基于端边云协同作用的高压滚筒机颗粒大小合格率的预测方法
Hairong Guo1, MingYin Yan1, Jing Zhao1
1School of Mechanical Engineering, Shenyang University of Technology, Shenyang, Liaoning, China.
PeerJ. Computer science
|December 16, 2024
概括
本研究介绍了一种智能方法,用于预测高压研磨中使用优化支向量的回归来预测颗粒通过率. 这种方法提高了准确性,并使实时监控成为可能,以提高加工质量.
科学领域:
- 材料科学 材料科学 材料科学
- 化学工程是化学工程的重要组成部分.
- 数据科学数据科学数据科学
背景情况:
- 颗粒通过率是高压研磨加工质量的关键指标.
- 目前的检测方法依赖于手动判断或离线检查,缺乏实时准确性.
研究的目的:
- 开发一个优化的支向量回归方法来预测颗粒度通过率.
- 为实时预测和模型更新建立在线预测模型.
主要方法:
- 应用时间延迟分析与粒子群集优化用于时间数据对齐.
- 使用最大信息系数分析来进行特征选择.
- 采用遗传算法来优化支持向量回归 (GASVR).
- 实现了终端云协作,用于智能检测机制.
主要成果:
- 优化的时间延迟分析显示,比传统方法更高的效率和准确性.
- 在E-GASVR模型中,确定系数 (R2) 为0.89.
- 成功建立了一个在线预测模型,用于实时细粒度通过率预测.
结论:
- 拟议的方法提供了一种更有效和更准确的方法来预测颗粒通过率.
- 开发的在线预测系统为高压研磨工艺提供了一个智能检测机制.
- 这项研究通过先进的数据分析来增强工业过程监测和质量控制.


