；再对不同材质的订单以产品的规格为关键信息进行组内分类，得到多组规格不同的订单数据；再对各种不同规格的订单采用相同的方法，以产品的颜色为关键信息，进行组内分类，得到不同颜色的产品订单数据。
[0012]进一步地，步骤(3)所述历史订单数据是指各类不同材质、不同规格、不同颜色的产品的订单数以及退订数。
[0013]进一步地，步骤(3)所述构建基于IFOA
‑
LSTM的有效订单预测模型实现过程如下：
[0014]S1：构建LSTM神经网络模型，对LSTM在神经网络模型中的输入门、输出门和遗忘门
三个具有记忆功能的模块进行构建；
[0015]S2：遗忘门f
t
负责决定从记忆单元中丢弃哪些信息，更新公式为：
[0016]f
t
＝σ(w
fx
x
t
+w
fh
h
t
‑1+w
fc
C
t
‑1+b
f
)
[0017]式中，σ(
·
)
‑
sigmoid：x
t
表示第t个订单的信息；h
t
表示第t个预测有效订单信息；h
t
‑1表示t
‑
1个预测有效订单信息，C
t
表示t时刻的候选向量；w
fx
、w
fh
、w
fc
表示遗忘门的权重系数；b
f
表示遗忘门偏置；
[0018]S3：输出门i
t
负责决定哪些信息可以保存在记忆单元中，更新公式为：
[0019]i
t
＝σ(w
ix
x
i
+w
ih
h
t
‑1+w
ic
C
t
‑1+b
i
)
[0020][0021][0022]式中：w
ix
、w
ih
、w
ic
表示输入门的权重系数；b
i
表示输入门偏置；w
cx
、w
ch
表示候选向量的权重系数；b0表示候选向量偏置；tanh(.)表示双曲正切激活函数；表示候选向量的更新值；
[0023]S4：输出门决定将输出哪些信息，其表达方式为：
[0024]o
t
＝σ(w
ox
x
t
+w
oh
h
t
‑1+w
oc
C
t
‑1+b
o
)
[0025]h
t
＝o
t
tanh(C
t
)
[0026]式中：o
t
表示输出门；w
ox
、w
oh
、w
oc
表示输出门的权重系数；将智能分类后的实时订单数据以及历史订单数据作为预测模型的输入，输出为有效订单信息；
[0027]S5：采用改进果蝇优化算法IFOA对LSTM预测模型的初始隐层节点数和学习率进行优化，找到初始隐层节点数和学习率的最优值，具体的实现过程如下所示：
[0028]1)初始化果蝇种群规模Sizepop、最大迭代次数Maxgen以及果蝇群体位置X
axis
和Y
axis
；
[0029]2)赋予果蝇个体随机的搜索方向和距离，计算公式如下所示：
[0030][0031]3)对搜索步长进行优化改进：
[0032]R＝α
×
e
‑
(β
×
g)/Margen
[0033]其中，α为步长控制因子，β为指数调控因子，g为当前迭代次数，Maxge为最大迭代次数；
[0034]4)得到改进后果蝇个体更新位置：
[0035][0036]5)计算果蝇个体到原点的距离Dist：
[0037][0038]6)计算味道浓度判定值S
i
，计算公式如下所示：
[0039]S
i
＝1/Dist
i
[0040]7)采用sign函数对味道浓度判定值S
i
进行优化改进：
[0041][0042]S
i
＝sign(2
×
rand
‑
1)/Dist
[0043]其中，rand为范围在[0,1]之间均匀分布的随机数；
[0044]8)将浓度判定值输入目标函数，计算出味道浓度值Smell本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种根据直播信息反馈的柔性智能制造方法，其特征在于，包括以下步骤：(1)进行实时数据的采集，读取并记录实时订单数据；(2)通过分层检索的方式对实时订单数据进行分类处理；(3)构建基于IFOA
‑
LSTM的有效订单预测模型，根据分类处理好的实时订单数据以及历史订单数据进行有效订单数的预测；(4)根据有效订单数的预测结果，进行智能生产，并记录已完成生产的产品信息；将以完成的产品信息标记为历史数据，再次作为有效订单预测模型的输入，提高有效订单预测模型的预测精度。2.根据权利要求1所述的一种根据直播信息反馈的柔性智能制造方法，其特征在于，步骤(1)所述的实时数据是通过直播平台采集获取。3.根据权利要求1所述的一种根据直播信息反馈的柔性智能制造方法，其特征在于，所述步骤(2)实现过程如下：将各种不同材质、规格、颜色的产品数据进行分类，第一次检索以订单的材质为关键信息进行分类，分成多组不同材质的订单数学；再对不同材质的订单以产品的规格为关键信息进行组内分类，得到多组规格不同的订单数据；再对各种不同规格的订单采用相同的方法，以产品的颜色为关键信息，进行组内分类，得到不同颜色的产品订单数据。4.根据权利要求1所述的一种根据直播信息反馈的柔性智能制造方法，其特征在于，步骤(3)所述历史订单数据是指各类不同材质、不同规格、不同颜色的产品的订单数以及退订数。5.根据权利要求1所述的一种根据直播信息反馈的柔性智能制造方法，其特征在于，步骤(3)所述构建基于IFOA
‑
LSTM的有效订单预测模型实现过程如下：S1：构建LSTM神经网络模型，对LSTM在神经网络模型中的输入门、输出门和遗忘门三个具有记忆功能的模块进行构建；S2：遗忘门f
t
负责决定从记忆单元中丢弃哪些信息，更新公式为：f
t
＝σ(w
fx
x
t
+w
fh
h
t
‑1+w
fc
C
t
‑1+b
f
)式中，σ(
·
)
‑
sigmoid：x
t
表示第t个订单的信息；h
t
表示第t个预测有效订单信息；h
t
‑1表示t
‑
1个预测有效订单信息，C
t
表示t时刻的候选向量；w
fx
、w
fh
、w
fc
表示遗忘门的权重系数；b
f
表示遗忘门偏置；S3：输出门i
t
负责决定哪些信息可以保存在记忆单元中，更新公式为：i
t
＝σ(w
ix
x
i
+w
ih
h
t
‑1+w
ic
C
t
‑1+b
i
))式中：w
ix
、w
ih
、w
ic
表示输入门的权重系数；b
i
表示输入门偏置；w
cx
、w
ch
表示候选向量的权重系数；b0表示候选向量偏...

【专利技术属性】
技术研发人员：郭仁威，周孟雄，汤健康，苏姣月，温文潮，纪捷，殷庆媛，胡代明，谢滢琦，谢金博，林张楠，马梦宇，孙娜，黄慧，章浩文，黄佳惠，
申请(专利权)人：淮阴工学院，
类型：发明
国别省市：