基于多隐层极限学习机的产品质量预测方法

来源：计算机集成制造系统杂志2025年第11期北京时间：

作者：丁鹏程, 战洪飞, 林颖俊, 余军合, 王瑞

单位：1.宁波大学机械工程与力学学院2.中银（宁波）电池有限公司

摘要：在产品生产过程中,准确快速地预测产品质量有助于企业及时调整制造工艺,降低损失。针对实际生产过程中,现场采集的工艺数据存在维度高、相关性复杂且用传统方法难以准确预测的问题,提出一种基于改进多隐层极限学习机（LCGWO-DMKEA-BLSTM）的方法。首先,通过互信息法（MI）对采集的生产工艺特征参数进行筛选,组成模型输入初始特征集。其次,将高斯核函数与反余弦核函数加权结合,构造出新的混合核函数,并引入自动编码器对极限学习机进行改进,建立深度多内核极限学习机自编码器（DMKEA）特征挖掘模型,从高维复杂工艺特征集中提取最能反映产品质量的关键特征信息,输入决策层双向长短时神经网络（BLSTM）中进行质量预测。在DMKEA学习训练中,采用基于Circle混沌映射和Levy飞行策略改进的灰狼算法（LCGWO）,优化惩罚系数、核参数以及核函数组合权重,提高DMKEA的特征挖掘能力。最后用半导体薄膜晶体管液晶显示器生产线的工艺数据实验验证了所提方法的有效性。研究成果有助于企业实现准确地产品质量预测,也为企业生产的数据赋能提供参考。

关键词：质量预测,互信息法,改进多隐层极限学习机,混合核函数,双向长短时神经网络,Circle混沌映射,Levy飞行,改进灰狼算法

基金资助：国家自然科学基金资助项目（71671097）;浙江省自然科学基金资助项目（LZ25E050004）;宁波市各区县支持宁波大学“双一流”建设合作任务分设项目（HX2024000402）;健康智慧厨房浙江省工程研究中心资助项目。