基于注意力QRNN的离散车间生产瓶颈预测
Modular Machine Tool & Automatic Manufacturing Technique(2022)
摘要
针对离散制造车间的瓶颈漂移现象导致的生产瓶颈预测困难问题,提出了基于注意力机制的准循环神经网络(quasi-recurrent neural networks,QRNN)瓶颈预测方法.首先,根据制造系统的生产特性量化制造单元的瓶颈程度;其次,以反映车间运行状态的时序数据为输入,通过QRNN网络的卷积结构并行提取信息特征,减少计算时间;训练融合注意力机制的预测模型,充分挥发各时刻状态信息的作用,精准的预测制造车间生产瓶颈位置;最后,以某航天机加车间为例,将所提方法与LSTM、QRNN预测方法进行对比分析,证实了所提预测方法的有效性.
更多AI 理解论文
溯源树
样例
![](https://originalfileserver.aminer.cn/sys/aminer/pubs/mrt_preview.jpeg)
生成溯源树,研究论文发展脉络
Chat Paper
正在生成论文摘要