基于时序分解与CNN的车间能耗预测方法

针对涂装车间能耗数据的复杂性以及动态性,仅根据历史能耗数据难以预测未来能耗的问题,提出基于贝叶斯估计的时序分解与卷积神经网络(TSDCNN)的车间能耗组合预测模型.该方法利用时序分解对车间能耗原始数据的周期和长期趋势成分进行建模;采用贝叶斯估计算法对各成分模型参数进行最优估计,解决能耗数据的动态性和不确定性的问题.选取温度、湿度、节假日等3个因素与周期和趋势成分作为卷积神经网络输入量,得到最终预测结果.以某汽车制造企业涂装车间的能耗数据进行实验,通过与传统的回归方法ARIMA、SVM、LSTM等进行比较,结果表明,该组合预测方法在能耗预测准确率上有较大的提高.     

基于数字孪生的生产系统仿真软件关键技术与发展趋势

随着设计和制造过程智能化程度的提升，基于数字孪生技术开展生产系统仿真的研究对国产自主化工业软件具有重要意义。在解析基于数字孪生生产系统仿真软件的特征和应用需求的基础上，阐述了生产系统仿真软件的关键技术，包括生产系统孪生模型构建、生产系统仿真优化和离散事件基础仿真引擎；通过整合国内外生产系统仿真软件，总结了生产系统仿真软件的应用；基于数字孪生的生产系统仿真软件的特征，以及软件与数字孪生模型高保真表示、高效构建、高效仿真和人机交互等的紧密结合，探讨了基于数字孪生的生产系统仿真软件开发的技术挑战与发展趋势，以期为我国基于数字孪生的生产系统仿真软件的自主研发提供参考。