(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211208462.3 (22)申请日 2022.09.30 (71)申请人 昆明理工大 学 地址 650093 云南省昆明市五华区学府路 253号 (72)发明人 施成娟　阴艳超　张曦　李旺　 (74)专利代理 机构 昆明人从众知识产权代理有 限公司 5 3204 专利代理师 陈波 (51)Int.Cl. G06Q 10/06(2012.01) G06Q 10/04(2012.01) G06Q 50/04(2012.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种制丝松散回潮工艺的多质 量指标输出 预测方法、 系统 (57)摘要 本发明公开了一种制丝松散回潮工艺的多 质量指标输 出预测方法、 系统， 方法包括： 获取制 丝松散回潮工艺的工艺参数和质量指标； 获取制 丝松散回潮工艺的工艺参数和质量指标历史数 据； 对历史数据进行预处理， 获取预处理后的历 史数据， 并划分训练集和测试集； 利用训练集对 松散回潮工艺质量多输出预测模型CB_A_L进行 训练； 利用训练好的预测模型CB_A _L对测试集进 行测试。 本发 明避免了传统关联算法的经验依赖 限制， 自主充分提取工艺数据中蕴含的复杂关联 时序信息， 而且预测精度较高， 实现了车间质量 预测需求， 能够对质量异常数据做出及时预警。 权利要求书2页 说明书10页 附图3页 CN 115456460 A 2022.12.09 CN 115456460 A 1.一种制丝松散回潮工艺的多质量指标输出 预测方法， 其特 征在于， 包括： S1、 获取制丝松散回潮工艺的工艺 参数和质量指标； S2、 获取制丝松散回潮工艺的工艺 参数和质量指标历史数据； S3、 对历史数据进行 预处理， 获取预处理后的历史数据， 并划分训练集和 测试集； S4、 利用训练集对松散回潮工艺质量多输出 预测模型CB_A_L进行训练； S5、 利用训练好的预测模型CB_A_L对测试集进行测试。 2.根据权利要求1所述的制丝松散回潮工艺的多质量指标输出预测方法， 其特征在于， 所述S1， 具体为： 依据制丝车间中松散回潮的具体工艺流程， 确定工艺参数和质量指标； 其 中， 工艺参数和质量指标的数量均为多个。 3.根据权利要求2所述的制丝松散回潮工艺的多质量指标输出预测方法， 其特征在于， 所述工艺参数为可调参数， 包括工艺流量、 气水混合自动阀门开度、 加水比例、 加水流量、 加 水累计量、 物料累计量、 蒸汽自动阀门开度、 工艺热风温度。 4.根据权利要求2所述的制丝松散回潮工艺的多质量指标输出预测方法， 其特征在于， 所述质量指标， 包括： 出 料温度和出 料含水率。 5.根据权利要求1所述的制丝松散回潮工艺的多质量指标输出预测方法， 其特征在于， 所述获取制 丝松散回潮工艺的工艺参数和质量指标历史数据， 包括： 对不同工艺数据按照 生产批次号为单位， 衔接牌号、 模型名称、 工序名称、 工艺参数名称、 指标类型和数据采集开 始和结束时间收集不同传感器数据信息， 再将这些传感器数据按照批次号、 工序名称、 工艺 参数、 质量指标和采集时间进行融合， 形成制 丝松散回潮工艺的工艺参数和质量指标历史 数据。 6.根据权利要求1所述的制丝松散回潮工艺的多质量指标输出预测方法， 其特征在于， 所述预处理具体为： 对制丝松散回潮工艺的工艺参数和质量指标历史数据进行异常值处 理、 归一化处理。 7.根据权利要求1所述的制丝松散回潮工艺的多质量指标输出预测方法， 其特征在于， 所述松散回潮工艺质量多输出预测模 型CB_A_L， 包括： 基于CNN ‑BiLSTM特征学习的编码器、 基于时序注意力网络的解码器； 所述基于CNN ‑BiLSTM特征学习的编码器， 包括卷积神经网络、 BiLSTM； 以松散回潮工艺 的工艺参数历史数据构建的一维工艺参数时序矩阵作为编 码器的输入， 首先利用卷积神经 网络将一 维工艺参数时序 矩阵构建成二 维时序特征信息矩阵， 随后通过BiLSTM学习提取出 的二维时序特征信息矩阵中的时间特征并定义成 固定长度向量， 输出工艺参数关联时序特 征序列； 所述基于时序注意力网络的解码器， 包括时序注意力 网络、 LSTM网络、 全连接网络； 以 松散回潮工艺的质量指标历史数据作为解码 器网络中LSTM网络的输入， 用以提取质量指标 的时序信息， 即LSTM网络的隐层状态； 并以CNN ‑BiLSTM特征学习的编码器得到的工艺参数 关联时序特征序列作为时序注意力网络的输入， 经过迭代计算出t 时刻下所有时间步长的 注意力权重； 使用softmax函数对计算得到的所有注意力权重进 行归一化处理， 细化表达时 间步长下各时刻编 码器工艺参数关联时序特征序列对预测目标的影响程度； 利用得到的影 响程度和 编码器工艺参数关联时序特征序列进行加权求和来综合编 码器所有时刻信息， 得 到t时刻中间语义向量； 在解码器LSTM网络经过T次迭代计算后， 再利用单层全连接网络整权　利　要　求　书 1/2 页 2 CN 115456460 A 2合LSTM网络的 隐层状态与时序 注意力网络输出的中间语义向量， 最 终经过维度变换得到工 艺质量预测值。 8.一种制丝松散回潮工艺的多质量指标输出 预测系统， 其特 征在于， 包括： 第一获取模块， 用于获取制丝松散回潮工艺的工艺 参数和质量指标； 第二获取模块， 用于获取制丝松散回潮工艺的工艺 参数和质量指标历史数据； 划分模块， 用于对历史数据进行预处理， 获取预处理后的历史数据， 并划分训练集和测 试集； 训练模块， 用于利用训练集对松散回潮工艺质量多输出 预测模型CB_A_L进行训练； 测试模块， 用于利用训练好的预测模型CB_A_L对测试集进行测试。 9.一种终端设备， 其特征在于： 包括存储器、 处理器以及存储在所述存储器上并可被所 述处理器运行的程序， 所述处理器执行所述程序时实现如权利要求1 ‑7中任意一项所述的 制丝松散回潮工艺的多质量指标输出 预测方法。 10.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质包括存储的程 序， 其中， 在所述程序运行时控制所述计算机可读存储介质所在设备执行权利要求 1‑7中任 意一项所述的制丝松散回潮工艺的多质量指标输出 预测方法。权　利　要　求　书 2/2 页 3 CN 115456460 A 3