熔模铸造车间数据采集与生产智能预测

针对熔模铸造企业车间设备种类多,数据传输协议和存储结构不统一,异构数据采集困难、采集的数据杂乱缺失等问题,提出一种车间生产和设备资源的数据采集与管理框架。基于车间多源异构数据感知处理策略,设计车间数据传输路线,解决设备间数据交互差、感知处理困难的特点。结合主成分分析(PCA)和长短期神经网络(LSTM)算法,建立车间生产变化规律预测模型,完成车间数据处理和分析预测。最终,利用车间数据采集与管理框架,实现了28项工艺及现场数据的采集,且最小采集间隔时间可达1 000 ms,单日采集数据可达5×10⁵条。建立车间铸件产量预测模型,平均绝对误差为0.046 2%,决定系数为0.915 2,模型具有良好的泛化性。