[发明专利]一种生产参数优化预测方法、装置、设备及存储介质

权利要求书

1.一种生产参数优化预测方法，其特征在于，所述方法包括：

获取生产流程中各个工序的监测数据；

对所述监测数据预处理；

利用规则关联算法在任意两个工序间构建表示两个工序间影响关系的最强关联链，并将所述最强关联链与所述监测数据波动状态结合，得到状态关联链；

利用柔性神经树算法根据所述状态关联链建立预测模型，得到并输出预测结果；

所述利用柔性神经树算法根据所述状态关联链建立预测模型得到并输出预测结果包括：

利用柔性神经树方法，根据所述状态关联链和经预处理的监测数据建立预测模型其中An和Bn是两组粒子群算法优化后的参数，net_n是经过管道通信优化后的树形结构状态关联链；

将关键工序的生产输入参数和生产输出参数输入到所述预测模型并进行迭代运算；

通过不断修改迭代次数得到最佳迭代次数，并利用标准平均方差值和矩阵实验室校验预测的准确性。

2.根据权利要求1所述的方法，其特征在于，所述对所述监测数据预处理包括：

将处于相同时间段的监测数据合并，得到集成监测数据；

利用等差数列填充法或均值法填充空白监测数据；

利用相关系数曲线对属于不同工序的监测数据进行时序调整；

利用k-均值算法获取所述监测数据的聚类集合。

3.根据权利要求2所述的方法，其特征在于，所述利用规则关联算法在任意两个工序间构建表示两个工序间影响关系的最强关联链，并将所述最强关联链与所述监测数据波动状态结合，得到状态关联链包括：

利用规则关联算法处理任意两个工序的聚类数据，得到不同工序中任意两聚类集合间的二项关联规则；

计算不同工序中任意两聚类集合间的关联度，并将聚类集合间的关联度转换为工序间的关联度；

根据所述任意两个工序间的关联规则和关联度，选取满足时间序列且关联度最大的聚类数据进行关联，构造不同工序间的最强关联链；

将不同工序间的监测数据波动状态与所述最强关联链结合，得到不同工序间的状态关联链。

4.一种生产参数优化预测装置，其特征在于，所述装置包括：

数据获取单元，配置用于获取生产流程中各个工序的监测数据；

预处理单元，配置用于对所述监测数据预处理；

关联链构建单元，配置用于利用规则关联算法在任意两个工序间构建表示两个工序间影响关系的最强关联链，并将所述最强关联链与所述监测数据波动状态结合，得到状态关联链；

模型建立单元，配置用于利用柔性神经树算法根据所述状态关联链建立预测模型，得到并输出预测结果；

所述模型建立单元包括：

建模子单元，配置用于利用柔性神经树方法，根据所述状态关联链和经预处理的监测数据建立预测模型其中An和Bn是两组粒子群算法优化后的参数，net_n是经过管道通信优化后的树形结构状态关联链；

运算子单元，配置用于将关键工序的生产输入参数和生产输出参数输入到所述预测模型并进行迭代运算；

校验子单元，配置用于通过不断修改迭代次数得到最佳迭代次数，并利用标准平均方差值和矩阵实验室校验预测的准确性。

5.根据权利要求4所述的装置，其特征在于，所述预处理单元包括：

合并子单元，配置用于将处于相同时间段的监测数据合并，得到集成监测数据；

填充子单元，配置用于利用等差数列填充法或均值法填充空白监测数据；

调整子单元，配置用于利用相关系数曲线对属于不同工序的监测数据进行时序调整；

聚类子单元，配置用于利用k-均值算法获取所述监测数据的聚类集合。