本发明专利技术公开了一种运用时间卷积神经网络预测出口物料水分的方法，所述方法包括：采集流程制造生产线的历史工艺数据，构建多元时序数据集；对多元时序数据集进行预处理，获得预处理后的数据，并按照采集周期顺序，将预处理后的数据划分为训练集和测试集；将时间卷积神经网络引入双重注意力机制以搭建DA‑TCN预测模型；利用训练集对DA‑TCN模型进行训练，获得训练好的DA‑TCN预测模型；利用训练好的预测模型DA‑TCN对测试集进行验证，获得验证通过的DA‑TCN预测模型以用于对出口物料水分预测。本发明专利技术通过将时间卷积神经网络引入双重注意力机制以搭建用于预测出口物料水分的DA‑TCN预测模型，并进一步地用于薄板烘丝工序的出口物料水分的预测。
【技术实现步骤摘要】
本专利技术涉及一种运用时间卷积神经网络预测出口物料水分的方法，属于时间序列预测。
技术介绍
1、在现代复杂流程生产过程中，产品质量预测利用历史生产数据挖掘各个质量影响因素与产品性能之间的映射关系，是技术革新的体现，更是提升产品质量、提高产品稳定性、降低生产成本的有效方法，在流程生产中发挥着关键作用。
2、复杂流程生产过程的产品质量与工艺参数、设备运行参数、实时工况变化等都有紧密关联，薄板烘丝工序中出口物料水分指标与过程参数指标间存在的复杂非线性关系影响了流程生产过程出口物料水分指标的精准预测，进而导致流程生产车间生产系统智能化水平难以提升。目前针对复杂流程生产过程的产品质量预测方法，结构通常较复杂，历史生产指标数据中的隐含信息和历史时序信息难以被充分挖掘。因此，如何利用复杂生产制造过程产生的生产数据进行产品质量精准预测仍是当前需要解决的难题。
技术实现思路
1、本专利技术提供了一种运用时间卷积神经网络预测出口物料水分的方法，以用于将时间卷积神经网络引入双重注意力机制以搭建用于预测出口物料水分的da-tcn预测模型，并进一步地用于薄板烘丝工序的出口物料水分的预测。
2、本专利技术的技术方案是：
3、根据本专利技术的第一方面，提供了一种运用时间卷积神经网络预测出口物料水分的方法，所述方法包括以下步骤：
4、s1、采集流程制造生产线的历史工艺数据，构建多元时序数据集；其中，多元时序数据集包括工艺参数指标数据和出口物料水分指标数据；
<
p>5、s2、对多元时序数据集进行预处理，获得预处理后的数据，并按照采集周期顺序，将预处理后的数据划分为训练集和测试集；6、s3、将时间卷积神经网络引入双重注意力机制以搭建da-tcn预测模型；
7、s4、利用训练集对da-tcn模型进行训练，获得训练好的da-tcn预测模型；利用训练好的预测模型da-tcn对测试集进行验证，获得验证通过的da-tcn预测模型以用于对出口物料水分预测。
8、进一步地，所述对多元时序数据集进行预处理，获得预处理后的数据，并按照采集周期顺序，将预处理后的数据划分为训练集和测试集，包括：
9、根据流程生产工艺过程料头料尾截取规则，对工艺参数数据和质量指标数据进行料头料尾的判断，确定料头料尾的临界位置，以保留料头料尾临界位置之间的数据；
10、接着对保留料头料尾临界位置之间的数据利用3σ法剔除异常数据，并进行归一化处理；
11、对归一化处理的数据按照预设比例划分为训练集和测试集。
12、进一步地，将运用时间卷积神经网络预测出口物料水分的方法用于薄板烘丝工序，所述薄板烘丝工序下，流程生产过程料头料尾截取规则具体为：
13、如果入口物料水分参考值≤n1％，料头料尾位置确定方式为：按照采集周期的批次顺序，将当前批次工艺数据中出口物料水分大于m1％的第一个数据作为料头节点，以出口物料水分往后延时t后的数据作为料头临界位置；将当前批次工艺数据中出口物料水分小于m1％的第一个数据作为料尾节点，以料尾节点往前移t后的数据作为料尾临界位置；
14、如果入口物料水分参考值>n1％且≤n2％，料头料尾位置确定方式为：按照采集周期的批次顺序，将当前批次工艺数据中出口物料水分大于m2％的第一个数据作为料头节点，以料头节点往后延时t后的数据作为料头临界位置；将当前批次工艺数据中出口物料水分小于m2％的第一个数据作为料尾节点，以料尾节点往前移t后的数据作为料尾临界位置；
15、如果入口物料水分参考值>n2％，料头料尾位置确定方式为：按照采集周期的批次顺序，将当前批次工艺数据中出口物料水分大于m3％的第一个数据作为料头节点，以料头节点往后延时t后的数据作为料头临界位置；将当前批次工艺数据中出口物料水分小于m3％的第一个数据作为料尾节点，以料尾节点往前移t后的数据作为料尾临界位置。
16、进一步地，所述da-tcn预测模型，包括特征注意力机制fa、时间卷积神经网络tcn、时序注意力机制ta、relu层、全连接层；
17、将经预处理后的流程生产工艺参数指标特征变量和出口物料水分指标特征变量作为特征注意力机制fa的输入，通过各个指标特征的注意力权重与输入特征加权求和得到特征加权矩阵x'；
18、将得到的特征加权矩阵x'与时间卷积神经网络tcn上一时间步的隐含层输出作为时间卷积神经网络tcn下一时刻的隐含层输入，利用时间卷积神经网络tcn中扩张因果卷积实现所有指标的长序列间隔采样，利用prelu函数捕捉指标间的长时序依赖关系，通过时间卷积神经网络tcn残差块实现输入数据中全部序列的特征提取；
19、将经时间卷积神经网络tcn残差块迭代至t时刻的tcn隐含层输出作为时序注意力机制ta的输入，通过对比流程生产过程各历史时刻的时间注意力权重确定影响出口物料水分指标的多元关键时序特征，将所有的权重与各历史时刻隐含层输出加权求和，得到综合时序信息；再通过relu层和全连接层，获得出口物料水分预测值。
20、根据本专利技术的第二方面，提供了一种运用时间卷积神经网络预测出口物料水分的装置，包括用于执行如上述中任一项所述计及网侧变流器gsc馈出电流的运用时间卷积神经网络预测出口物料水分的方法的模块。
21、根据本专利技术的第三方面，提供了一种终端设备，包括存储器、处理器以及存储在所述存储器上并可被所述处理器运行的程序，所述处理器执行所述程序时实现如上述中任意一项所述的运用时间卷积神经网络预测出口物料水分的方法。
22、根据本专利技术的第四方面，提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的程序，其中，在所述程序运行时控制所述计算机可读存储介质所在设备执行上述中任意一项所述的运用时间卷积神经网络预测出口物料水分的方法。
23、本专利技术的有益效果是：
24、1、本专利技术对采集的多元时序数据进行了预处理，其中包括对流程生产过程工艺数据进行料头料尾数据的筛选并利用3σ法进行异常值检测与剔除，使得多元时序数据稳定、合理；通过归一化处理，将所有工艺数据映射到[0,1]区间内，以此消除数据之间的特征量纲差异影响，提高了计算效率。
25、2、本专利技术为了更精准的提取工艺参数特征，引入了双重注意力机制，确定影响产品质量的多元关键时序特征，通过自适应提取特征的能力，帮助模型同时提取时间序列关系与不同特征变量间的内在联系，选择关键信息进行处理，加强相关性较高的工艺特征序列和时间序列对预测结果的影响，减弱相关性较低序列的影响。
26、3、本专利技术构建了da-tcn预测模型，相比传统的gru模型、tcn模型、lstm-attention模型，本专利技术的预测精度更准确，实现了流程生产工艺质量的精准预测，为流程制造生产线产品质量精准预测提供了参考。
27、通过上述可知，本专利技术针对流程生产过程工艺参数间存在的复杂非线性关系导致工艺质量精准预本文档来自技高网
...
【技术保护点】
1.一种运用时间卷积神经网络预测出口物料水分的方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的运用时间卷积神经网络预测出口物料水分的方法，其特征在于，所述对多元时序数据集进行预处理，获得预处理后的数据，并按照采集周期顺序，将预处理后的数据划分为训练集和测试集，包括：
3.根据权利要求2所述的运用时间卷积神经网络预测出口物料水分的方法，其特征在于，将运用时间卷积神经网络预测出口物料水分的方法用于薄板烘丝工序，所述薄板烘丝工序下，流程生产过程料头料尾截取规则具体为：
4.根据权利要求1所述的运用时间卷积神经网络预测出口物料水分的方法，其特征在于，所述DA-TCN预测模型，包括特征注意力机制FA、时间卷积神经网络TCN、时序注意力机制TA、ReLU层、全连接层；
5.一种运用时间卷积神经网络预测出口物料水分的装置，其特征在于，包括用于执行如权利要求1-4中任一项所述计及网侧变流器GSC馈出电流的运用时间卷积神经网络预测出口物料水分的方法的模块。
6.一种终端设备，其特征在于：包括存储器、处理器以及存储在所述存储器上并可被所述处理器运行的程序，所述处理器执行所述程序时实现如权利要求1-4中任意一项所述的运用时间卷积神经网络预测出口物料水分的方法。
7.一种计算机可读存储介质，其特征在于：所述计算机可读存储介质包括存储的程序，其中，在所述程序运行时控制所述计算机可读存储介质所在设备执行权利要求1-4中任意一项所述的运用时间卷积神经网络预测出口物料水分的方法。
...
【技术特征摘要】
1.一种运用时间卷积神经网络预测出口物料水分的方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的运用时间卷积神经网络预测出口物料水分的方法，其特征在于，所述对多元时序数据集进行预处理，获得预处理后的数据，并按照采集周期顺序，将预处理后的数据划分为训练集和测试集，包括：
3.根据权利要求2所述的运用时间卷积神经网络预测出口物料水分的方法，其特征在于，将运用时间卷积神经网络预测出口物料水分的方法用于薄板烘丝工序，所述薄板烘丝工序下，流程生产过程料头料尾截取规则具体为：
4.根据权利要求1所述的运用时间卷积神经网络预测出口物料水分的方法，其特征在于，所述da-tcn预测模型，包括特征注意力机制fa、时间卷积神经网络tcn、时序...
【专利技术属性】
技术研发人员：李悦，阴艳超，易斌，方俊俊，
申请(专利权)人：昆明理工大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。