基于集成学习和改进粒子群优化算法的流程制造工艺参数优化

作     者：刘孝保 严清秀 易斌 姚廷强 顾文娟 LIU Xiaobao;YAN Qingxiu;YI Bin;YAO Tingqiang;GU Wenjuan

作者机构：昆明理工大学机电工程学院昆明650500 云南中烟工业有限责任公司技术中心昆明650500 

出 版 物：《中国机械工程》 (China Mechanical Engineering)

年 卷 期：2023年第34卷第23期

页      面：2842-2853页

核心收录：

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：云南省重大科技专项(202302AD080001) 

主　　题：流程制造 多工序工艺参数优化 改进粒子群优化算法 长短期记忆神经网络 极限梯度提升 

摘      要：针对流程制造过程中工艺过程复杂、多工序耦合严重、工艺参数优化困难等问题,提出一种基于长短期记忆(LSTM)神经网络、极限梯度提升(XGBoost)算法和改进粒子群优化(IPSO)算法的多工序工艺参数融合优化方法。基于LSTM神经网络建立了数据预处理模型,通过LSTM神经网络提取流程工艺数据的时序特征,进而实现了对工艺数据中异常值的处理。在此基础上,通过XGBoost算法拟合工艺参数与质量指标间的非线性关系,并结合粒子群算法构建了PSO-XGBoost质量预测模型,再将预测模型的输出作为适应度,调用改进粒子群算法反向搜索全局最优工艺参数,得到各工序的最优工艺参数组合,从而实现了流程制造加工质量的融合优化。以某企业的一条流程生产线为例,验证了多工序工艺参数融合优化模型的有效性。