融合多通道CNN-BiGRU与时间模式注意力机制的多工序工艺质量预测方法

来源：计算机集成制造系统杂志2025年第8期北京时间：

作者：阴艳超, 洪志敏, 顾文娟, 唐军, 易斌

单位：1.昆明理工大学机电工程学院2.云南中烟工业有限责任公司

摘要：针对流程生产由于变量间耦合复杂、时序特征显著而导致工艺质量精准预测困难问题,提出了一种融合多通道CNN-BiGRU与时间模式注意力机制的多工序工艺质量预测方法。首先,搭建由卷积神经网络(CNN)与双向门控循环单元(BiGRU)组成的门控卷积网络,用于获取多工序生产过程工艺数据的非线性时间动态相关性,并将反映工艺参数时序变化规律的高维特征向量构成时间序列,分别输入到前向和后向传递的GRU网络,避免在训练工艺数据的长时间序列时的梯度消失或梯度爆炸问题;其次,引入时间模式注意力机制(TPA)为生产过程中的不同工序状态变量自适应分配注意力权重,动态获取不同工艺参数之间的关联耦合特征,通过全连接层获取最终工艺质量的预测结果;最后,利用某制丝产线五大工序的工艺数据集进行了工艺质量的预测实验。实验表明,相较于TCN-Attention和DA_BiLSTM等模型,CNN-BiGRU-TPA模型有效提高了预测精度,平均绝对误差(MAE)和均方根误差(RMSE)降低了21.36％和26.56％以上,为流程生产多工序质量精准预测提供了实现方法和途径。

关键词：流程制造,时序特征预测,时间模式注意力机制,多工序耦合

基金资助：云南省重大科技资助项目(202302AD080001);四川省重点实验室开放课题资助项目(2024-ScL-MC&I-003)。