基于DBN-DNN的离散制造车间订单完工期预测方法

摘要

准确的订单完工期预测是离散制造车间生产计划制定、调度排产、产品按时交付的重要保证.基于海量的多源制造数据,设计了一种基于深度置信网络—深度神经网络(DBN-DNN)的预测模型,用于实现具有大数据特征的制造系统订单完工期快速预测.选取ReL U为激活函数训练深度置信网络以提取特征,完成预训练;将预训练网络的权重和偏置参数传递至深度神经网络作为预测模型的初始化参数,并增加dropout和L2正则化,避免预测模型的过拟合问题.以某航天机加车间的10000条具有1059个特征的样本为数据集进行了数值实验,通过与多隐含层反向传播神经网络、主成分分析和反向传播神经网络的结合、主成分分析和支持向量回归的结合3种常用预测模型的对比分析,验证了所建立的预测模型在准确度和适用性方面具有更优的性能.