机构名称：
¥ 2.0
摘要 数字焊接机（DWM）是一种先进的材料成型工具。DWM 的寿命和健康状况与其安全性和可靠性密切相关。针对 DWM 寿命预测准确率不高的问题，提出了一种基于免疫算法（IA）和带注意机制的长短期记忆网络（LSTM）的模型。首先，评估并筛选 DWM 寿命的退化特征指标。然后，利用线性回归构建健康指数，定量反映 DWM 的寿命状态。使用优化模型预测剩余寿命，并使用 5 个指标与各种模型进行比较。最后，基于产品检验和生产调度对 DWM 进行预测性维护。得到目标函数的最优解，计算出数字焊机的最佳预测维护方法。在寿命预测过程中，优化模型与传统LSTM模型相比，均方根误差降低了20%，均方误差降低了35.8%。平均绝对误差降低了14.2%，平均绝对百分比误差更接近于0，判定系数提高了23%。结合实际的产线安排，可以在最合适的时间对DWM进行维护，以最大限度地降低维护成本。
数据驱动的数字焊接预测性维护方法...
主要关键词
相关文件推荐
