融合多尺度卷积网络与TransGRU的流程生产过程质量多步预测方法
来源：计算机集成制造系统杂志2025年第12期北京时间：
作者：张家刚, 阴艳超, 易斌, 梁敏
单位：1.昆明理工大学机电工程学院2.云南中烟工业有限责任公司3.云南白药集团股份有限公司
摘要：流程生产具有连续性强、生产工序多、变量间耦合复杂、原料成分波动大等特点,如何在原料特性和生产工况等内外部条件变化时,准确预知产品质量发生的变化,是保证生产流程优化运行的核心问题。传统方法难以有效捕捉复杂的非线性和长期依赖关系,导致预测精度不高。对此,提出了一种融合多尺度卷积网络与TransGRU的流程生产过程质量多步预测方法。该模型利用不同尺度的卷积核提取不同时间尺度的特征,采用Transformer中的多头注意力机制,捕获序列中任意位置的依赖关系,提升模型对复杂非线性和长期依赖关系的建模能力。在此基础上,考虑到生产过程参数的时间动态特性,采用基于残差的GRU网络进行序列预测,充分利用时间序列信息,提高预测精度。最后,以某流程制丝生产线的烘丝工序为例进行了实验验证,结果表明,所提出方法在预测精度、稳定性和网络结构都优于其他对比模型,多步预测的准确率均在95.1%以上,为实现生产过程质量精准控制提供了新方法和新途径。
关键词：流程生产,时间动态特性,多步预测,多尺度卷积,TransGRU
基金资助：国家重点研发计划资助项目(2023YFB3308401);云南省重大科技专项计划资助项目(202302AD080001)。
