基于IWOA-BPNN模型的金属结构件生产流程时间预测

摘要

针对大型结构件制造阶段多且各阶段关系复杂导致流程时间精准预测难度大的问题，提出了“特征提取—模型构建—精度提升—结果对比”的解决思路。基于历史数据，利用PCA高效滤取影响流程时间预测值的特征参数，降低数据冗余性；设计最小流程时间的BPNN预测模型的结构和初始参数；改进鲸鱼群算法优化其初始权重和阈值，以提升模型预测精度。利用Plant Simulation仿真生成了增强数据，构建历史数据加增强数据的样本库，验证模型与精度提升方法的有效性。结果表明，本文所提方法各项误差指标更小，具有更快的迭代速度和更优的最佳适应度值，为大型构件流程时间的精准预测提供了新的解决思路。

关键词

改进鲸鱼群算法(IWOA) / BP神经网络 / 流程时间预测 / 多阶段加工

基金资助

湖北省自然科学基金资助项目(2022CFC033); 国家自然科学基金资助项目(52075292); 宜昌市自然科学基金资助项目(A23-006)