注塑成型工艺的能源消耗预测基于滚动学习告知器模型
Jianfeng Huang1, Yi Li1, Xinyuan Li1
1Department of Mechanical Engineering, Shantou University, Shantou 515063, China.
Polymers
|November 9, 2024
概括
本研究介绍了滚动学习信息器 (RL-Informer) 模型,用于准确预测注塑中的能源消耗. RL-Informer模型显著提高了能源预测的准确性和适应性,用于聚合物加工.
科学领域:
- 聚合物加工 聚合物加工
- 制造业 工程 制造工程
- 数据科学数据科学数据科学
背景情况:
- 精确的能源消耗预测对于优化聚合物加工的能源效率至关重要,特别是在注塑中.
- 传统方法难以处理复杂的能量传输,限制了最佳的能量预测.
- 现有的深度学习模型在长序列预测和持续适应新数据趋势方面面临挑战.
研究的目的:
- 提出一种数据驱动的方法,即滚动学习信息器 (RL-Informer) 模型,以提高注射成型的能源消耗预测的准确性和适应性.
- 解决传统方法和现有模型在处理复杂的能量传输和长序数据方面的局限性.
主要方法:
- 开发RL-Informer模型,将Informer架构与滚动学习预测集成在一起.
- 告知者模型利用稀疏注意力机制,自我注意力蒸和生成解码器技术来有效地预测长序列.
- 滚动学习允许持续更新模型以适应不断变化的数据趋势.
主要成果:
- RL-Informer模型实现了0.1301的正常化根平均平方误差 (NRMSE),0.0758的根平均平方误差 (RMSE),0.0562的平均绝对误差 (MAE),以及0.9831.2的确定系数 (R2).
- 拟议的模型表现出优越的性能,相比于门式循环单元 (GRU),时间卷积网络 (TCN),长期短期记忆 (LSTM) 和没有滚动学习的纯 Informer 模型.
- 该模型在能源消耗预测方面显示出高准确性和适应性.
结论:
- RL-Informer模型为注塑成型工艺的能源消耗预测提供了显著的进步.
- 数据驱动的方法提高了预测准确性和适应性,这对于优化聚合物加工的能源效率至关重要.
- 该模型在工业工程应用中具有实践实施的巨大潜力.
