融合双重注意力机制与TCN的复杂生产过程工艺质量精准预测

来源：计算机集成制造系统杂志2025年第12期北京时间：

作者：李悦, 阴彦磊, 易斌

单位：1.昆明理工大学机电工程学院2.云南中烟工业有限公司技术中心

摘要：复杂流程生产过程产品质量与工艺参数、设备运行参数、实时工况变化等都有关,产品质量与过程参数间存在复杂的非线性关系,为了提高产品质量预测准确性,本文提出一种融合双重注意力机制与时间卷积神经网络的复杂生产过程质量精准预测的方法。首先,基于生产过程中高频传感器采集的烘丝过程实时数据构建了多元时序数据集,分析了生产过程数据的关联耦合与时序特征;其次,采用基础TCN网络结合PReLU激活函数,捕捉工艺质量和特征变量间的长时序依赖关系,实现对多元时序数据集中全部序列的特征提取,有效提高了模型预测准确性,在此基础上,引入双重注意力机制确定影响产品质量的多元关键时序特征。最后,基于某制丝生产线薄板烘丝工序的20 107组实验数据进行多种模型训练和测试,结果表明,该模型的预测精度为0.988,均方误差(MSE)、均方根误差(RMSE)、平均绝对误差(MAE)分别为0.000 4、0.021 2、0.016 8,相较于基础TCN,DA-TCN模型结构设计合理、预测精度高、泛化性强,为复杂生产过程产品质量精准预测提供了参考。

关键词：复杂流程生产,产品质量预测,时间卷积神经网络,双重注意力机制

基金资助：国家自然科学基金资助项目(52065033);云南省重大科技资助项目(202302AD080001)。