熔模铸造车间数据采集与生产智能预测 |
| |
引用本文: | 闫学顺,汪东红,吴文云,官邦,姜淼,邱慧慧,龚潜海,疏达.熔模铸造车间数据采集与生产智能预测[J].特种铸造及有色合金,2024(1):135-140. |
| |
作者姓名: | 闫学顺 汪东红 吴文云 官邦 姜淼 邱慧慧 龚潜海 疏达 |
| |
作者单位: | 1. 上海工程技术大学材料工程学院;2. 上海交通大学上海市先进高温材料及其精密成形重点实验室;3. 嘉善鑫海精密铸件有限公司;4. 湖州鼎盛机械科技股份有限公司;5. 浙江佳力风能技术有限公司 |
| |
基金项目: | 国家重点研发计划资助项目(2020YFB1710100,2022YFB3706800);;国家重大科技专项基金资助项目(J2019-VI-0004-0117);;国家自然科学基金资助项目(51821001,52090042);;浙江省重点研发计划资助项目(2020C01056,2021C01157,2022C01147);;材料成形与模具技术国家重点实验室开放基金资助项目(P2021-006); |
| |
摘 要: | 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。
|
关 键 词: | 铸造车间 数据采集 神经网络 熔模铸造 |
|
|