一种面向多工序复杂制造过程的质量软测量方法

摘要

复杂制造过程关键质量变量的精准感知，是实现系统优化控制和保障系统安全稳定运行的必要前提。考虑复杂制造过程具有生产工序众多、回路互联耦合、工序质量遗传、数据时空分布等复杂特性，使得对过程质量的精准感知面临诸多困难。在此背景下，本文提出一种考虑过程时延的基于mRMR–GA–ResNet的多工序复杂制造过程质量软测量建模方法。首先，构建了一种考虑过程变量与质量变量间时延的基于最小冗余最大相关（mRMR）和遗传算法（GA）的多传感器过程变量筛选方法，以确定最优特征子集；其次，基于各工序的最优特征子集，设计了一种3维（特征–时间–工序）样本空间表征方法，工序内部以2维（特征–时间）形式表征，将工序作为通道构建3维（特征–时间–工序）样本，通过残差网络进行时间–空间特征提取，进而通过局部–全局特征融合得到最终的质量预测值；最后，通过一个实际制造过程——浮法玻璃生产过程，进行了实验验证。结果表明：在选择特征数相同的前提下，相较于其他4种基于相关性的特征选择方法（PCC、SCC、MI、MIC），本文所提多传感器过程变量筛选方法对于模型有更好的预测性能。以残差网络作为预测模型，本文所提3维样本构造方法，相较于传统的2维样本构造方法，对于模型的预测精度有了一定的提升，均方根误差E_RMS、平均绝对误差E_MA、对称平均绝对百分比误差E_SMAP分别提升9.2%、10.8%、9.8%，验证了所提方法的有效性。

关键词

多工序软测量 / 特征选择 / 残差网络 / 最小冗余最大相关 / 遗传算法

基金资助

国家重点研发计划项目（2021YFB3301200）; 国家自然科学基金项目（U21A20438;62373040;62203042）